重庆市自然科学基金(2005BB2224)
- 作品数：11 被引量：33H指数：3
- 相关作者：朱庆生金义富邹咸林古平邢永康更多>>
- 相关机构：重庆大学湛江师范学院重庆工学院更多>>
- 发文基金：重庆市自然科学基金国家自然科学基金湛江师范学院科学研究基金更多>>
- 相关领域：自动化与计算机技术理学更多>>
- 基于邻接图的离群数据聚类算法
- 2008年
- 离群数据是数据中的小模式,因其固有的少数据与稀疏性等特征,使得基于距离或基于统计等常规聚类方式不适用于对离群数据的分类。该文根据离群对象关键域子空间的重合度,定义了离群共享属性集与离群相似度等概念,提出β-离群簇分析技术。通过构建离群邻接图并将其稀疏化,将β-离群簇搜索与相应的离群邻接图的最大完全子图搜索一一对应,给出一种基于邻接图的离群数据聚类算法。算例及实验结果表明,该方法具有较高的效率及良好的直观性。
- 金义富朱庆生邹咸林
- 关键词：离群数据关键域子空间聚类算法
- 基于关联特征扩展的特征选择算法
- 2007年
- 特征选择是文档分类中常见的预处理工作,通过对文档特征空间降维,可以提高文档的分类性能。针对多数特征选择算法不考虑特征词共现关系的问题,该文提出了一种利用关联特征来增强文档分类性能的方法,针对特征扩展后产生的高维向量空间设计了一种快速冗余特征去除和选择算法,以满足实际应用中对增强特征分类性能和执行效率的需要。实验采用朴素贝叶斯网作为分类器,从特征降维效果、分类性能以及算法执行效率等方面与其他算法进行了比较。
- 古平朱庆生何希平李云峰
- 关键词：文档分类
- 基于小波隶属函数的模糊推理规则优化被引量：2
- 2007年
- 隶属函数决定着模糊集的特征,建立小波基函数与隶属函数之间的联系,从而利用小波分析探讨模糊推理的实质,以一种非对称Haar小波基与三角型、梯型隶属函数的对应关系为基础,将小波分析、遗传算法与模糊系统结合,利用遗传算法实现小波隶属函数的训练学习,进而实现模糊推理规则的优化。
- 金义富朱庆生
- 关键词：隶属函数模糊推理遗传算法
- 一种离群数据集延伸知识发现框架被引量：2
- 2008年
- 现有离群数据研究主要集中于离群检测.为了对离群数据的来源、分类、含义、行为特征以及离群趋势等进行全面分析,以现有离群挖掘技术为基础,结合已提出的离群约简与关键域子空间等一系列概念及其搜索算法,定义了离群最近邻、原子离群类及离群变异类等概念,提出了离群簇分析及离群趋势分析方法,建立了一种完整的离群数据集特征描述及延伸知识发现的整体框架.通过对移动通信业务数据的离群分析进行具体讨论,表明了这种离群延伸知识发现框架在实际应用中的有效性.
- 金义富朱庆生
- 关键词：数据挖掘关键域子空间
- 基于统计的离群数据挖掘与分析被引量：3
- 2007年
- 在数据空间中不可避免地存在着一些严重偏离整体样本集合的其它观测值,这些离群数据对数据挖掘与分析结果具有重要影响.通过对各种基于统计算法的总结与比较。按一元到多元的探索性离群分析思路.设计了一般分布下的 Grubbs 离群检测法和基于似然的混合模型离群点检测方法,并对多维数据的统计检测技术进行了讨论.结果表明,在离群检测与分析中恰当地利用统计方法在低维数据中的有效性进行探索性数据分析是可行的.
- 金义富邓明
- 关键词：离群数据统计模型
- 一种可并行的贝叶斯集合在线学习算法被引量：2
- 2006年
- 无论是 Boosting 还是 Bagging 算法,在使用连续样本集进行分类器集合学习时,均需缓存大量数据.这对大容量样本集的应用不可行。本文提出一种基于贝叶斯集合的在线学习算法 BEPOL,在保持 Boosting 算法加权采样思想的前提下,只需对样本集进行一次扫描,就可实现对贝叶斯集合的在线更新学习。算法针对串行训练时间长、成员相关性差的缺点.采用了并行学习的思想,通过将各贝叶斯分量映射到并行计算结构上,提高集合学习的效率。通过UCI 数据集的实验表明,算法 BEPOL 具有与批量学习算法相近的分类性能和更小的时间开销,这使得算法对某些具有时间和空间限制的应用,如大型数据集或连续型数据集应用尤其有效。
- 古平朱庆生
- 关键词：贝叶斯分类器
- 高维数据集离群子空间特性研究被引量：4
- 2006年
- 探讨对挖掘出的离群数据集进行解释与分析的有效方法。以粗糙集理论的属性约简技术为基础,定义了属性离群贡献度等概念对高维数据集离群特性进行了量化描述,提出了离群划分与离群约简思想以及离群数据关键属性域子空间分析方法,给出了一种离群约简算法并分析了算法复杂性。实验表明,这种方法可以有效地揭示离群数据产生来源,有助于对整体数据集的更全面理解,且提出的算法对于问题规模具有较好的适应性。
- 金义富朱庆生邹咸林
- 关键词：关键域子空间
- 离群数据关键域子空间实时搜索算法
- 1引言近年来,离群挖掘已经成为数据挖掘与知识发现领域的一个研究热点,它探讨如何从大量数据中挖掘出离群对象(Outlier),即与多数常规数据对象
- 金义富朱庆生
- 文献传递
- 一种改进的基于密度的离群数据挖掘算法被引量：10
- 2007年
- 利用基于密度的离群数据挖掘算法离群数据不在非离群数据指定的邻域内的特点,改进了原有的离群数据挖掘算法:首先判断数据是否在某个非离群数据指定的邻域内,如果不在,再判断其邻域内数据的个数。通过对二维空间数据测试表明,改进的算法能够快速有效地挖掘出数据集中的离群数据,速度上数倍于原来的算法。
- 崔贯勋朱庆生
- 关键词：数据挖掘离群数据基于密度
- 一种融合本体和上下文的自适应层次分类模型被引量：1
- 2009年
- 提出一种新的自适应层次分类(HAC)模型,通过本体对特征集进行语义扩展,并以增量形式在层次模型中构建特征上下文和类别相关上下文,以辅助实现一种高效、无阻滞的层次分类.实验结果证明,模型HAC具有相对更好的分类性能,而且分类速度更快,有利于实现实时在线的文档分类.
- 古平朱庆生张程庄致
- 关键词：上下文本体
