检索结果-内蒙古大学图书馆

电子科技大学学报 2018年第2期47卷 247-255页

作者：李海林魏苗华侨大学信息管理系福建泉州362021 华侨大学现代应用统计与大数据研究中心福建厦门361021

针对多维数据属性对聚类分析结果有不同重要程度影响的问题,提出一种基于自适应属性加权的近邻传播聚类算法。该方法通过考虑多维数据属性权值的重要度,在近邻传播聚类过程中引入属性加权相似性矩阵计算,并根据当前数据聚类划分的结果... 详细信息

针对多维数据属性对聚类分析结果有不同重要程度影响的问题,提出一种基于自适应属性加权的近邻传播聚类算法。该方法通过考虑多维数据属性权值的重要度,在近邻传播聚类过程中引入属性加权相似性矩阵计算,并根据当前数据聚类划分的结果来分析目标评价函数,计算各个属性对当前聚类的贡献程度。随后根据贡献程度的计算结果自适应地更新属性权值,并通过属性加权相似性矩阵来重新计算近邻传播算法中的两种竞争信息,进而提高聚类结果的质量。数值实验结果表明,新方法能够有效实现属性权值的自适应调整,提高近邻传播算法的聚类效果,与其他传统聚类算法相比新方法具有更好的聚类质量。

关键词：自适应聚类近邻传播聚类评价属性加权相似性度量

来源：评论

学校读者我要写书评

暂无评论

基于簇中心群的时间序列数据分类方法

引用

电子科技大学学报 2017年第3期46卷 625-630页

作者：李海林万校基华侨大学信息管理系福建泉州362021 华侨大学现代应用统计与大数据研究中心福建厦门361021

分类算法是时间序列数据挖掘中极为重要的任务和技术,该文提出一种基于簇中心群的时间序列数据分类方法。该方法根据时间序列训练数据集中的类别标签进行簇划分,利用近邻传播算法分别对每个簇进行中心代表点选择,构造出各代表点的代表... 详细信息

分类算法是时间序列数据挖掘中极为重要的任务和技术,该文提出一种基于簇中心群的时间序列数据分类方法。该方法根据时间序列训练数据集中的类别标签进行簇划分,利用近邻传播算法分别对每个簇进行中心代表点选择,构造出各代表点的代表对象集;然后借助基于动态时间弯曲的均值中心方法对各代表对象集实现中心群计算,结合改进后的K近邻算法实现时间序列数据的分类。数值实验结果表明,与传统方法相比,新方法具有更好的分类效果和计算性能。

关键词：近邻传播分类算法数据挖掘动态时间弯曲时间序列

来源：评论

学校读者我要写书评

暂无评论

LDA模型的优化及其主题数量选择研究——以科技文献为例

引用

数据分析与知识发现 2018年第1期2卷 29-40页

作者：王婷婷韩满王宇华侨大学统计学院厦门361021 华侨大学现代应用统计与大数据研究中心厦门361021

【目的】为提升传统LDA模型的主题识别性能,并给主题最优数目选择提供技术方案,提出基于自适应聚类的K-wrLDA模型。【方法】利用LDA和Word2Vec模型得出包含主题词概率信息及词义相关性的T-WV矩阵,并将传统LDA模型的主题数目选择问题转... 详细信息

【目的】为提升传统LDA模型的主题识别性能,并给主题最优数目选择提供技术方案,提出基于自适应聚类的K-wrLDA模型。【方法】利用LDA和Word2Vec模型得出包含主题词概率信息及词义相关性的T-WV矩阵,并将传统LDA模型的主题数目选择问题转化为聚类效果评价问题,以内部指标伪F统计量作为目标函数,计算主题聚类数目的最优解,并对新旧两种模型的主题识别效果进行比较。【结果】经自适应聚类得出最优主题数量为33,且新模型的困惑度得分始终低于传统模型,主题识别效果对比显示新模型具有更好的凝聚性。【局限】在实证语料选取上获取单一主题下的科技文献,数据量不大。【结论】新模型具有更理想的主题识别能力,并能够自主计算最优主题数目。该模型作为对传统LDA模型的改进,可以应用于各领域的大规模语料中。

关键词：主题模型词嵌入自适应聚类困惑度

来源：评论

学校读者我要写书评

暂无评论

基于近邻传播的限定簇数聚类方法研究

引用

电子科技大学学报 2018年第5期47卷 733-739页

作者：李海林魏苗华侨大学工商管理学院福建泉州362021 华侨大学现代应用统计与大数据研究中心福建厦门361021

针对传统近邻传播聚类算法不能进行限定类簇数目的聚类缺陷,提出一种三阶段的改进聚类方法。该方法通过近邻传播聚类从数据集中获得中心代表点集合,利用K-means算法对中心代表点集合进行指定类簇数目的聚类进而获得初始训练集,结合改进... 详细信息

