【摘 要】
:
大数据时代,面向海量数据的数据挖掘正受到各行各业的广泛关注和应用。数据不但在量上呈现爆炸性增长,而且在内容和形式上也日益复杂化。由于主观或客观因素,数据丢失是不可
论文部分内容阅读
大数据时代,面向海量数据的数据挖掘正受到各行各业的广泛关注和应用。数据不但在量上呈现爆炸性增长,而且在内容和形式上也日益复杂化。由于主观或客观因素,数据丢失是不可避免的。由数据的丢失而导致数据的不完备给现有的挖掘算法提出了挑战。为提升C4.5算法对不完备数据的处理能力,针对C4.5算法在特征选择时会忽略缺失值提出用最高频属性值替换的C4.5算法(C4.5-RHFAV),解决了不完备数据包含信息丢失的问题,实验结果表明改进的C4.5-RHFAV很好的达到预定目标,获得了比传统C4.5算法更高的分类准确率。针对C4.5算法在特征选择时会忽略缺失值和C4.5-RHFAV在替换缺失值时样本利用率低的问题,提出用最优加权属性值替换的C4.5算法(C4.5-RWAV),解决了不完备数据样本包含信息丢失的问题和能处理C4.5-RHFAV不适用的数据集,实验结果表明C4.5-RWAV很好的达到预定目标,获得了比传统C4.5算法更高的分类准确率并在某些数据集下获得比C4.5-RHFAV还好的分类准确率。通过比较数据清洗方法和算法扩充方法的结果,说明即便在使用相同的清洗规则下,算法扩充方法在算法的分类准确率上具有优势。本文通过实验结果说明在C4.5算法进行特征选择时尽量在该数据子集上对不完备数据进行处理是合理的,可以得到较高的分类准确率,但该方法也会得到比数据清洗高的时间复杂度。
其他文献
随着信息技术的快速发展,虚拟现实技术在人们生活中的影响越来越大。基于虚拟现实的手术训练仿真系统为手术训练和训练效果评估提供了强有力的工具。保证虚拟手术仿真结果真
随着娱乐业、旅游业等第三产业的快速发展,不法分子不再局限于伪造、倒卖车票、船票、邮票等传统的有价票证来牟利,而是越来越多转向伪造、倒卖假门票、假贵宾券、假充值卡等
单质硫固有的电子/离子绝缘性,循环过程中巨大的体积膨胀,以及由可溶性多硫化锂中间体(Li_2S_n,4≤n≤8)引起的“穿梭效应”等问题阻碍了锂硫电池的商业化发展。聚吡咯材料具有较高的电子/离子导电性、良好的化学稳定性等优点,并且能有效抑制多硫化物在放电/充电过程的扩散,因此,在锂硫电池领域中有较大发展潜力。为改善硫-聚吡咯复合正极的电化学性能,本文使用硬模板法制备三维介孔聚吡咯材料,另使用双模板
推荐系统作为一种信息过滤技术,能快速的定位到用户感兴趣的物品,解决信息过载和用户喜好之间的矛盾。随着信息量的增加,传统的实体行业也开始将推荐系统纳入自己的特有领域
作为人们赖以生存的基础产业,农业在许多方面影响着人们的基本生活。农业生产既面临自然灾害,而且也受到外来市场的冲击,这就使得农业保险在保障方面有重大意义。近几年来,受
随着移动通信技术的飞速发展,用户的需求越来越多样化,通信的调制方式也日益多样和复杂,为了正确的解调不同通信系统的通信信号,就需要识别出接收信号的调制方式及其信号参数
冬季积雪结冰现象依然困扰我国陆路交通的安全,针对这一问题的解决方案之一即是融雪剂沥青混合料,而我国交通运输行业历经数十年发展,目前已迈入建养并重的新时代,大面积铺设功能性路面的应用可能性逐渐降低,磨耗层作为一种常规养护方式具有较广泛的应用前景,故本文针对含缓释蓄盐材料的沥青磨耗层进行系统性研究。本研究依托西安市公路工程管理处科研项目,系统性对蓄盐磨耗层进行相关研究。本文首先在研究沥青与盐化物填料之
随着网络技术不断地发展,网络带宽的成本愈发下降而且网络接入设备种类与方式的不断增加,使得以配备多个网络接口为特征的多宿主终端越来越普及。但是,多宿主终端的特征也带
随着互联网的快速发展,社交网络也深入到每个人的生活中,近年来,社会网络越来越受到关注,出现了很多如QQ、微博、Facebook等拥有大量用户的社交网站。无论是改善现有的系统和
随着Internet的不断发展与进步,人们在享受现代化信息技术带来便捷的同时,同样面临着信息安全方面的隐患。一些不法分子通过不当途径非法获取大量数字产品后进行篡改并传播为