检索结果-内蒙古大学图书馆

随着计算机技术的发展,数据的信息量正在以指数形式增长。要想从海量、复杂的信息中提取出有价值、有意义的数据就离不开数据挖掘和机器学习。绝大多数的数据挖掘方法只能处理离散属性的数据,而现实中需要处理的数据中包含了许多连续属性,对于连续属性的离散化研究就显得意义重大。大数据时代的到来,更加催化了连续属性离散化算法的研究。离散化算法发展至今已经有了很多优秀的算法,从不同的侧重点、不同的技术支持、不同的处理对象等可以将其划分为不同的种类。现在还没有一种离散化算法,可以在不同的领域、不同的数据集中都能得到理想的结果。为了实现对不同的数据集都能找到合适的离散化算法,本文的主要工作就是搭建离散化算法统一框架与软件平台,主要的研究成果和内容如下:首先,因为不存在通用的离散化算法,所以要实现更多的离散化算法,多实现才能够多选择。本文对每一个离散化算法按照离散化的处理流程,把算法分解为断点的求解、断点重要度的求解、最终断点集(归并和拆分),分别实现在不同的接口中。通过不同接口的选择组合,不仅可以实现原来的离散化算法,还可以组合出新的算法,通过对新组合算法的实验结果分析,当处理同一数据集时存在新组合的离散化算法优于原来的算法,验证了可行性。这也是本文的创新之处。其次,现在已经开发出了很多对连续属性离散化处理的软件,工具中集合了不同类别的离散化算法。这些软件工具只能够把具有连续属性的数据离散化,不能很好地实现数据的交互,功能单一,不利于知识发现的后续处理。本文的软件平台很好的实现了与数据库的交互,并且增加了前台excel导入的方式接收目标数据集。软件平台应用Java的框架技术,以可视化的方式展现给用户方便了用户的操作。最后,本文从以下几个方面展开工作,先介绍了数据库知识以及数据挖掘的重要性,连续属性离散化的研究背景及意义,然后介绍了离散化算法用到的数学概念、公式以及离散化算法的分类和评价标准。最后对离散化算法用到的技术框架,实现的流程及方法进行概述;通过实验数据的对比分析,验证了软件平台的可行性。通过对离散化算法统一框架和软件平台的搭建,对离散化算法的理论知识、技术支持、分类、实现原理都有了更进一步的了解,为进一步的研究打下了基础。

关键词：知识发现离散化算法连续属性软件平台

来源：评论

学校读者我要写书评

暂无评论

离散化算法的研究及应用

离散化算法的研究及应用

引用

作者：赵玉茗哈尔滨工业大学

学位级别：硕士

该文首先介绍了离散化处理的发展现状,并且详细介绍了整体离散化算法.经过对它的分析,在其基础上提出了基于数据分区的整体离散化算法.基于数据分区的连续属性整体离散化与基本的整体离散化的不同主要体现在:它首先对例子集合在各个连... 详细信息

该文首先介绍了离散化处理的发展现状,并且详细介绍了整体离散化算法.经过对它的分析,在其基础上提出了基于数据分区的整体离散化算法.基于数据分区的连续属性整体离散化与基本的整体离散化的不同主要体现在:它首先对例子集合在各个连续属性上的取值进行统一数量级别的放大处理,使不同属性轴上的取值在数值空间上可以相互比较和计算;根据经过统一处理后的数据,分析例子集合在各个属性轴上的取值的分布,选出包含最多聚类信息的属性,根据该属性上的数值分布情况,将整个例子集合粗略的划分为多个分区;然后在各个分区中分别进行聚类;将在各个分区中得到的聚类结果进行合并,形成在整个数据集上的聚类;接下来根据整体离散化的一般方法把获得的聚类投影到属性空间的各条属性轴上;最后,将各属性轴上的冗余投影区间去除,确定各属性轴上的离散化划分点.该文最后构建了一个专家系统自动知识获取模型,用土壤分类数据作为算法的实例数据,分析了基于数据分区的整体离散化算法的性能以及它在实际应用中的意义.

关键词：聚类投影土壤分类数据离散化算法聚类投影土壤分类数据

来源：评论

学校读者我要写书评

暂无评论

基于遗传算法的数量属性离散化算法

引用

陕西师范大学学报（自然科学版） 2004年第2期32卷 28-30页

作者：谢娟英刘芳陕西师范大学计算机科学学院陕西西安710062 西安电子科技大学计算机学院陕西西安710071

提出了在没有任何领域知识可供借鉴的情况下,基于聚类思想,利用遗传算法对数量型属性进行离散化的新算法———遗传C均值算法.该算法利用遗传算法具有全局寻优的特性,对训练样本根据其每一属性值进行聚类,将样本划分为不同的类,从而为... 详细信息

提出了在没有任何领域知识可供借鉴的情况下,基于聚类思想,利用遗传算法对数量型属性进行离散化的新算法———遗传C均值算法.该算法利用遗传算法具有全局寻优的特性,对训练样本根据其每一属性值进行聚类,将样本划分为不同的类,从而为每一属性找到其值的最佳分割点.然后,对不同类赋以不同的编码.该算法的优点是能得到最优的离散化结果.在VC++6.0环境下实现了该算法.仿真实验证明该方法有效解决了利用粗糙集理论进行分类规则挖掘时,数量型属性的离散化问题.

