检索结果-内蒙古大学图书馆

计算机工程与科学 2019年第7期41卷 1303-1311页

作者：吴翠先何少元重庆邮电大学通信与信息工程学院重庆400065 重庆邮电大学通信新技术应用研究中心重庆400065 重庆信科设计有限公司重庆401121

在不确定性数据聚类算法的研究中,普遍需要假设不确定性数据服从某种分布,继而获得表示不确定性数据的概率密度函数或概率分布函数,然而这种假设很难保证与实际应用系统中的不确定性数据分布一致。现有的基于密度的算法对初始参数敏感,... 详细信息

在不确定性数据聚类算法的研究中,普遍需要假设不确定性数据服从某种分布,继而获得表示不确定性数据的概率密度函数或概率分布函数,然而这种假设很难保证与实际应用系统中的不确定性数据分布一致。现有的基于密度的算法对初始参数敏感,在对密度不均匀的不确定性数据聚类时,无法发现任意密度的类簇。鉴于这些不足,提出基于区间数的不确定性数据对象排序识别聚类结构算法(UD-OPTICS)。该算法利用区间数理论,结合不确定性数据的相关统计信息来更加合理地表示不确定性数据,提出了低计算复杂度的区间核心距离与区间可达距离的概念与计算方法,将其用于度量不确定性数据间的相似度,拓展类簇与对象排序识别聚类结构。该算法可很好地发现任意密度的类簇。实验结果表明,UD-OPTICS算法具有较高的聚类精度和较低的复杂度。

关键词：不确定性数据区间数密度聚类算法 OPTICS

来源：评论

学校读者我要写书评

暂无评论

无线传感器监测网络环境不确定性数据处理研究

无线传感器监测网络环境不确定性数据处理研究

引用

作者：许华杰华中科技大学

学位级别：博士

集成了传感器技术、微机电系统技术、无线通信技术和分布式信息处理技术的无线传感器网络是一种全新的计算模式,是继因特网之后将对21世纪人类生活方式产生重大影响的IT热点技术。因特网改变了人与人之间交流、沟通的方式,而无线传感器... 详细信息

集成了传感器技术、微机电系统技术、无线通信技术和分布式信息处理技术的无线传感器网络是一种全新的计算模式,是继因特网之后将对21世纪人类生活方式产生重大影响的IT热点技术。因特网改变了人与人之间交流、沟通的方式,而无线传感器网络将逻辑上的信息世界与物理世界融合在一起,将改变人与自然交互的方式。无线传感器网络是高度应用相关的,无线传感器网络的应用大多具有监测性质,因此对无线传感器监测网络的研究具有重要意义。在无线传感器监测网络应用中,测量误差、网络传输错误等因素的客观存在,数据采集和传输受到资源的限制而只能以离散的方式进行与外界物理量(如温度和压力值)的连续变化之间的矛盾不可避免,因此通过无线传感器监测网络获得的数据本质上是不确定性数据。不确定性数据对数据库领域传统的数据处理方法提出了新的挑战。无线传感器监测网络节点的主要特点是电能、带宽、计算和存储能力等高度受限,尤其是其电源的不可替换性导致在保证对监测目标完全监测的同时延长系统工作寿命成为无线传感器监测网络应用的一个中心问题。针对该问题,提出无线传感器监测网络的扩展工作寿命的定义,并在此基础上提出一种延长无线传感器监测网络工作寿命的分布式节点调度策略,在各节点簇内对节点进行调度以实现有差别监测服务并延长系统的工作寿命。不确定性数据查询与更新是不确定性数据处理技术的基础。概率性查询基于不确定性数据的概率不确定性数据模型,根据数据的不确定性区间及其概率分布(不确定性概率分布函数)为查询结果提供置信度信息。在深入分析各类不确定性数据的概率性查询及其计算方法的基础上,对概率性最近邻居查询ENNQ的计算方法进行改进。基于信息熵的概念,提出概率性范围查询ERQ查询质量度量方法,并在此基础上提出一种基于信息熵的不确定性数据更新策略,目的是以较小的能耗代价实现查询质量的提高。在无线传感器监测网络环境下,可能存在大量用户需要访问传感数据,因此数据的有效分发是不确定性数据处理的另一个核心问题。在移动计算环境中,数据广播是一种有效的数据访问方式。在深入分析不确定性数据特点的基础上提出数据平均不确定率的概念,并创造性地将Push-based在线广播方法应用于不确定性数据的分发,提出一种不确定性数据在线广播调度策略,在进行数据广播调度时综合考虑数据的访问率和不确定性,并考虑网络传输错误和多信道对数据广播的影响。无线传感器监测网络应用中往往伴随着海量的数据,研究从这些海量数据中挖掘出有用的知识意义重大。无线传感器监测网络环境中数据的不确定性会对数据挖掘结果的正确性产生显著影响,对传统数据挖掘方法提出了严峻的挑战。在对当前不确定性数据聚类的主要研究成果的深入分析并结合不确定性数据的特点的基础上提出基于密度的不确定性数据概率聚类算法,根据数据不确定性区间的概率分布信息提高算法的准确性并通过R树索引和概率阈值索引PTI提高算法的效率。

