-
题名基于模糊c-means算法的空间数据分类和预测
被引量：3
- 1
-
-
作者
胡彩平
秦小麟
-
机构
南京航空航天大学信息科学与技术学院
-
出处
《计算机研究与发展》
EI
CSCD
北大核心
2008年第7期1183-1188,共6页
-
基金
国家自然科学基金项目(60673127)
江苏省高技术研究计划基金项目(BG2004005)
-
文摘
空间分类和预测是空间数据挖掘中一个非常重要的方法,但对它们的研究目前尚处于初始阶段.通过引入空间对象对模糊聚类的模糊隶属度的概念,提出了基于模糊c-means算法的空间数据分类和预测的方法(SFCM).该方法首先用模糊c-means方法对数据集论域空间进行聚类,但由于空间数据具有空间自相关的特性,在用模糊c-means算法进行空间聚类时加入了空间信息.然后计算每个空间对象对所有聚类的模糊隶属度并从中找出模糊隶属度最大的聚类.最后用该聚类中心对象的因变量的值作为该空间对象的因变量的估计值.理论分析和实验结果表明,该算法是有效可行的.
-
关键词
模糊c-means算法
模糊隶属度
空间自相关
空间数据挖掘
空间分类和预测
-
Keywords
fuzzy c-means
fuzzy membership degree
spatial autocorrelation
spatial data mining
spatial classification and prediction
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于决策树对支持向量机的医学图像分类新方法
被引量：9
- 2
-
-
作者
邹丽
蒋芸
陈娜
沈健
胡学伟
李志磊
-
机构
西北师范大学计算机科学与工程学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2016年第21期76-80,共5页
-
基金
国家自然科学基金(No.61163036
No.61163039)
+2 种基金
2012年度甘肃省高校基本科研业务费专项资金项目
甘肃省高校研究生导师项目(No.1201-16)
西北师范大学第三期知识与创新工程科研骨干项目(No.nwnu-kjcxgc-03-67)
-
文摘
针对传统对支持向量机多类分类算法(Multi-TWSVM)中出现的模糊性问题,提出了一种基于遗传算法的决策树对支持向量机(GA-DTTSVM)多类分类算法。GA-DTTSVM用遗传算法对特征数据建立决策树,通过构建决策树可以分离样本的模糊区域,提高模糊区域样本的识别率。在决策树的每个节点上用对支持向量机(TWSVM)训练分类器,最后用训练的分类器进行分类和预测。实验结果表明,与决策树对支持向量机(DTTSVM)多类分类算法以及Multi-TWSVM相比,GA-DTTSVM多类分类算法具有较高的分类精度和较快的训练速度。
-
关键词
遗传算法
对支持向量机
分类和预测
-
Keywords
genetic algorithm
twin support vector machine
classification and prediction
-
分类号
TP301
[自动化与计算机技术—计算机系统结构]
-
-
题名随机模糊神经网络在公司收益预测中的应用
被引量：2
- 3
-
-
作者
邵建军
柯大钢
王军平
-
机构
西安交通大学管理学院
西安交通大学会计学院
清华大学汽车工程系汽车安全与节能国家重点实验室
-
出处
《系统仿真学报》
CAS
CSCD
2003年第5期749-751,755,共4页
-
基金
西安市科委软科学计划项目资助(R200247)
-
文摘
系统介绍了随机模糊神经网络(SFNN)并将其用于上市公司每股收益的分类和预测,以解决一般的预测方法没有考虑到输入输出数据含有“噪声”的现实问题。文中选取了300家当前正在上海或深圳证券交易所上市的公司作为样本,用随机模糊神经网络对其每股收益的分类和预测进行了仿真研究,并将仿真结果与用模糊神经网络(FNN)的仿真结果进行了对比,结果显示用随机模糊神经网络的仿真效果较好。这对于投资者合理把握投资机会,正确投资以获得更高的收益有着一定的现实意义。
-
关键词
随机模糊神经网络
分类和预测
模糊神经网络
每股收益
-
Keywords
stochastic fuzzy neural network (SFNN)
classification and forecasting
fuzzy neural network (FNN)
earnings per share
-
分类号
F830.91
[经济管理—金融学]
-
-
题名空间数据挖掘研究综述
被引量：10
- 4
-
-
作者
胡彩平
秦小麟
-
机构
南京航空航天大学信息科学与技术学院
-
出处
《计算机科学》
CSCD
北大核心
2007年第5期14-19,共6页
-
基金
航空科学基金项目(02F52033)资助
江苏省高技术研究计划项目(BG2004005)资助
-
文摘
信息化的发展使得更多的空间数据被使用,因此获取空间知识也就越来越重要和有意义,并使得空间数据挖掘成为一个很有前途的研究领域。本文系统概括了空间分类和预测、空间聚类、空间孤立点和空间关联规则4类空间数据挖掘方法及其进展,最后探讨了空间数据挖掘的未来发展方向。
-
关键词
空间数据挖掘
空间分类和预测
空间聚类
空间孤立点
空间关联规则
-
Keywords
Spatial data mining, spatial classification and prediction, Spatial clustering, Spatial outlier, Spatial association rules
-
分类号
TP311.13
[自动化与计算机技术—计算机软件与理论]
-
