期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
一种多维不确定性数据流聚类算法
被引量：
13
1
作者
罗清华
彭宇
彭喜元
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2013年第6期1330-1338,共9页
目前在很多不确定性数据流聚类方法研究中,存在着聚类模型和数据流的数据模型失配问题,且它们往往假定不确定性数据的概率密度函数、概率分布函数或者概率是已知的,然而这些信息在实际系统中很难获得。鉴于此,本文提出一种基于区间数的...
目前在很多不确定性数据流聚类方法研究中,存在着聚类模型和数据流的数据模型失配问题,且它们往往假定不确定性数据的概率密度函数、概率分布函数或者概率是已知的,然而这些信息在实际系统中很难获得。鉴于此,本文提出一种基于区间数的多维不确定性数据流聚类算法(UIDMicro)。在该算法中,首先利用区间数结合不确定性数据的统计信息表示多维不确定性数据流,然后采用"当前簇"和"候选簇"两层簇窗口对不确定性数据流进行聚类,通过动态调整两层簇窗口实现聚类模型和数据模型的实时匹配。实验结果表明,该方法具有较高的聚类精度和处理效率。
展开更多
关键词
不确定性数据流
聚类算法
区间数
在线阅读
下载PDF
职称材料
不确定数据流最大频繁项集挖掘算法研究
被引量：
9
2
作者
刘慧婷
候明利
+1 位作者
赵鹏
姚晟
《计算机工程与应用》
CSCD
北大核心
2016年第19期72-77,93,共7页
对于大型数据,频繁项集挖掘显得庞大而冗余,挖掘最大频繁项集可以减少挖出的频繁项集的个数。可是对于不确定性数据流,传统判断项集是否频繁的方法已不能准确表达项集的频繁性,而且目前还没有在不确定数据流上挖掘最大频繁项集的相关研...
对于大型数据,频繁项集挖掘显得庞大而冗余,挖掘最大频繁项集可以减少挖出的频繁项集的个数。可是对于不确定性数据流,传统判断项集是否频繁的方法已不能准确表达项集的频繁性,而且目前还没有在不确定数据流上挖掘最大频繁项集的相关研究。因此,针对上述不足,提出了一种基于衰减模型的不确定性数据流最大频繁项集挖掘算法TUFSMax。该算法采用标记树结点的方法,使得算法不需要超集检测就可挖掘出所有的最大频繁项集,节约了超集检测时间。实验证明了提出的算法在时间和空间上具有高效性。
展开更多
关键词
不确定性数据流
最大频繁项集
超集检测
在线阅读
下载PDF
职称材料
题名
一种多维不确定性数据流聚类算法
被引量：
13
1
作者
罗清华
彭宇
彭喜元
机构
哈尔滨工业大学(威海)信息与电气工程学院
哈尔滨工业大学自动化测试与控制研究所
出处
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2013年第6期1330-1338,共9页
基金
国家自然科学基金(61102038/F010908)
装备预研重点基金(9140A17040409HT01)
+1 种基金
教育部高等学校博士学科点专项科研基金(20092302110013)
教育部新世纪优秀人才支持计划(NCET-10-0062)资助项目
文摘
目前在很多不确定性数据流聚类方法研究中,存在着聚类模型和数据流的数据模型失配问题,且它们往往假定不确定性数据的概率密度函数、概率分布函数或者概率是已知的,然而这些信息在实际系统中很难获得。鉴于此,本文提出一种基于区间数的多维不确定性数据流聚类算法(UIDMicro)。在该算法中,首先利用区间数结合不确定性数据的统计信息表示多维不确定性数据流,然后采用"当前簇"和"候选簇"两层簇窗口对不确定性数据流进行聚类,通过动态调整两层簇窗口实现聚类模型和数据模型的实时匹配。实验结果表明,该方法具有较高的聚类精度和处理效率。
关键词
不确定性数据流
聚类算法
区间数
Keywords
uncertain data stream
clustering algorithm
interval data
分类号
TP393 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
不确定数据流最大频繁项集挖掘算法研究
被引量：
9
2
作者
刘慧婷
候明利
赵鹏
姚晟
机构
安徽大学计算机科学与技术学院
出处
《计算机工程与应用》
CSCD
北大核心
2016年第19期72-77,93,共7页
基金
国家自然科学基金(No.61202227)
安徽省自然科学基金(No.1408085MF122)
文摘
对于大型数据,频繁项集挖掘显得庞大而冗余,挖掘最大频繁项集可以减少挖出的频繁项集的个数。可是对于不确定性数据流,传统判断项集是否频繁的方法已不能准确表达项集的频繁性,而且目前还没有在不确定数据流上挖掘最大频繁项集的相关研究。因此,针对上述不足,提出了一种基于衰减模型的不确定性数据流最大频繁项集挖掘算法TUFSMax。该算法采用标记树结点的方法,使得算法不需要超集检测就可挖掘出所有的最大频繁项集,节约了超集检测时间。实验证明了提出的算法在时间和空间上具有高效性。
关键词
不确定性数据流
最大频繁项集
超集检测
Keywords
uncertain data stream
maximum frequent items
super check
分类号
TP311 [自动化与计算机技术—计算机软件与理论]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
一种多维不确定性数据流聚类算法
罗清华
彭宇
彭喜元
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2013
13
在线阅读
下载PDF
职称材料
2
不确定数据流最大频繁项集挖掘算法研究
刘慧婷
候明利
赵鹏
姚晟
《计算机工程与应用》
CSCD
北大核心
2016
9
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