关键词：无线传感器网络无线传感器监测网络不确定性数据节点调度信息熵数据广播数据挖掘聚类

来源：评论

学校读者我要写书评

暂无评论

面向多源不确定性数据的往复压缩机决策级融合诊断方法

引用

中国安全生产科学技术 2024年第9期20卷 112-119页

作者：张宇婷段礼祥李兴涛张馨月中国石油大学(北京)安全与海洋工程学院北京102249 应急管理部油气生产安全与应急技术重点实验室北京102249 中国石油国际勘探开发有限公司北京102249

为解决不确定性高的数据源使多源信息融合诊断模型精度降低的问题,提出1种面向不确定性数据的往复压缩机决策融合诊断方法。构建基于GRU-AlexNet网络的初步诊断模型,得到往复压缩机各传感器信号的初始诊断结果,并引入余弦相似度与置信... 详细信息

为解决不确定性高的数据源使多源信息融合诊断模型精度降低的问题,提出1种面向不确定性数据的往复压缩机决策融合诊断方法。构建基于GRU-AlexNet网络的初步诊断模型,得到往复压缩机各传感器信号的初始诊断结果,并引入余弦相似度与置信熵的概念构建联合指标改进传统DS证据理论,结合初步诊断结果进行多源信号决策融合诊断。研究结果表明:在对往复压缩机故障的加速度、位移、压力信号(不确定性数据)融合诊断试验中,融合诊断准确率高达99.98%,相较于单一信号源诊断结果分别提高约9.27,5.13,48.30个百分点。该方法可在较大程度上降低不确定性信息对于融合诊断结果的影响,具有良好的容错性与稳定性,可有效提高往复压缩机使用过程中各类故障识别的准确性,进而提高设备的稳定性,保证其良好工作状态。研究结果对保障相关企业安全生产、提高设备产出能力具有重要参考意义。

关键词：往复压缩机智能诊断不确定性数据多源信息融合 DS证据理论

来源：评论

学校读者我要写书评

暂无评论

基于三角模糊数的不确定性数据聚类算法

引用

浙江工业大学学报 2016年第4期44卷 405-409页

作者：陆亿红翁纯佳浙江工业大学计算机科学与技术学院浙江杭州310023

随着对实验精确度要求的不断提高,聚类分析中的不确定性数据聚类也越来越受到关注.然而经典的不确定数据聚类通常假设其概率密度函数(PDF)等信息是已知的,而现实过程中,这些指标并没有那么轻易就能获取.考虑到这些情况,可以利用三角模... 详细信息

随着对实验精确度要求的不断提高,聚类分析中的不确定性数据聚类也越来越受到关注.然而经典的不确定数据聚类通常假设其概率密度函数(PDF)等信息是已知的,而现实过程中,这些指标并没有那么轻易就能获取.考虑到这些情况,可以利用三角模糊数来恰当有效地表示多维不确定性数据,并采用基于三角模糊数的低计算复杂度的距离计算方法,结合K-means基础聚类方法形成一种被命名为UTDK-means(Uncertain triangular fuzzy number data K-means)的聚类方法,而它是基于三角模糊数的.实验结果表明:基于三角模糊数的不确定数据聚类是可行的,具有一定的研究价值.

