-
题名基于粗集理论和神经网络的集成化数据挖掘方法研究
被引量：9
- 1
-
-
作者
陆光辉
肖人彬
-
机构
华中科技大学CAD中心
-
出处
《小型微型计算机系统》
CSCD
北大核心
2002年第5期552-557,共6页
-
基金
国家自然科学基金资助项目 (70 15 0 0 0 1)
华中科技大学研究生研究基金资助项目
-
文摘
为了从大型数据库中获取有用的知识 ,本文提出了一种基于粗集理论和神经网络的集成化数据挖掘方法 .论文以所提出的研究框架为基础 ,首先给出了一种改进的粗集属性约简的算法和消除冗余属性的方法 ,进而采用面向对象的概念泛化进一步对数据库进行属性约简 ,最后用相似权值法得到产生式规则 ,并将所得规则用决策树来表示 .通过一个完整的应用实例演示了本文方法 。
-
关键词
粗集理论
神经网络
集成化数据挖掘
数据库
-
Keywords
rough set
concept generalization
neural network
data mining
-
分类号
TP311.13
[自动化与计算机技术—计算机软件与理论]
-
-
题名复杂传感网络边聚类数据集成化挖掘方法研究
- 2
-
-
作者
耿德志
李俊丽
-
机构
晋中学院信息技术与工程系
-
出处
《传感技术学报》
2025年第11期2100-2106,共7页
-
基金
山西省基础研究计划青年科技研究基金项目(20210302123356)。
-
文摘
现有复杂传感网络边聚类数据挖掘方法未考虑数据异构性,容易造成边缘信息干扰,导致挖掘精度较低。提出一种基于KMeans的复杂传感网络边聚类数据集成化挖掘方法。首先,通过图论知识确定数据边聚类的权值,以减少因复杂传感网络数据异构性所造成的不相关边缘信息对数据挖掘参数的干扰。然后,以上一操作为基础,获取复杂传感网络数据挖掘参数,为复杂传感网络边聚类数据集成化挖掘提供可靠的输入。最后,计算边向量的相似度,确定区域半径,获取聚类中心,通过改进KMeans聚类算法实现集成化挖掘。结果表明,所提方法挖掘复杂网络数据的最小化簇内距离较为准确,将该方法应用于复杂网络中,挖掘精度高于98%。
-
关键词
复杂传感网络
边聚类数据
数据集成化挖掘
权值
相似度
KMeans聚类
-
Keywords
complex sensor network
edge clustering data
data integration mining
weight
similarity degree
KMeans clustering
-
分类号
TP393
[自动化与计算机技术]
-