关键词：遗传算法数量属性离散化算法分类规则挖掘粗糙集理论

来源：评论

学校读者我要写书评

暂无评论

粗糙集理论的连续属性自适应离散化算法

引用

计算机仿真 2023年第5期40卷 404-407页

作者：杨素敏陈翔刘启明崔静电子信息系统复杂电磁环境效应国家重点实验室河南洛阳471003 陆军工程大学石家庄校区河北石家庄050003

针对多个连续属性离散时较少考虑属性重要性对离散质量的影响,以及离散造成的数据不相容问题,提出了粗糙集理论的自适应连续属性离散算法,算法利用粗糙集正域计算各属性的重要度,按照属性重要度有低到高的顺序对各属性依次进行离散,并... 详细信息

针对多个连续属性离散时较少考虑属性重要性对离散质量的影响,以及离散造成的数据不相容问题,提出了粗糙集理论的自适应连续属性离散算法,算法利用粗糙集正域计算各属性的重要度,按照属性重要度有低到高的顺序对各属性依次进行离散,并在保证信息系统不可分辨关系不变的情况下进行断点的选取。在减少离散点总数的情况下,算法解决了不相容问题和较多地保留了重要属性的特征点。与CAIM离散算法和布尔运算的粗糙集离散算法从离散断点数、算法相容性和算法计算复杂度等几个方面的仿真比较结果表明了所提算法的有效性。

关键词：连续属性粗糙集理论离散化算法

来源：评论

学校读者我要写书评

暂无评论

基于龙格库塔法与CAIM法的电力系统离散化算法的研究与改进

基于龙格库塔法与CAIM法的电力系统离散化算法的研究与改进

引用

作者：张少伟天津理工大学

学位级别：硕士

随着现代电力系统中智能电网的建设和电力物联网的发展,大量连续型电网监测设备的数据给传统的属性离散化方法带来了极大的挑战,因此如何提高海量连续型电网监测设备数据的离散化效率,在如此庞大的数据中寻找所需的数据,从而进行故障预... 详细信息

随着现代电力系统中智能电网的建设和电力物联网的发展,大量连续型电网监测设备的数据给传统的属性离散化方法带来了极大的挑战,因此如何提高海量连续型电网监测设备数据的离散化效率,在如此庞大的数据中寻找所需的数据,从而进行故障预测、稳定性分析等,就成为了一个亟需解决的问题。电力系统中大部分数据都是连续属性的数据,所以针对于电力系统中连续属性的数据的离散化算法就越来越重要。离散化算法的有效性直接决定了后续机器学习的精度,并且在尽量减少数据的冗余度的同时,也能够减少计算量及内存需求,从而提高算法的运行效率,适用于现代电力系统的实时大数据分析与预测。电力系统中常用龙格库塔离散化方法来进行仿真分析与电网离线安全分析,该方法拥有很高的计算精度,但由于该方法计算量太大,其计算效率已经不满足要求。而CAIM离散化算法是对数据进行预处理时常用的方法之一,该算法计算效率高,离散效果好,适用于大数据的分析。但是该算法本身存在一定的瑕疵,容易出现误差,从而给运算结果带来很大的误差。本文从对电力系统中常用的离散化算法进行改进的角度出发,首先,对常用的龙格库塔法进行了数学分析,指出了其在运算中存在的重复性计算过程,并针对这一缺点对其进行了简化,并得到简化后的运算公式。结合电力系统中常用的PID控制策略,将其与龙格库塔法进行结合,对PID形式的离散化公式进行推导,得到了其运算公式,并对该公式进行了算例分析,证明了该方法在大幅降低了算法的运行时间的基础上,同时拥有很高的精确度与数值稳定性。其次,再对数据源进行优化,利用在从UCI机器学习数据库中获得相关数据后,进而对该组数据进行预处理的思想,通过对CAIM算法进行的运算分析,指出了其在算法运行过程中忽略了对属性权重、数据差异等性质的比较,容易造成较大的运算误差这一缺点,通过对属性权重的数学定义、数据差异的量化等方式,对CAIM离散化算法进行了改进,并通过支持向量机和C4.5决策树对该方法进行实验,证明了该方法在精确度及有效性等方面比传统方法有了大幅的提高。

关键词：现代电力系统离散化算法龙格库塔法 CAIM算法

来源：评论

学校读者我要写书评

暂无评论

一种基于聚类的粗糙集连续属性的离散化算法(英文)