关键词：不确定性数据三角模糊数聚类算法

来源：评论

学校读者我要写书评

暂无评论

基于联系数的位置不确定性数据UCNK-Means聚类算法

引用

计算机科学 2016年第S2期43卷 436-442页

作者：王骏黄德才浙江工业大学计算机科学与技术学院杭州310023

位置不确定性数据的聚类是一个新的不确定性数据聚类问题。其聚类方法主要包括获取对象的概率密度函数,通过积分计算对象间的期望距离来进行聚类分析和以区间数表示对象,通过区间数的系列运算来进行聚类分析这两大类。前者存在概率密度... 详细信息

位置不确定性数据的聚类是一个新的不确定性数据聚类问题。其聚类方法主要包括获取对象的概率密度函数,通过积分计算对象间的期望距离来进行聚类分析和以区间数表示对象,通过区间数的系列运算来进行聚类分析这两大类。前者存在概率密度函数获取困难、计算复杂、实用性不强的缺陷;后者在区间数转化为实数过程中,忽略了区间数变化范围对聚类效果的影响,其聚类质量不佳。鉴于此,提出一种基于联系数的不确定对象聚类新算法UCNK-Means。该算法用联系数巧妙地表示不确定性对象,并专门定义了对象间的联系距离,运用联系数态势值比较联系距离大小,克服了现有算法的不足。仿真实验表明,UCNK-Means具有聚类精度高、计算复杂度低、实用性强的特点。

关键词：不确定性数据联系数聚类数据挖掘

来源：评论

学校读者我要写书评

暂无评论

基于区间数的多维不确定性数据UID-DBSCAN聚类算法

引用

计算机科学 2017年第B11期44卷 442-447页

作者：魏方圆黄德才浙江工业大学计算机科学与技术学院杭州310023

不确定性数据聚类方法的研究日益受到广泛关注,其中UIDK-means算法与U-PAM算法继承了基于划分算法无法识别任意形状簇和对噪声点敏感的缺陷。FDBSCAN算法事先假定不确定性数据的概率分布函数或概率密度函数是已知的,然而这些信息在实际... 详细信息

不确定性数据聚类方法的研究日益受到广泛关注,其中UIDK-means算法与U-PAM算法继承了基于划分算法无法识别任意形状簇和对噪声点敏感的缺陷。FDBSCAN算法事先假定不确定性数据的概率分布函数或概率密度函数是已知的,然而这些信息在实际应用中往往难以获取。针对上述算法的不足,提出一种基于区间数的多维不确定性数据聚类UID-DBSCAN算法。该算法利用区间数结合数据的统计信息合理地表示不确定性数据,采用低计算复杂度的区间数距离函数衡量不确定性数据对象间的相似度,首次提出区间数的密度、密度可达与密度相连等概念,并将其用于扩展簇中,同时结合数据集的统计特征自适应地选取算法的密度参数来实现自动聚类。实验结果表明,UID-DBSCAN算法能够有效识别噪声,处理任意形状簇,具有较高的聚类精度和较低的计算复杂度。

关键词：不确定性数据区间数聚类算法 DBSCAN

来源：评论

学校读者我要写书评

暂无评论

基于不确定性数据的频繁闭项集挖掘算法

引用

计算机工程 2014年第3期40卷 51-54页

作者：章淑云张守志复旦大学计算机科学技术学院上海200433

对于不确定性数据,传统判断项集是否频繁的方法并不能准确表达项集的频繁性,同样对于大型数据,频繁项集显得庞大和冗余。针对上述不足,在水平挖掘算法Apriori的基础上,提出一种基于不确定性数据的频繁闭项集挖掘算法UFCIM。利用置信度... 详细信息

