检索结果-内蒙古大学图书馆

不确定性数据在智能信息处理系统、大数据系统和生物信息分析系统中普遍存在，是导致系统智能性不高甚至出现系统决策失误现象的重要因素之一。数据的分析与处理日益面临量大、高维、不确定性大数据的挑战。如何度量大数据的不确定性，降低大数据的维数，在面向大数据机器学习的研究中显得尤其重要。因此，大数据的不确定性度量与降维（特征选择）理论与技术一直是机器学习领域研究的热点问题。研究内容与重要科学发现：传统的不确定性度量方法主要有信息熵、信息粒度、粗糙度等，但主要度量离散型的数据，而针对连续型数据的离散化过程不可避免导致信息的丢失问题。机器学习与大数据挖掘领域中数据的高维特点导致“组合爆炸”问题。为突破这两个问题的瓶颈，该项目开展了系统深入的研究，建立了不确定性数据降维的蚁群优化理论与方法。针对自然界广泛存在的不确定性连续型数据，引入邻域粒化模型，定义了邻域熵度量模型，证明了邻域熵的单调性原理，提出了邻域信息熵不确定性度量方法。从特征降维问题的知识表示方式出发，首次提出了两种新的知识表示：幂图和幂树，设计了两种剪枝方法，建立了基于图搜索与树搜索方式的高效特征降维方法。针对数据量大、高维的特点，为提高算法的效率，设计了可并行的蚁群优化算法用于特征降维当中，以特征核为基础，首次提出了基于粗糙集特征核与蚁群优化算法的特征降维方法。八篇代表性论文的他引与评价：在国际JCR一区期刊及国内一级学报上发表了一系列高水平学术论文。8篇代表性论文中，2篇论文发表在国际JCR一区期刊《Information Sciences》、《Knowledge-based Systems》，1篇论文刊登在国内计算机学科顶级学报《计算机学报》。8篇代表性论文已经被SCI他引112次（单篇最高57次），Baidu学术搜索他引291次（单篇最高149次），其中2篇论文曾先后入选ESI前1%高被引论文。引用者来自20余个国家/地区，包括中国，美国，英国，新西兰等国家的知名大学与著名机构，其中不乏权威学者如全球高被引科学家、国际会议主席、期刊主编等。

关键词：不确定性数据降维理论蚁群优化算法

来源：评论

学校读者我要写书评

暂无评论

k-匿名隐私保护模型中不确定性数据的查询问题

引用

计算机与数字工程 2013年第11期41卷 1779-1783,1865页

作者：刘玉静刘国华李捷元肖瑞东华大学计算机学院上海201620

查询是一种重要的数据库操作。在k-匿名隐私保护模型中,每条元组不仅包括精确数据,还包括泛化数据,因此k-匿名数据是一种不确定数据。为了讨论k-匿名数据的查询问题,首先,提出一种描述k-匿名数据的不确定性数据模型,在此基础上,定义了k... 详细信息

查询是一种重要的数据库操作。在k-匿名隐私保护模型中,每条元组不仅包括精确数据,还包括泛化数据,因此k-匿名数据是一种不确定数据。为了讨论k-匿名数据的查询问题,首先,提出一种描述k-匿名数据的不确定性数据模型,在此基础上,定义了k-匿名数据的成员(Membership)问题、可能性(Possibility)问题、确定性(Certainty)问题、包含(Containment)问题等查询问题,然后,讨论了这些问题的数据复杂度,证明了Membership问题是PTIME,q-Membership问题是NP-完全的,q′-Containment问题是Πp 2-完全的,q-Containment问题coNP-完全的,Possibility问题是PTIME,q-Possibility问题是NP-完全的,Certainty问题是coNP-完全的。这些结论为k-匿名隐私保护模型中不确定性数据查询方法的研究奠定了理论基础。

关键词：不确定性数据 k-匿名可能世界数据模型查询数据复杂度

来源：评论

学校读者我要写书评

暂无评论

关于一类具有有界不确定性数据的参数估计方法的误差分析

引用

应用数学与计算数学学报 2007年第2期21卷 87-90,96页

作者：陈玉东施颂椒翁正新上海三菱电梯有限公司开发二部 200245 上海交通大学自动化研究所上海200030

指出了一类具有有界不确定性数据的参数估计方法存在估计误差这一事实,分析了估计误差存在的原因,给出了估计误差的上界.

