分类型数据相关论文
为提高k-modes算法的精度并解决初始簇中心选择问题,提出一种基于簇内簇间相异度的k-modes算法(IKMCA)。基于簇内簇间相似性对相异......
随着计算机技术和数据库技术的快速发展,在各个领域里都产生了大量的数据,海量的数据背后隐藏着许多重要信息,人们希望能够分析数......
近几年来，各种现代启发式优化算法，如模拟退火算法、遗传算法、粒子群算法等，被应用到一些实际工程项目和科学研究的优化问题中并取得......
随着多尺度数据挖掘领域研究的深入,多尺度分析在遥感图像识别、疾病检测、故障诊断以及聚类分析等领域的应用越来越成熟。然而已......
k-modes算法作为k-means算法的一种改进版本,可以处理分类型数据.然而,由于源自k-means算法,k-modes算法存在容易陷入局部最优解的......
同时包含数值型和分类型数据的混合型数据集在实际应用中普遍存在.经典的k-prototypes算法通过人为设置参数γ来调节分类型数据和......
作为数据挖掘中重要的技术一聚类分析,它按照相似原则将数据进行分类.在无监督学习下,聚类的最终结果是将海量的数据有效地划分为......
k-prototypes和模糊k-prototypes是处理数值属性和分类属性混合数据主要的聚类算法。但这两种聚类算法不足之处是对初值有明显的依......
k-prototypes是处理包含数值属性和分类属性混合数据主要的聚类算法，但由于对初始点的随机选择极易使聚类结果陷入局部最优，导致聚类......
聚类是数据挖掘中重要的技术之一,它是按照相似原则将数据进行分类。然而分类型数据的聚类是学习算法中重要而又棘手的问题。传统......
在批量生产过程中配方的切换会对系统造成阶跃干扰、对固定参数的控制器和软测量仪表带来一定影响,文章针对此问题用配方聚类的方......
针对现有的不平衡数据处理方法存在不能有效处理分类型数据、盲目采样及抗噪声能力差等问题,提出一种基于k-modes聚类的不平衡数据......
随着信息技术的迅猛发展,数据的规模与日俱增、类型日益复杂,如何对现实中海量数据进行有效的处理、分析和应用成为迫在眉睫的课题......
回 回 产卜爹仇贱回——回 日E回。”。回祖 一回“。回干 肉果幻中 N_。NH lP7-ewwe--一”＄ MN。W;- __._——————》 砧叫]们......
为了提高分类型数据集聚类的准确性和对广泛数据集聚类的适应性,引入3种核函数,再利用基于山方法的核K-means作分类型的数据聚类,......
近年来不平衡分类问题受到广泛关注。SMOTE过采样通过添加生成的少数类样本改变不平衡数据集的数据分布,是改善不平衡数据分类模型......
聚类分析作为一种无监督学习方法,是数据粒化以及信息压缩的一个基本工具,同时也是机器学习研究和数据挖掘应用中的一个重要内容。......
研究RBF神经网络在个人信用评级中的应用.针对传统的RBF神经网络无法处理非数值型数据和对初始中心的选取及异常值十分敏感等问题,......
传统的K-Modes算法采用0-1简单匹配方法计算对象与类中心（Modes）之间的距离,并将每个对象分配到离它最近的类中去。采用基于频率方法......
信用评级一直是银行信用风险管理的一项重要内容,本文主要研究了RBF神经网络技术在商业银行个人贷款信用评级模型中的应用。在信用......
鉴于传统的K-means聚类算法只限于处理数值型数据,将K-means算法扩展到分类型数据域,提出一种分类型数据聚类方法.根据与每个分类......
教学评价是大学教学活动中不可缺少的环节,可能出现故意抬高或压低评分及虚假评分的现象,应该找出这些离群数据并加以清除,以提高......
