近鄰傳播算法的改進方案及其在霧霾預測中的應用.pdf_第1頁
已閱讀1頁,還剩63頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、隨著信息技術(shù)和數(shù)據(jù)庫技術(shù)的迅猛發(fā)展,數(shù)據(jù)呈爆炸式增長,數(shù)據(jù)挖掘作為一種新興的大數(shù)據(jù)分析技術(shù),受到了眾多領(lǐng)域的廣泛關(guān)注。聚類分析是數(shù)據(jù)挖掘領(lǐng)域的一個重要分支,通過無監(jiān)督學習的方式,聚類分析能夠從海量數(shù)據(jù)中挖掘出潛在的價值信息,為科學決策提供有效的依據(jù)。
  近鄰傳播聚類算法(Affinity Propogation,AP)作為目前較為流行的聚類算法之一,已經(jīng)被廣泛的應用于眾多領(lǐng)域。但是AP算法也存在一些不足,本文針對AP算法在具有粘

2、連樣本的復雜數(shù)據(jù)集上難以構(gòu)造有效的相似度矩陣的問題,提出一種基于加權(quán)系數(shù)和鄰域密度因子的近鄰傳播算法。該算法利用加權(quán)系數(shù)改進領(lǐng)域密度的計算,并將“鄰域密度因子“的思想引入近鄰傳播,將數(shù)據(jù)集中樣本點劃分為核心樣本點與非核心樣本點,并根據(jù)樣本點的類型采用不同的方式構(gòu)造連通圖,依此計算得到更加能體現(xiàn)數(shù)據(jù)真實分布關(guān)系的相似度矩陣并進行聚類。在人工數(shù)據(jù)集與UCI標準數(shù)據(jù)集上進行實驗,結(jié)果表明該算法在一定程度上提高了聚類精度,從而驗證了該算法的有效

3、性與可行性。
  此外,將改進后的近鄰傳播算法結(jié)合領(lǐng)域密度作為欠取樣的一種方式,提出一種基于改進近鄰傳播聚類和領(lǐng)域密度的欠取樣SVM算法,旨在解決傳統(tǒng)SVM算法在類別不均衡數(shù)據(jù)集上分類效果差的問題,并通過對比實驗驗證了算法的有效性。最后針對霧霾數(shù)據(jù)不均衡的特點,將基于改進近鄰傳播算法和領(lǐng)域密度的欠取樣SVM算法應用于霧霾預測,構(gòu)建一個基于此算法的霧霾預測模型,選取北京地區(qū)的空氣質(zhì)量數(shù)據(jù)作為樣本,通過與其他霧霾預測算法模型進行對比,

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論