针对传统近邻传播聚类算法不能进行限定类簇数目的聚类缺陷,提出一种三阶段的改进聚类方法。该方法通过近邻传播聚类从数据集中获得中心代表点集合,利用K-means算法对中心代表点集合进行指定类簇数目的聚类进而获得初始训练集,结合改进的K最近邻算法实现数据的聚类分析。采用人工仿真数据及UCI数据集进行对比实验,实验结果分析表明,与近邻传播聚类算法和传统限定类簇数目的聚类算法相比,新聚类算法具有更好的聚类效果。

关键词：近邻传播聚类算法类簇数目数据挖掘 K均值聚类

来源：评论

学校读者我要写书评

暂无评论

标签传播时间序列聚类的股指期货套期保值策略研究

引用

智能系统学报 2019年第2期14卷 288-295页

作者：李海林梁叶华侨大学信息管理系福建泉州362021 华侨大学现代应用统计与大数据研究中心福建厦门361021

利用时间序列聚类方法进行股指期货的套期保值,关键要选择合适的聚类方法。本文从新的视角来研究并提高时间序列聚类方法在金融数据分析领域的应用性能,提出一种基于标签传播时间序列聚类的股指期货套期保值模型。该模型以动态时间弯曲... 详细信息

利用时间序列聚类方法进行股指期货的套期保值,关键要选择合适的聚类方法。本文从新的视角来研究并提高时间序列聚类方法在金融数据分析领域的应用性能,提出一种基于标签传播时间序列聚类的股指期货套期保值模型。该模型以动态时间弯曲为相似性度量方法来构建现货股票网络空间结构,将每只股票看作一个节点,利用标签传播方法将节点划分到不同的簇中,最终实现股票数据聚类。另外,构建最小追踪误差优化模型来确定每支股票在现货组合中的最优权重,从而得到最优组合。实验分别比较新方法和传统聚类方法确定现货组合的追踪误差,结果表明新方法能够提高现货组合的追踪精度,为丰富金融市场投资和管理方式提供新的研究思路。

关键词：标签传播时间序列聚类动态时间弯曲套期保值

来源：评论

学校读者我要写书评

暂无评论

基于同步频繁树的时间序列关联规则分析

引用

智能系统学报 2021年第3期16卷 502-510页

作者：李海林龙芳菊华侨大学信息管理系福建泉州362021 华侨大学现代应用统计与大数据研究中心福建厦门361021

针对经典算法Apriori和频繁模式增长算法(frequent pattern growth, FP-growth)不能直接对时间序列数据进行关联规则挖掘的问题,提出一种同步频繁树算法(synchronize frequent tree, SFT)。利用时间序列的时间属性具有一维性的特点,定... 详细信息

针对经典算法Apriori和频繁模式增长算法(frequent pattern growth, FP-growth)不能直接对时间序列数据进行关联规则挖掘的问题,提出一种同步频繁树算法(synchronize frequent tree, SFT)。利用时间序列的时间属性具有一维性的特点,定义趋势项-位置表示法表示时间序列数据,将首条时间序列构建成一棵基础树,通过计算树叶子节点与列表项的信息交集,可判断其是否与该树枝中的所有节点构成频繁K项集。在SFT算法中,用趋势项-位置表示的数据内存占用情况要优于原始数据,并且在挖掘过程中不会产生候选频繁项集,使得算法在整个挖掘过程中表现出较好的时间性能。基于商品数据和股票数据的数值实验表明,SFT算法所得结果不仅与其他5种对比算法的结果一致,在各量级的数据和不同的支持度计数中,其时间复杂度都要优于对比算法。

关键词：时间序列线性分段趋势项-位置事务集表示频繁项集同步频繁树关联规则时间效率

来源：评论

学校读者我要写书评

暂无评论

全球化有助于促进经济增长吗

引用

统计研究 2017年第7期34卷 71-81页

作者：黄智淋华侨大学统计学院数量经济研究院现代应用统计与大数据研究中心

本文基于93个国家1970—2014年的面板数据,构建具有截面相关的非平行面板数据误差修正模型,考察全球化对经济增长的长期影响效应与短期影响效应。研究结果表明,全球化与经济增长存在长期稳定的协整关系;全球化对经济增长的长期影响效应... 详细信息

本文基于93个国家1970—2014年的面板数据,构建具有截面相关的非平行面板数据误差修正模型,考察全球化对经济增长的长期影响效应与短期影响效应。研究结果表明,全球化与经济增长存在长期稳定的协整关系;全球化对经济增长的长期影响效应显著为正,且长期影响效应随着全球化水平、经济发展水平、人力资本、金融发展水平的提高而增强,而短期影响效应不显著。这意味着全球化在长期有助于促进经济增长,全球化水平、经济发展水平、人力资本、金融发展水平越高,越有利于全球化促进经济增长。

