基于熵权法的混合属性聚类算法

K-prototypes算法是处理混合数据的主要聚类算法,大部分针对混合型数据的聚类算法都是选择数据集中的一部分数据作为聚类对象,而忽略了这类数据的特殊性与整体性,为了改进了数据的距离衡量,文中提出了一种新的聚类方法,该方法采用信息熵作为属性的权值,进行高精度和更加稳定的聚类,最后通过Matlab编程实现,采用uci数据集中credit等数据集进行仿真实验,证明改进算法是正确和有效的.     

TVM-1型瞬态桩基检测仪的设计

本文介绍了ＴＶＭ＿１型瞬态桩基检测仪的基本原理，硬件基本构造和软件设计思想及实现方法。     

水位流量关系曲线的规划求解方法与应用

对于测站控制良好，各级水位流量关系都保持稳定的测站，通常采用单一线法推求流量。为改变水位流量关系定先的手工模式，提高工作效率，可以通过建立数学模型，用计算机求解。模型及目标函数的选择对定线精度有重要影响。本文以蓝旗营站2005年实测资料为例，探讨了浮动多项式方程的适应性，并分别讨论了两类目标函数所得成果的差别。     

TVM—1型瞬态桩基检测仪设计

本文介绍了ＴＶＭ－１型瞬态桩基检测仪的基本原理，硬件基本构造和软件设计思想及实现方法。     

抛物线——圆弧混合扦值的一维搜索方法

<正> 本文用圆弧方法对一维搜索中常用的抛物线法进行了改进,并在凸目标函数下,证明了其收敛性。通过试算说明,这种改进至少对一类函数可加快收敛速度。 一、圆弧扦值的极小点问题 给定凸目标函数f(x)的三个不同点x_1f_1,f_2>f_3。则可计算过(x_1,f_1),(x_2,f_2),(x_3,f_3)的圆的方程,并可计算其最小点     

关于有序二叉树高度的一个结论

有序二叉树结构是一种常用的设计数据结构,它在排序、查找等算法中起着非常重要的作用。它的高度直接影响算法的效率。本文用组合数学、概率的方法给出了一个由Ｎ个数据所能构成的深度为ｋ的二叉树的数目的递推公式及证明。     

基于互信息与贝叶斯信念网络的关系层次距离混合聚类算法

聚类是数据挖掘中重要的功能算法,其主要的功能是发现数据中潜在的知识.目前文献发表的聚类算法多数仅限于处理单一数值型数据或者分类型数据,其主要原因是含有多种类型的混合型数据间的相似性很难度量.本文提出了一种混合数据相似性度量方法:对于分类型属性,利用互信息构建贝叶斯信念网络,利用贝叶斯信念网络构建关系层次,继而为层次附上距离,形成关系层次距离,而对于数值型属性则利用标准化的曼哈顿距离来度量其相似性,最后结合分类型属性与数值型属性来对整个数据集进行相似性的度量.在此基础上,设计实现了用于混合型数据聚类算法CRHD,并通过UCI中的多个数据集和已有算法进行仿真实验对比,证明了CRHD算法的有效性.     

一种高维分类型数据的子空间聚类算法

子空间聚类是一种将搜索局部化在相关维上进行的聚类算法,它能有效地克服数据因维度过高引起的在全空间上聚类的困难.针对高维分类型数据,本文提出了一种自底向上的子空间层次聚类算法,该算法在全局范围内建立一个最相似线性表用来记录每个簇类与其最相似的簇类的相似度,在聚类过程中,选取最相似的簇类合并,并通过维护此线性表产生最相似的簇类.此算法在基于信息熵的意义上能够较准确地搜索簇类的子空间.通过Zoo和Soybean两个典型的分类型数据实验发现,相对于其它相关聚类算法,该算法在聚类的准确率和稳定性方面表现出较高的优越性.     

一种新的选择集成算法

针对一般的选择性集成学习算法在选择分类器阶段需要独立设置验证集因而损失了一定的训练数据的缺点,提出了一种新的选择性集成分类算法FPSE,该算法采用一种基于排序的策略,这种策略在选择阶段就存在速度上的优势;其优势在于不必独立设置验证集,而采取一种将个体选择评估融入在原始数据本身的方法.实验验证了FPSE算法在个体评估策略的有效性,以及较好的泛化性能;对比试验说明了该算法的分类预测表现要优于Bagging算法和AdaBoost算法.     

重叠复用性建模方法

基因表达式程序设计是一种新的演化建模方法,试验表明在求解很多问题时该方法比遗传程序设计优越两个数量级以上。复用性是一个重要的概念,在众多领域得到了广泛的应用。通过对染色体中的基因的复用性进行研究,提出了重叠复用性建模（Overlap Reused Modeling,ORM）方法,也可以称为重叠复用性建模（Overlap Reused Modeling,ORM）方法。重叠复用性建模方法通过改进的染色体解码（翻译）规则来实现基因的复用性,从而有效地扩大了染色体的表达空间。同时提出了一种新的染色体适应值的计算方法,这种新的方法不仅简化了染色体适应值的计算过程,而且可以杜绝因基因复用所造成的计算量的增加。