排序方式: 共有40条查询结果,搜索用时 15 毫秒
21.
针对决策中普遍存在的代价问题,在模糊理论和决策粗糙集的基础上,对其代价敏感属性约简方法进行了研究。在模糊决策粗糙集属性约简中引入了包含误分类代价和测试代价的总代价。因此约简的目标不再只是考虑正域的大小,而是寻找使得总代价最小的最优属性子集。提出了一种模糊决策粗糙集代价敏感属性约简(COSAR)算法,该算法采用启发式方法搜索最优属性子集。给出了算法的步骤,并将该算法与已有的模糊粗决策粗糙集属性快速约简(QuickReduct)算法进行了性能对比。实验结果表明,COSAR算法比QuickReduct算法具有更强的属性约简能力、更低的分类总代价、更短的运行时间,且随着测试样本的增加,分类总代价差值也越来越大。 相似文献
22.
多时间序列跨事务关联分析研究 总被引:1,自引:0,他引:1
论文的研究目的是为了对时间序列的发展趋势进行预测。采用的方法是对多时间序列进行跨事务关联规则分析,利用关联规则中前件和后件的时间差进行预测。提出了跨事务关联规则挖掘ITARM,该算法采用了基于压缩FP-树的、分而治之的挖掘方法。算法在产生了频繁1-项集之后,分别利用1-项集中的项作为约束条件,建立压缩FP-树,挖掘跨事务关联规则。文中给出了算法的主要设计思想和算法的伪代码,并对算法的性能进行了测试。测试结果表明,ITARM算法是一个时间和空间性能都较高的跨事务关联规则挖掘算法。 相似文献
23.
24.
随着证券市场的迅猛发展,股票数据信息爆炸式增长,如何从庞大的敷据中找到有用的信息来指导投资者的投资行为成为一个重要的学术研究方向.从数据挖掘技术入手,在关联规则分析的处理算法基础上,引入股票成交量数据项以及二雏时间模式对股票敷据进行数据挖掘,并对比试验的结果.试验证明,该改进时投资者提供了更为有效的决策支持. 相似文献
25.
由于网络数据流量的急剧膨胀,人们迫切希望对流量数据进行更深层次的分析,以发现隐藏在数据中的知识。但传统的网络流量监测和分析系统无法完成这一任务。作者采用基于冰山查询的关联规则挖掘方法,对网络流量与各IP之间的联系进行关联分析,取得了较好的效果。 相似文献
26.
27.
28.
29.
为了较好克服量子粒子群算法存在早熟收敛的缺点,在分析算法参数和流程的基础上,提出了一种带变异操作的改进量子粒子群优化算法。针对传统BP算法易于陷入局部极小的不足,将改进的算法应用到BP神经网络的学习过程中,修正BP网络的权值和阈值,提高其收敛性能。并将优化的BP神经网络模型应用于入侵检测中,用标准入侵检测数据对基于不同算法的BP网络进行仿真实验比较。实验结果表明,改进后的BP算法迭代次数少,收敛速度有所提高,在一定程度上提高了入侵检测率。 相似文献
30.
在基于误差最小化的极限学习机(EM_ELM)的基础上,提出了一种改进的基于误差最小化的极限学习机,输入权重和偏置采用递归最小二乘法获得.实验证明,该方法具有更快的学习速度、良好的预测精度和更精简的网络结构. 相似文献