关键词：全球化经济增长截面相关面板数据误差修正模型

来源：评论

学校读者我要写书评

暂无评论

一种结合时空上下文的在线卷积网络跟踪算法

引用

计算机研究与发展 2018年第12期55卷 2785-2793页

作者：柳培忠汪鸿翔骆炎民杜永兆华侨大学工学院福建泉州362021 华侨大学现代应用统计与大数据研究中心福建厦门361021 华侨大学计算机科学与技术学院福建厦门361021

基于卷积神经网络提取抽象特征缺乏时空信息的问题,结合时空上下文模型作为卷积神经网络的各阶滤波器,提出一种在线卷积神经网络的视觉跟踪算法.首先对初始目标进行归一化处理并提取目标置信图,跟踪过程中结合时空信息更新得到时空上下... 详细信息

基于卷积神经网络提取抽象特征缺乏时空信息的问题,结合时空上下文模型作为卷积神经网络的各阶滤波器,提出一种在线卷积神经网络的视觉跟踪算法.首先对初始目标进行归一化处理并提取目标置信图,跟踪过程中结合时空信息更新得到时空上下文模型,第1层使用更新后的模型对输入进行卷积,并对卷积结果进行滑动窗口取片,第2层再使用时空模型分别对取片结果进行卷积,提取目标简单抽象特征,然后叠加简单层的卷积结果得到目标的深层次表达,最后结合粒子滤波跟踪框架实现目标跟踪.实验表明:结合时空上下文模型的在线卷积网络结构提取的深度抽象特征,保留相关时空信息,提高复杂背景下的跟踪效率.

关键词：视觉跟踪时空上下文卷积神经网络粒子滤波在线更新

来源：评论

学校读者我要写书评

暂无评论

网络整体结构与合作强度对创新绩效的影响

引用

科学学研究 2023年第1期41卷 168-180页

作者：李海林龙芳菊林春培华侨大学工商管理学院福建泉州362021 华侨大学现代应用统计与大数据研究中心福建厦门361021 华侨大学商务管理研究中心福建泉州362021

发现协同创新网络类型、分析网络整体结构特征及其创新绩效影响因素,为提高协同合作效率具有重要的现实意义。基于协同创新视角,以新能源汽车技术的共同专利权人为研究对象,用Louvain算法识别协同创新网络。根据网络整体结构特征,用K-me... 详细信息

发现协同创新网络类型、分析网络整体结构特征及其创新绩效影响因素,为提高协同合作效率具有重要的现实意义。基于协同创新视角,以新能源汽车技术的共同专利权人为研究对象,用Louvain算法识别协同创新网络。根据网络整体结构特征,用K-means聚类算法划分协同创新网络类型,并深入分析每种网络。用专利数量和专利质量衡量网络创新绩效,以合作强度和网络整体结构特征为条件属性,网络创新绩效为决策属性,用CART决策树分析创新绩效的影响关系。新方法以数据驱动为视角,借助数据挖掘技术深入剖析网络结构特征、合作强度和创新绩效之间的非线性知识规则。研究结果表明:(1)共有四种协同创新网络,即二元协同创新网络、星型协同创新网络、完全协同创新网络和复杂协同创新网络,不同网络类型的整体结构特征和创新绩效差异化明显,证实了分类讨论的合理性与科学性。(2)二元协同创新网络和完全协同创新网络没有明显的核心成员,星型协同创新网络和复杂协同创新网络存在核心成员。(3)在不受其他因素的共同影响下,复杂协同创新网络和星型协同创新网络的合作强度分别对网络创新绩效具有正向和负向影响;在二元协同创新网络中,过高或过低的合作强度均有助于提升网络创新绩效。(4)对于合作强度较大的协同创新网络,较长的平均路径长度不利于提升网络创新绩效。

关键词：协同创新网络结构合作强度创新绩效 K-means聚类 CART决策树

来源：评论

学校读者我要写书评

暂无评论

时间序列数据挖掘中的聚类研究综述

引用

电子科技大学学报 2022年第3期51卷 416-424页

作者：李海林张丽萍华侨大学信息管理与信息系统系福建泉州362021 华侨大学应用统计与大数据研究中心福建厦门361021

鉴于时间序列数据的高维性和复杂性给数据挖掘带来的困扰以及聚类分析在时间序列数据挖掘领域中的重要性,对目前该领域国内外相关时间序列数据聚类研究的状况进行综述。时间序列聚类总体上可分为整体时间序列聚类、子序列聚类和时间点聚... 详细信息

鉴于时间序列数据的高维性和复杂性给数据挖掘带来的困扰以及聚类分析在时间序列数据挖掘领域中的重要性,对目前该领域国内外相关时间序列数据聚类研究的状况进行综述。时间序列聚类总体上可分为整体时间序列聚类、子序列聚类和时间点聚类3种,分别从特征表示、相似性度量、聚类算法和簇原型等方面来研究,同时也结合了具体的应用分析。根据时间序列数据挖掘中聚类存在的主要问题,提出了部分未来值得关注和研究的内容和方向,以便更好地促进时间序列数据聚类分析的研究与发展。

关键词：聚类分析数据挖掘高维性时间序列时间序列聚类

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：