对于不确定性数据,传统判断项集是否频繁的方法并不能准确表达项集的频繁性,同样对于大型数据,频繁项集显得庞大和冗余。针对上述不足,在水平挖掘算法Apriori的基础上,提出一种基于不确定性数据的频繁闭项集挖掘算法UFCIM。利用置信度概率表达项集频繁的准确性,置信度越高,项集为频繁的准确性也越高,且由于频繁闭项集是频繁项集的一种无损压缩表示,因此利用压缩形式的频繁闭项集替代庞大的频繁项集。实验结果表明,该算法能够快速地挖掘出不确定性数据中的频繁闭项集,在减少项集冗余的同时保证项集的准确性和完整性。

关键词：不确定性数据频繁闭项集数据挖掘水平挖掘置信度概率

来源：评论

学校读者我要写书评

暂无评论

在不确定性数据中挖掘频繁项集的快速算法研究

在不确定性数据中挖掘频繁项集的快速算法研究

引用

作者：文竹西安理工大学

学位级别：硕士

近年来,由于不确定性数据的广泛应用,在不确定性数据中挖掘频繁项集的问题受到人们的极大关注。现有的不确定性数据中频繁项集的挖掘算法,大多是由确定性数据中频繁项集的挖掘算法改进而来。TubeS-growth算法是目前执行不确定性数据中... 详细信息

近年来,由于不确定性数据的广泛应用,在不确定性数据中挖掘频繁项集的问题受到人们的极大关注。现有的不确定性数据中频繁项集的挖掘算法,大多是由确定性数据中频繁项集的挖掘算法改进而来。TubeS-growth算法是目前执行不确定性数据中挖掘频繁项集任务中较为常用的算法,该算法在压缩数据方面性能较好,但是对海量不确定性数据进行挖掘时,则存在以下弊端:①当项目的存在概率分散在不精确的(较宽泛的)范围之内时,该算法会生成数量过多的假性频繁项集;②当挖掘稀疏型数据集(项目总数较多而事务平均长度较短),或者稠密型数据集(项目总数较多而事务平均长度较长)时,该算法的运行时间过长》为了解决上述两个问题,本文采用“分而治之”的思想,对tubeS-growth算法改进后建立了 PtubeS-growth算法。改进后的算法利用数据库划分技术,当主内存不适配或数据量过大时,首先将不确定性数据库划分成若干个子数据库,通过分别对各子数据库构建树结构,然后挖掘各结构上的局部潜在频繁项集,再将它们合并成整体潜在频繁项集,最后,通过遍历数据库核查,从而排除假性频繁项集,保证挖掘结果的准确性。为了保证改进后算法的合理性,本文通过提出且证明相关定理,从而解决了算法设计过程中所存在的问题:①如何解决数据库划分后,最小支持度的设定合理性问题;②如何将各划分部分中分别挖掘到的局部潜在频繁项集合并成整体潜在频繁项集。为了确保改进后算法的高效性,本文通过采取剪枝、减少计算量等优化方法,从而解决数据库划分后分别挖掘、局部潜在频繁项集合并所造成的运行时间长等问题。通过实证研究表明,在同等的运行环境下,本文所构建的PtubeS-growth算法都更加高效,并且解决了tubeS-growth算法在同类型数据集挖掘过程中所存在的运行时间较长、假性频繁项集较多的问题。

关键词：不确定性数据 tubeS-growth 频繁项集树结构期望支持度

来源：评论

学校读者我要写书评

暂无评论

基于贝叶斯网的不确定性数据世系表示与查询处理

基于贝叶斯网的不确定性数据世系表示与查询处理

引用

作者：朱运磊云南大学

学位级别：硕士

在信息化迅速膨胀的海量数据时代,数据的存储、管理以及分析处理等方面面临诸多挑战与机遇。其中在数据中存在着大量不确定性因素,这些不确定性带来了一定的概率存在,使海量数据在存储、管理和分析处理中带来了更多的挑战。采用基于数... 详细信息

