点击切换搜索课件文库搜索结果(2222)
文档格式:PDF 文档大小:358.08KB 文档页数:8
CABOSFV_C是一种针对分类属性高维数据的高效聚类算法,该算法采用集合稀疏差异度进行距离计算,并采用稀疏特征向量实现数据压缩.该算法的聚类效果受集合稀疏差异度上限参数的影响,而该参数的选取没有明确的指导.针对该问题提出基于集合稀疏差异度的启发式分类属性数据层次聚类算法(heuristic hierarchical clustering algorithm of categorical data based on sparse feature dissimilarity,HABOS),该方法从聚结型层次聚类思想的角度出发,在聚类数上限参数的约束下,应用新的内部聚类有效性评价指标(clustering validation index based on sparse feature dissimilarity,CVISFD)进行启发式度量,从而实现对聚类层次的自动选取.UCI基准数据集的实验结果表明,HABOS有效地提高了聚类准确性和稳定性
文档格式:PDF 文档大小:429.34KB 文档页数:6
工业监控系统所采集到的多元时间序列在利用数据挖掘技术获取内部存在的未知模式的过程中,经常会出现原始数据庞杂、分段结果重复、交集过多和界限不清晰等问题,导致含有突变变量或数据间相关性差的数据集进行模式挖掘结果不理想.针对上述问题,本文提出了一种新的多元时序模糊聚类分段挖掘算法.实验结果表明,该算法克服了Gath-Geva算法聚类精度易受初始值影响的不足,能够较好地反映出原始数据中潜在的过程变化,从而有效地处理时间序列的分段问题并得到理想的挖掘结果
文档格式:PPT 文档大小:132KB 文档页数:32
第1章数据结构基础概论 本章主要介绍以下内容 一、数据结构研究的主要内容 二、数据结构中涉及的基本概念 三、算法的概念、描述方法以及评价标准
文档格式:PDF 文档大小:2.22MB 文档页数:7
针对目前对薄壁钣金件孔测量的效率低,孔心位置和孔半径测量方法上存在的不足,提出一种基于T-scan测量的薄壁钣金件孔特征的重构方法.该方法用T-scan对薄壁钣金件上孔进行扫描得到点云数据;根据点云数据中连续点的欧拉距离将点云数据划分成扫描线点数据;对扫描线点云数据进行算法处理获取位于平面上的点及孔的边缘点;最后对平面上的点采用稳健特征值平面拟合得出平面参数,利用最小二乘空间圆拟合获取孔心坐标值及孔径大小,完成薄壁孔特征重构.通过对试验件和薄壁钣金件上孔进行测量处理,实验表明该算法有很好的实用性且精度满足钣金件孔的实际检测精度要求
文档格式:PDF 文档大小:2.27MB 文档页数:7
在冶金、化工等流程型工业领域,生产中的过程控制参数往往具有高维非线性结构特征.为了解决这类高维复杂数据的异常点检测问题,本文引入了软超球体的概念,采用非线性核函数将原始数据映射到高维的特征空间,并在特征空间中确定软超球体的边界.通过检测待识别样本映射到特征空间的位置信息来判定过程参数的设定值是否为异常点,从而避免出现批量的产品质量问题.以某类汽车用钢为应用实例,对实际生产数据进行检测,证明了所提出的基于软超球体的异常点识别算法对于高维的非线性数据具有良好的检测能力
文档格式:PPT 文档大小:365.5KB 文档页数:64
一、逻辑结构设计的任务 二、概念结构是各种数据模型的共同基础 三、为了能够用某一DBMS实现用户需求,还必须将概念结构进一步转化为相应的数据模型,这正是数据库逻辑结构设计所要完成的任务
文档格式:PPT 文档大小:1.02MB 文档页数:137
⚫ 第一节 数据的计量与类型 ⚫ 第二节 统计数据搜集的组织形式 ⚫ 第三节 统计数据搜集的方法 ⚫ 第四节 统计调查方案 ⚫ 第五节 统计数据的整理与显示
文档格式:PDF 文档大小:1.18MB 文档页数:10
为提高热轧换规格首块钢头部卷取温度命中率,采用数据挖掘技术,从历史带钢冷却数据中推断出与实际带钢相匹配的卷取温度模型水冷换热学习系数,并将其应用于模型预设定计算。首先,对冷却特征参数进行识别,按照相对型、绝对型、相等型和策略型四种方式进行定义,并对实际带钢与历史带钢的各项冷却特征参数进行相似距离计算。当历史带钢的总相似距离满足要求时,将其聚类为实际带钢的相似卷,并考虑各相似卷的时间影响,计算相似权重值;随后,基于相似带钢的头部和尾部信息,建立由卷取温度预报误差、偏离学习系数回归值惩罚项和偏离默认值惩罚项等构成的目标函数以及相应的约束条件,采用梯度下降法求解该二次规划问题,通过三次优化逐步计算出学习系数参考值和表征学习系数与带钢速度及目标卷取温度呈双线性关系的两个参数;最后,根据实际带钢的穿带速度、目标卷取温度等冷却条件计算冷却设定所需的学习系数。现场应用表明:基于十万块历史带钢冷却数据驱动的模型参数即时自适应设定算法可增强卷取温度模型对带钢头部冷却的预设定能力,学习系数即时自适应设定能力随着内存中保存的历史带钢冷却数据的多样性和检索出的相似卷数量的增加而提升
文档格式:PDF 文档大小:6.05MB 文档页数:11
作为磨矿过程的主要生产质量指标, 磨矿粒度是实现磨矿过程闭环优化控制的关键.将磨矿粒度控制在一定范围内能够提高选别作业的精矿品位和有用矿物的回收率, 并减少有用矿物的金属流失.由于经济和技术上的限制, 磨矿粒度的实时测量难以实现.因此, 磨矿粒度的在线估计显得尤为重要.然而, 目前我国所处理的铁矿石大多数为性质不稳定的赤铁矿, 其矿浆颗粒存在磁团聚现象, 所采集的数据存在大量异常值, 使得利用数据建立的磨矿粒度模型存在较大误差.同时, 传统前馈神经网络在磨矿粒度数据建模过程中存在收敛速度慢、易于陷入局部最小值等缺点, 且单一模型泛化性能较差, 现有的集成学习在异常值干扰下性能严重下降.因此, 本文在改进的随机向量函数链接网络(random vector functional link networks, RVFLN)的基础上, 将Bagging算法与自适应加权数据融合技术相结合, 提出一种基于鲁棒随机向量函数链接网络的集成建模方法, 用于磨矿粒度集成建模.所提方法首先通过基准回归问题进行了实验研究, 然后采用磨矿工业实际数据进行验证, 表明其有效性
文档格式:PPT 文档大小:277.5KB 文档页数:80
3.4 数 据 更 新 3.4.1 插入数据 3.4.2 修改数据 3.4.3 删除数据
首页上页7778798081828384下页末页
热门关键字
搜索一下,找到相关课件或文库资源 2222 个  
©2008-现在 cucdc.com 高等教育资讯网 版权所有