排序方式: 共有2条查询结果,搜索用时 0 毫秒
1
1.
针对扶贫领域中贫困、脱贫和返贫状态预测不准确,影响状态变迁的关键因素难以识别的问题,从扶贫基础数据和多个行业数据中提取8个关键特征和22个观测状态,构建观察状态和隐含状态关联关系,建立扶贫对象状态预测隐马尔可夫模型(hidden markov model,HMM)。以某深度贫困县连续3年的数据为样本,进行参数训练、测试实验和结果验证,结果表明该方法对返贫、贫困和脱贫状态有较强的预测能力,误差率较低,且能准确识别出影响返贫的关键要素。该方法对指导精准扶贫工作具有非常重要的实际意义。 相似文献
2.
本文将所有基于事务和非基于事务的关联分析称为广义的关联分析.基于事务的关联分析主要依托支持度-置信度框架进行数据挖掘,而非基于事务的关联分析常采用参与度-条件概率框架.首先,在讨论强关联规则的正确性、可靠性和有趣性的基础上,提出了蕴涵-约束框架.其次,提出并论证了最小支持度mni_sup和最小置信度min_conf的合理取值范围,从而将最小置信度由支持度-置信度框架下的(0,1] 缩小为蕴涵-约束框架下的(0.5,1],最小支持度由(0,1] 缩小为(0,min_conf].第三,提出随机顶点极大团划分法,它能将非基于事务的关联分析转化为基于事务的关联分析,从而使广义关联分析问题整合成为基于事务的关联分析问题.第四,基于映射的概念,将约束划分为事前、事中和事后约束,从而形式化地解决了约束的应用及方法.第五,利用稠密维和稀疏维,提出了一种multi-knowledge tree 的树形存储结构,能在无论频繁项集是否满足向下闭合性质时都有效降低算法的空间复杂度;同时,在数据增加、删除、修改后能快速获取新的强关联规则.最后,大量实验验证了所提出理论和算法的效果和效率. 相似文献
1