在信息化迅速膨胀的海量数据时代,数据的存储、管理以及分析处理等方面面临诸多挑战与机遇。其中在数据中存在着大量不确定性因素,这些不确定性带来了一定的概率存在,使海量数据在存储、管理和分析处理中带来了更多的挑战。采用基于数据世系的方法可以降低这类问题的复杂性。数据世系是基于数据的产生和发展来追踪不确定性的来源,广泛地应用于不确定性数据的查询优化、集成及质量保证等方面。基于世系表达式进行数据查询结果概率的计算以及回答概率推理查询,是数据世系面临的两大挑战。面对数据世系中的挑战,基于贝叶斯网的方法是现阶段中一种较好的可行方案。贝叶斯网(BN,Bayesian Network)是人工智能领域中不确定性知识表示和推理的经典工具,广泛应用于数据挖掘、医疗、军事、模式识别以及社区发现等方面。面对不确定性数据中存在管理和分析处理的挑战,本文通过以贝叶斯网作为理论基础,以数据世系的方式来表示不确定性数据并进行分析处理。因此,本文的主要工作包括：不确定性数据世系表示及其查询分析处理。归结本文主要贡献包括如下： ·首先形式化地表示数据世系的时序过程。为更为清晰地进行论述,本文基于带概率的概率数据库进行连接查询来描述数据世系的过程。目前广泛使用的基于布尔表达式表示数据世系,本文通过扩展并进行转化为带有时序特征的世系表达式。 ·将世系表达式转化并构建得到以BN为典型代表的概率图模型。将带时序特征的世系表达式构建得到各时间片内世系表达式对应的有向无环图,然后相邻时间片间的时序关系,最后得到表示世系表达式的时序多层世系图模型。 ·基于概率图模型进行查询处理。基于时序多层世系图模型在概率推理方面的特点,并对概率推理方法进行扩展,可进行数据世系的查询处理。本文最后构建原型系统并演示不确定性数据世系的表示与查询处理过程等。

关键词：不确定性数据数据世系概率图模型多层贝叶斯网查询处理

来源：评论

学校读者我要写书评

暂无评论

基于组合分类器的数值型不确定性数据分类方法研究

基于组合分类器的数值型不确定性数据分类方法研究

引用

作者：严日强中山大学

学位级别：硕士

传统的分类算法主要是针对处理确定性数据分类的情况，确定性数据是指训练数据集和测试数据集中的每一个数据样本的每一属性值都是唯一确定的。处理确定数据分类问题的方法很多，如C4.5决策树、SVM支持向量机和贝叶斯分类等。但现实情... 详细信息

传统的分类算法主要是针对处理确定性数据分类的情况，确定性数据是指训练数据集和测试数据集中的每一个数据样本的每一属性值都是唯一确定的。处理确定数据分类问题的方法很多，如C4.5决策树、SVM支持向量机和贝叶斯分类等。但现实情况中所采集到的数据往往是不确定的，不确定性数据具体表现为数据样本每一维度的值都是在一定范围内服从某种分布的数据的集合。传统的分类算法在处理这一类的不确定数据的分类问题时会由于自身固有的局限性，直接导致分类精度的下降。\n 因为不确定数据每一属性值都不是一个唯一确定的值，而是一个以[A，B]的形式表示符合一定分布的取值区间，因此每一个不确定性数据样本，在高维空间不再是单个确定的点，而是高维空间上的一团点。针对处理这样的不确定性数据分类问题，本文提出了四种算法：分别是基于期望值的AVG算法、基于采样的USM算法、基于采样的组合分类器EUS算法和基于权重采样的EWS算法。AVG算法和USM算法分别通过期望点和采样点把原不确定性数据分类转化为传统确定数据分类问题；EUS算法是通过采样的方法，引入组合分类器的思想，对不确定数据对象按其密度分布函数进行采样，通过采集不同的训练集来构造不同的子分类器，从而组成组合分类器来解决不确定数据的分类问题。EWS算法是在基于采样的组合分类器EUS算法基础上的改进，引入Adaboost思想和置信度概念，减少对置信度高的样本采样，增加对置信度低的样本采样，更加关注那些容易被错分的不确定数据对象，构造组合分类器来解决不确定数据的分类问题。最后，本文通过对UCI14个数据集进行实验验证了EUS算法及EWS算法的良好性能。

关键词：不确定性数据数据分类组合分类器置信度

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：