首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   1篇
  完全免费   4篇
  自动化技术   5篇
  2002年   1篇
  2001年   2篇
  2000年   1篇
  1999年   1篇
排序方式: 共有5条查询结果,搜索用时 15 毫秒
1
1.
概念格上规则提取的一般算法与渐进式算法   总被引:38,自引:2,他引:36  
许多研究表明概念格是数据分析与规则提取的一种有效工具。本文首先提出一种在对象与描述符数目较多、概念聚类具有一定规模条件下,在已建造好的概念格上有效地提取规则的算法。这种方法主要依据格结点的直接泛化来产生相应无冗余规则,然后改进了一种渐进式更新概念格与相应Hasse图的算法,并将之应用于渐进式提取规则。目前,这些方法已用于我们所开发的数据库知识发现工具原型系统中。  相似文献
2.
基于概念格的分类和关联规则的集成挖掘方法   总被引:36,自引:0,他引:36       下载免费PDF全文
胡可云  陆玉昌  石纯一 《软件学报》2000,11(11):1478-1484
改进了一个Bordat的建格算法,使之适合于集成挖掘的需要,进而提出一个从概念格上提取关 联规则和分类规则的算法,实现了关联规则和分类规则的挖掘在概念格框架下的统一.实验证明了算法的有效性.  相似文献
3.
数据挖掘与组合学习   总被引:14,自引:2,他引:12       下载免费PDF全文
一、概述数据挖掘是信息爆炸问题的一种解决方案。在数据挖掘中,分类预测是最基本的任务之一。组合学习器是分类预测器的集合,这些分类器的单独决策被以某种方式组合起来(典型的方法是通过加权或无权重投票)以给新样本分类。实验表明,组合方法在多数情况下比单个分类预测方法要精确。因此,在数据挖掘中引  相似文献
4.
用Boosting方法组合增强Stumps进行文本分类   总被引:10,自引:0,他引:10       下载免费PDF全文
为提高文本分类的精度,Schapire和Singer尝试了一个用Boosting来组合仅有一个划分的简单决策树(Stumps)的方法.其基学习器的划分是由某个特定词项是否在待分类文档中出现决定的.这样的基学习器明显太弱,造成最后组合成的Boosting分类器精度不够理想,而且需要的迭代次数很大,因而效率很低.针对这个问题,提出由文档中所有词项来决定基学习器划分以增强基学习器分类能力的方法.它把以VSM表示的文档与类代表向量之间的相似度和某特定阈值的大小关系作为基学习器划分的标准.同时,为提高算法的收敛速度,在类代表向量的计算过程中动态引入Boosting分配给各学习样本的权重.实验结果表明,这种方法提高了用Boosting组合Stump分类器进行文本分类的性能(精度和效率),而且问题规模越大,效果越明显.  相似文献
5.
一、概述:现状与问题所在随着Internet的蓬勃发展,人类正逐步迈向信息时代。信息社会的最重要标志就是信息爆炸。为充分利用信息,人们需要有方便的手段来对信息进行操作,而且更希望能有自动地利用信息透明地实现人类需求的手段。当这些手段与Internet结合起来之后,将会使人类方便地共享信息及网络资源成为可能。这种“手段”  相似文献
1
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号