引用

浙江科技学院学报 2003年第3期15卷 154-157页

作者：项新建 Stolle.M 浙江科技学院信息与电气工程学系浙江杭州310012 汉诺威技术学院

粗糙集理论是一种新的处理不精确、不完全与不相容知识的数学工具。粗糙集理论只能对离散属性进行处理 ,而不能处理连续属性。文中针对这一缺陷 ,利用连续数值属性有序性的性质和统计方差理论 ,提出了一种基于聚类的连续属性离散化算法... 详细信息

粗糙集理论是一种新的处理不精确、不完全与不相容知识的数学工具。粗糙集理论只能对离散属性进行处理 ,而不能处理连续属性。文中针对这一缺陷 ,利用连续数值属性有序性的性质和统计方差理论 ,提出了一种基于聚类的连续属性离散化算法。运用典型数据将本算法与现有方法进行了比较分析 ,得到了满意的结果。

关键词：连续属性离散化离散化算法聚类粗糙集理论数值属性数据数学工具方差相容性质

来源：评论

学校读者我要写书评

暂无评论

现代电力系统中的离散化算法研究

引用

天津理工大学学报 2019年第2期35卷 14-18页

作者：周雪松张少伟马幼捷高志强天津理工大学电气电子工程学院天津300384

在现在的电力系统中,其包含数据量越大,而现代电力系统分析中又经常要求实时性与准确性,所以对高性能的离散化算法的需求也日益突出,要想从大量的电气参数中寻找到一些特征与规律,就必须首先经过离散化算法进行计算,对数据源进行处理,... 详细信息

在现在的电力系统中,其包含数据量越大,而现代电力系统分析中又经常要求实时性与准确性,所以对高性能的离散化算法的需求也日益突出,要想从大量的电气参数中寻找到一些特征与规律,就必须首先经过离散化算法进行计算,对数据源进行处理,才能更快更好地获得数据源中蕴含的一些规律.本文从电力系统分析中常用的龙格库塔法入手,首先对其进行分析,指出其缺点并进行简化.然后,针对于电力系统中常用的PID控制策略,将该方法与PID控制策略融合,给出了其表达式.最后,对该方法进行仿真与算例分析,验证了该方法的优越性.

关键词：离散化算法龙格库塔法仿真分析

来源：评论

学校读者我要写书评

暂无评论

求解SH波方程的极坐标系保辛近似解析离散化算法

求解SH波方程的极坐标系保辛近似解析离散化算法

引用

2018年中国地球科学联合学术年会

作者：解士杰杨顶辉清华大学

在全球、洲际尺度对速度结构进行反演模拟,对了解地球内部的圈层结构有着重要的意义。而反演模拟通常采用迭代方法,即通过极小化正演方法计算得到的合成地震数据和实际地震数据在某一测度下的距离,对模型进行迭代修正(Fichtner,2008)。... 详细信息

在全球、洲际尺度对速度结构进行反演模拟,对了解地球内部的圈层结构有着重要的意义。而反演模拟通常采用迭代方法,即通过极小化正演方法计算得到的合成地震数据和实际地震数据在某一测度下的距离,对模型进行迭代修正(Fichtner,2008)。所以,使用好的正演算法可以有效提高反演的速度和精确度。在大尺度模拟中,使用球坐标系较为方便。因为,如果使用平面直角坐标系,矩形网格的边界和

关键词：弹性波方程数值频散合成地震记录反演模拟波动方程离散化算法哈密顿系统双层介质正演算法极坐标系

来源：评论

学校读者我要写书评

暂无评论

基于随机采样移动有限元法的动态优化问题离散化算法

基于随机采样移动有限元法的动态优化问题离散化算法

引用

2011年中国过程系统工程年会暨PSE专业委员会20周年特别年会(PSE2011)

作者：黄森陈伟锋游江洪王可心邵之江浙江大学控制科学与工程系浙江杭州310027

联立法在求解动态优化问题时,先将控制变量与状态变量同步离散化,然后利用非线性规划求解器进行求解。当前,如何对模型进行合理有效地离散化仍然是一个开放性的问题。针对这一问题,本文提出了随机采样移动有限元法(RSMFE),运用该算法对... 详细信息

联立法在求解动态优化问题时,先将控制变量与状态变量同步离散化,然后利用非线性规划求解器进行求解。当前,如何对模型进行合理有效地离散化仍然是一个开放性的问题。针对这一问题,本文提出了随机采样移动有限元法(RSMFE),运用该算法对模型进行离散化既能够满足离散化的精度,又可以保证离散化后解的最优性条件；同时,RSMFE的上层结构以最小化有限元个数为目标,得到最简化离散模型。由于有限元个数决定了模型离散化后非线性规划问题的维数和命题求解效率,最简化离散模型有利于满足工业在线应用的实时性要求。

关键词：在线应用过程工业随机采样移动有限元法动态优化离散化算法

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：