李欣宇
- 作品数：7 被引量：19H指数：3
- 供职机构：电子科技大学更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 一种适合于科学数据的聚类算法被引量：3
- 2006年
- 聚类是科学数据挖掘中的核心问题。在已提出的聚类算法中大都是基于“距离”的概念,这类算法的缺点在于处理数据量大和维数高的科学数据时不够有效,因此提出迭代网格算法。这个算法与基于距离的损法有根本不同,它抛弃了距离的概念,而采取一种新的思路。它不仅能够自动发现包含有趣知识的子空间,并将里面存在的所有聚类挖掘出来;而且它能很好的处理维数高和数据量大的科学数据。
- 李欣宇傅彦
- 关键词：科学数据挖掘聚类分析网格高维数据
- 一种改进型聚类算法应用于科学数据挖掘被引量：1
- 2006年
- 聚类是数据挖掘中很重要的一部分。提出一种新的算法,不仅能避免最终的结果陷入局部解而且不用预知类别就可以对大批的数据进行分类,同时可以很容易的找出噪声数据。实验证明了这种算法在科学数据挖掘中是很有效的。
- 杨朝敏李欣宇
- 关键词：数据挖掘聚类分析
- 贝叶斯网络结构学习方法研究被引量：12
- 2005年
- 介绍贝叶斯网络结构学习的两种方法:渐进正确结构学习和启发搜索方法,并重点对最小描述长度测度函数MDL和DGM测度函数进行了分析比较,提出了一个两阶段从数据集中学习贝叶斯网络(BN)结构的有效算法。首先,第一阶段采用以信息论为基础的渐进正确的结构学习方法来有效的搜索可能的网络空间,构造一个候选网络;然后,采用启发搜索的方法来精简这个候选网络。使用这种分两阶段学习的方法比单纯使用一种方法来获取BN结构更精确和有效率。
- 袁志刚傅彦李欣宇
- 关键词：贝叶斯网络最小描述长度
- 改进型的K-mediods算法被引量：3
- 2006年
- 挖掘科学数据是当今数据库系统研究和应用领域内的一个热点问题。聚类是数据挖掘中的核心问题。K-中心算法的执行结果受到初始选择的中心点的影响,而且常常只能终止于局部最优,按照基于密度聚类算法的思想,聚类分析最终的中心点都是很“密的(dense)”点,结合这两种算法,如果初始选择的中心点就是“密的(dense)”点,并且这几个初始的中心点彼此相异度比较大,那就会减少算法执行的时间,并且提高聚类结果的准确度。
- 李欣宇傅彦
- 关键词：数据挖掘聚类分析
- 一种认证方法和装置
- 本发明公开了一种认证方法和装置，包括当首次获取第一用户在触摸屏上的滑动数据时，从滑动数据中获取第一用户的行为信息建立行为模型；当再次获取第二用户在触摸屏上的滑动数据时，从滑动数据中获取第二用户的行为信息，并依据建立的行为...
- 鲁力刘永帅李欣宇罗国星韩志罡
- 文献传递
- 科学数据挖掘系统中分类和聚类的应用研究
- 在对大规模科学数据进行处理时，往往会因为其具有规模大、特征复杂的特点，使得理解、分析这些科学数据，并从中获取知识变得十分困难，对于这些数据，科学家已经不满足于传统的查询、统计分析手段，而需要发现更深层次的规律，对决策或科...
- 李欣宇
- 关键词：知识发现模式识别决策树聚类算法BP神经网络
- 文献传递
- 一种散射增强传感光纤制备装置
- 本发明属于光纤传感技术领域，提供一种散射增强传感光纤制备装置，用以解决现有特种传感光纤研制成本、研制灵活度与需求之间的矛盾问题。本发明由供纤轮1、张力控制装置2、涂覆层剥离单元3、散射增强单元4、重涂覆单元5与收纤轮6组...
- 龚元韩泽文李欣宇饶云江
