基于Weka平台地球化学异常分类研究

地球化学数据是应用地球化学研究的重要组成部分,是勘查工作的基础成果,地质地球化学数据的机器学习算法在研究地球化学异常分类中具有重要参考。本文以省内某区土壤地球化学Au、Cu等13种元素数据为基础,基于Weka平台J48决策树算法,对目标研究区域元素地球化学异常进行分类,在监督条件下结果表明,经过训练的模型基础上,异常分类测试集准确度89.8%、错误率10.1%,模型对异常分类具有较高准确度。异常的面积、nap值、断裂、浓集中心、矿床数量是最有效参数。

WEKA数据挖掘平台及其二次开发

在开源数据挖掘平台WEKA上进行了挖掘测试和分析,并分析了其存在的主要问题。为了克服WEKA系统在聚类方面的薄弱性,在WEKA的开源环境下进行二次开发,扩充了聚类算法。介绍了将k-中心点轮换算法嵌入到WEKA平台的过程,充分利用了开源WEKA中的类和可视化功能,并对嵌入的算法和原有聚类算法进行了对比分析。该算法改进了传统的k-中心点算法,避免陷入局部最优,而且它对初始点不太敏感,可以获取更好的聚类效果。

WEKA环境下基于模糊理论的聚类算法

因特网上的数据规模大、动态性强,通常发现的知识或规则很可能是不精确和不完备的。为了克服以上不足,引入模糊理论,通过寻找模糊相似上近似集进行合理聚类,在确定聚类数目的过程中,利用平均信息熵进行最佳聚类。同时将模糊聚类算法嵌入WEKA平台,利用WEKA中的类和可视化功能,扩充了WEKA中的聚类算法。实验表明,算法对含有噪声的、分布不规则的大数据集具有很高的精度和收敛速度。

基于Weka的城市建设用地结构特征挖掘研究

城市建设用地结构是城市建设用地状况的直接反映,对其进行研究分析可以了解掌握城市建设用地的现状与内在规律。尝试使用Weka软件,运用其关联分析、聚类、回归方法中的不同算法对城市建设用地结构进行分析,获取了一些有益的结果:(1)通过关联分析得到不同用地间的相关性;(2)通过聚类将全国城市分为5类,并分析了其空间分布特征,即存在均匀分布,又呈现相对聚集现象;(3)通过回归分析得知用地结构与城市规模之间存在一定联系。

基于WEKA的客户分类信息系统研究

本文采用决策树方法,对客户交易数据和客户基本信息进行数据挖掘分析,降低了数据冗余度,提高了数据集准确率。在RFM模型基础上,从客户交易信息中选取了购买频率和平均每次购买金额作为分类评估指标的补充,得到一组客户交易数据训练集。结合J48算法使用WEKA算法对客户交易数据训练集进行训练、测试和验证,构建了客户分类决策模型,从而有利于客户分类原型系统的系统分析和系统设计。

基于WEKA的客户流失预测研究

针对电信企业客户流失问题,提出一种基于Weka平台知识自动获取的客户流失预测模型。针对决策树算法偏向于选择取值较多的属性作为测试属性的缺点,结合OIR算法选择相关属性子集进行分类,降低相关度较小属性与重复属性对分类的影响。通过在Weka平台上使用6个UCI数据集和移动公司客户数据的实验结果表明,优化后的决策树算法克服了决策树算法的取值偏置问题,从而获得比J48算法更高分类准确率。

基于Weka平台知识获取的航空发动机磨损故障诊断专家系统

针对航空发动机磨损故障诊断专家系统知识获取难的问题。提出了一种基于Weka平台知识自动获取的航空发动机磨损故障专家系统模型。引入目前国际上著名的数据挖掘软件Weka,并把它嵌入自己开发的专家系统中作为一个知识自动获取模块。阐述了C4.5决策树中连续属性的离散、树的构建、树的修剪及规则的产生等关键技术。采集了一组某型航空发动机实测油样光谱数据,利用基于Weka平台的C4.5决策树提取了发动机磨损故障知识规则。

基于Weka的冲击地压预测方法分析

在运用Weka平台对样本训练和预测时,发现用不同的数据挖掘算法,得到不一样的处理结果。以冲击地压危险程度数据作为样本,利用Weka、Excel和Ultra Edit等软件,分别采用支持向量机,决策树和朴素贝叶斯分类器进行训练和预测。从详细的精度,混淆矩阵和节点错误率这3个方面分别比较3种算法,从而得到结论是:贝叶斯分类器的训练和预测效果是最好的,不仅可以提高准确率,还具有一定的研究价值。