关键词：参数估计不确定性数据误差分析

来源：评论

学校读者我要写书评

暂无评论

基于滑动窗口的不确定性数据流频繁项集挖掘算法

引用

计算机应用与软件 2015年第12期32卷 12-15页

作者：刘慧婷周开申赵鹏安徽大学计算机科学与技术学院安徽合肥230601

为了提高频繁项集挖掘算法的准确性,在不确定性数据流频繁项集挖掘算法SRUF-mine的基础上引入最大可能误差,提出一种基于滑动窗口的false-positive挖掘算法UFIM。UFIM算法对数据流进行分块处理,在内存中维护一个存储滑动窗口内频繁项集... 详细信息

为了提高频繁项集挖掘算法的准确性,在不确定性数据流频繁项集挖掘算法SRUF-mine的基础上引入最大可能误差,提出一种基于滑动窗口的false-positive挖掘算法UFIM。UFIM算法对数据流进行分块处理,在内存中维护一个存储滑动窗口内频繁项集的概要数据结构,随着窗口的滑动对该概要结构进行增量更新。实验表明,与SRUF-mine相比,UFIM算法能获得较高的频繁项集挖掘的准确性。

关键词：不确定性数据数据流频繁项集滑动窗口

来源：评论

学校读者我要写书评

暂无评论

基于动态流式数据的不确定性数据库的构建与实现

引用

现代电子技术 2010年第17期33卷 154-156页

作者：黄莉宝鸡文理学院计算机科学系陕西宝鸡721007

针对不确定的传感器数据流,在对国外数据流管理原型系统研究的基础上,采用客户机/服务器体系结构,在Red Hat Linux 9.0平台上部分地实现了不确定数据流数据库系统(UCDS)。详细描述了不确定数据流数据库系统的基本定义、系统的体系结构等... 详细信息

针对不确定的传感器数据流,在对国外数据流管理原型系统研究的基础上,采用客户机/服务器体系结构,在Red Hat Linux 9.0平台上部分地实现了不确定数据流数据库系统(UCDS)。详细描述了不确定数据流数据库系统的基本定义、系统的体系结构等,为不确定性数据库的研究做出了有益的探索。

关键词：不确定性数据不确定性数据库体系结构数据结构

来源：评论

学校读者我要写书评

暂无评论

一种挖掘不确定性数据频繁项集的方法

引用

广西师范学院学报（自然科学版） 2011年第1期28卷 100-104页

作者：郭乙江钟智元昌安罗锦光广西师范学院计算机与信息工程学院广西南宁530023

该文探讨挖掘不确定性数据频繁项集,在Carson Kai-Sang Leung等人提出的一种基于树的UFP-growth算法的基础上进行改进,提出新算法——UFP-growthT。实验表明,该算法可以有效地挖掘不确定性数据的频繁项集,且拥有高效性和伸缩性。改进后... 详细信息

该文探讨挖掘不确定性数据频繁项集,在Carson Kai-Sang Leung等人提出的一种基于树的UFP-growth算法的基础上进行改进,提出新算法——UFP-growthT。实验表明,该算法可以有效地挖掘不确定性数据的频繁项集,且拥有高效性和伸缩性。改进后的算法在一定程度上减小了UFP-tree的大小,加快了挖掘过程。

关键词：不确定性数据 U-Apriori 频繁模式 UFP-Tree

来源：评论

学校读者我要写书评

暂无评论

基于聚集约束的不确定性数据Top-k查询

引用

电脑知识与技术（过刊） 2016年第7X期22卷 14-16,20页

作者：占仟豪刘斌湖南省长沙市长郡中学湖南长沙410073

在对不确定性数据进行Top-k查询时,一般会附加一些我们已经知道的聚集约束条件,该文主要阐述了在该条件下的不确定性数据的Top-k查询问题。针对可能世界实例空间指数型增长的特点,该文借鉴了文献中对可能世界实例采样的优化思想,通过定... 详细信息

在对不确定性数据进行Top-k查询时,一般会附加一些我们已经知道的聚集约束条件,该文主要阐述了在该条件下的不确定性数据的Top-k查询问题。针对可能世界实例空间指数型增长的特点,该文借鉴了文献中对可能世界实例采样的优化思想,通过定义U-Topk和U-kRanks两种查询类型,提出了具体的查询新算法。实验结果表明,这种新的算法的查询效率很高,而且可以处理大量的具有不明确性的数据集。

关键词：不确定性数据 Top-k查询聚集约束数据查询

来源：评论

学校读者我要写书评

暂无评论

一种不确定性数据聚类模型

一种不确定性数据聚类模型

引用

基于互联网的商业管理学术会议

作者：杨增芳唐合文玉溪师范学院信息技术工程学院

本文提出了用确定的聚类算法来聚类不确定性数据的方法模型,首先用蒙特卡洛方法模拟数据不确定性,生成M个可能世界,然后,采用DBSCAN算法对每个可能世界建立各自的局部聚类模型,最后,把M个局部聚类模型合并成为最终的一个全局聚类模型。... 详细信息

本文提出了用确定的聚类算法来聚类不确定性数据的方法模型,首先用蒙特卡洛方法模拟数据不确定性,生成M个可能世界,然后,采用DBSCAN算法对每个可能世界建立各自的局部聚类模型,最后,把M个局部聚类模型合并成为最终的一个全局聚类模型。同时,本文提出了以并行的方式来创建局部聚类模型的可能性,通过这种并行性,希望能获得较好的时间性能和聚类质量。

关键词：蒙特卡罗方法 DBSCAN算法不确定性数据可能世界

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：