属性加权相关论文
电力变压器故障能否精准定位一直是制约其状态检修有效开展的技术瓶颈。文中针对目前已有故障定位模型存在的不足，借助变压器故障类......
朴素贝叶斯算法是一种以贝叶斯原理为基础,基于概率知识、有着坚实数学基础的分类算法。其具有易构造、易理解、高效性等优点,一直......
分类作为数据挖掘中的重要任务之一,被广泛应用于医疗诊断、文本分类、模式识别以及位置推荐等领域。许多机器学习算法都可以实现......
随着人类社会的不断发展,陆地上的不可再生资源逐渐匮乏,人类对海洋资源的开发已势在必行。无人无缆水下机器人（AUV）作为一种高效率......
朴素贝叶斯分类器(Naive Bayes,NB)是一种简单而有效的分类器,特别适用于中小规模数据分类.但作为以整体分类正确率为指导的传统分......
随着科学技术的迅速发展,各专业领域的文本数据呈爆炸式增长趋势,如何从非结构化文本数据中挖掘出有用的信息成为一个挑战。文本分......
聚类分析是机器学习中很重要的一个研究领域。聚类分析所涉及的领域包括：数据挖掘、统计学、机器学习、空间数据库技术、生物学等。......
目前大量有用信息以文本形式存在,因此如何快速对大规模的文本分类成为亟待解决的问题。为应对这一问题,文本自动分类应用而生。文......
图聚类作为从海量数据中发现有用知识的技术引起了人们的广泛关注。目前的聚类方法多是在基于图拓扑结构或基于图节点属性方面进行......
K-近邻算法作为一种理论上比较成熟且简单有效的分类算法,已经得到了广泛的研究和应用。但是K-近邻算法易受噪声影响且不能处理多......
贝叶斯分类属于数据挖掘领域重要的分类方法之一，朴素贝叶斯分类是一种简单的贝叶斯分类方法，与其它分类方法相比，它的优点是简单、高......
分类作为数据挖掘领域中的核心研究内容,在现实生活中有着非常广泛的应用,例如根据病人的临床病症属性判断病人患了什么病。常见的......
现如今,随着海量数据的指数级增长,数据挖掘作为处理海量数据的技术,有着广泛的应用前景。在海量数据挖掘中,属性约简方法的研究是......
聚类是数据挖掘的重要技术之一，用于发现数据中未知的分类。K-means算法是基于划分的聚类算法中的一个典型算法，K-means算法有操作简......
在机器学习中的聚类技术被人们看作是非常有研究价值的内容,在金融中的诈骗、医疗中的诊断、图像中的研究、信息中的搜索以及生物......
针对 K-调和均值算法中距离度量将所有属性视为相等重要而存在的不足，提出一种利用自动属性加权的改进聚类算法。在算法的目标函数......
研究了模糊知识的表示方法,提出了一种表示模糊知识的模糊数据模型,利用属性加权模糊值来表示模糊性数据.通过定义在元组上的隶属......
朴素贝叶斯分类是一种简单而高效的方法,但是它的属性独立性假设,影响了它的分类性能。针对这种问题,本文提出一种基于属性加权的......