WEKA中的Id3决策树算法

ID3算法是决策树学习归纳和数据挖掘中的核心方法。本文对ID3算法及其在WEKA中的实现进行了阐述,给出了使用剪枝阈值对决策树进行先剪枝的方法,最后通过实例对该方法的有效性进行了验证。

基于WEKA平台的湖库富营养化程度智能评价研究

基于WEKA平台分别采用三种机器学习分类算法,构建了湖库富营养化程度的智能评价模型,分析了我国24个湖库的营养状态并进行了评价与比较。结果表明,该智能评价模型分辨率较高,建模方法简便易行、计算快捷、无需编程即能轻松实现,具有应用价值,可供借鉴。

基于Weka平台的C4.5算法在影像分类中的应用

遥感图像分类是从复杂的地物类型中提取有效类别信息的过程。在研究区地物类型较为复杂的情况下,借助计算机对遥感数据进行类别预测可以提高分类效率和准确率。本文基于Weka平台,利用决策树C4.5算法构造分类模型,进而对未知类别数据进行预测。实验分析表明,基于Weka平台利用决策树C4.5算法对遥感图像分类是可行且有效的,且分类精度较高。

基于决策树分类的Weka平台上数据挖掘应用

数据挖掘中的决策树分类可以对数据集进行有效的训练学习以及对新的相应数据集快速准确的分类.本文给出了一个利用Weka数据挖掘工具进行决策树分类的实例.

谱聚类方法研究及其在Weka中的实现

介绍了谱聚类方法的基本原理和算法思想,针对谱聚类方法优化问题求解的困难,分析了一种有原则的求解策略,从而给出算法的具体描述,并作为一个插件在Weka上进行了实现。对实现的系统进行了实验和测试,指出了应用中的关键问题。实验结果表明,谱聚类方法效果优于K-means方法。

基于WEKA点击流数据的读者需求可视化分析

基于读者浏览行为建立点击流数据,采用WEKA挖掘软件对这些数据进行可视化分析,为掌握读者的信息需求规律,创新传统服务模式提供一种思路。

基于Weka平台的决策树J48算法实验研究

在介绍了ID3算法和J48算法之间的关系以及J48算法的流程的基础上,着重对信息增益率的计算方法进行了说明,然后在Weka平台上选用鸢尾花数据集(Iris)进行分类实验,并对结果进行了分析,最后随机选取了几种常见的决策树算法继续实验,与J48算法实验结果进行对比分析可知,J48算法在同类决策树算法中不仅分类准确率高而且速度快.实验研究结果旨在为J48算法研究工作提供一些参考.

基于Weka和协同机器学习技术的数据挖掘方法研究

为了提高数据挖掘准确度,提出了一种基于Weka和协同机器学习技术的数据挖掘方法。将Weka平台中具有相同训练结果的算法分至同组,且给每个算法得到的结果赋予权重因子。然后,采用蛙跳算法对权重因子进行训练,将训练得到的权重因子按照不同的组进行求和。最后将最大的一组所对应结果作为样本的训练输出,以实现不同机器学习算法协同。结果表明,相比于单个机器学习算法的数据挖掘,采用协同机器学习的数据挖掘准确度更高,稳定性更强。

基于Weka平台的机器学习方法探究

针对机器学习技术理论性强、内容抽象、实践难的特点,提出了以Weka软件为平台的机器学习实践方案,并详细阐述了实施过程。通过对结果分析,达到使用Weka实践机器学习技术解决实际问题的目的。

基于Weka关联规则挖掘的针灸腧穴规律研究

针灸腧穴规律在针灸临床治疗中起着十分重要的作用，针对古今针灸临床治疗方案数据量大、关联性强的特点，运用关联分析中的Apriori算法，结合针灸学科特点和临床诊治规律，将经过筛选转换的数据在Weka平台中分析，充分利用其中的类和可视化功能，得出用穴规律、腧穴配伍规律等的分析结果。实验结果表明，基于WEKA的关联规则挖掘技术能有效的为针灸腧穴规律研究提供信息支持。

基于WEKA平台的分类预测模型分析

详细分析了C4.5算法和基于蚁群算法的分类算法,进一步给出基于WEKA平台的预处理数据、分类模型J48的使用步骤,并在WEKA平台中嵌入基于蚁群算法的新的分类方法,最后将这两种算法应用于乳腺癌诊断,分类准确率采用10次交叉验证评价。研究结果表明:这两种算法的准确率分别是75.7%和78.5±1.25%。基于蚁群算法的分类算法的分类准确率较高,更适用于乳腺癌的诊断。

Weka,使数据挖掘不再神秘

数据挖掘工具Weka由于其基于java,开源等优点而倍受瞩目,但在国内却鲜为人知,而且相关学习资料也很少,本文介绍了Weka的历史,特点及使用方法等。