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、隨著社會經(jīng)濟的發(fā)展和計算機技術(shù)的不斷進步,人們越來越多地依靠計算機幫助解決實際生產(chǎn)、生活中遇到的問題。案例推理技術(shù)作為一種重要的機器學(xué)習(xí)方法,具有求解問題高效準確,解決方案直觀易用,且能夠自我增量學(xué)習(xí)等優(yōu)點,因此,其思想與方法被廣泛地應(yīng)用于實際中幫助人們進行推理、解釋,解決問題。數(shù)據(jù)流作為近年來被廣泛關(guān)注并深入研究的新型數(shù)據(jù)類型,具有實時產(chǎn)生、源源不斷等特點,現(xiàn)實生活中很多數(shù)據(jù)都具有類似特征,例如網(wǎng)絡(luò)流量數(shù)據(jù)、股票交易數(shù)據(jù)等,因此對數(shù)據(jù)
2、流的挖掘與研究具有十分重要的現(xiàn)實意義。
本文首先闡述了基于案例的推理和數(shù)據(jù)流挖掘方面的主要理論與方法。重點介紹了基于案例推理的概念、分類和基本模型,研究了當前基于案例推理方面的研究熱點。深入分析了數(shù)據(jù)流的特點與研究思路,對數(shù)據(jù)流的聚類、分類、頻繁模式挖掘等算法進行了詳細的論述。然后,分析了最小距離原則聚類算法和STREAM算法的優(yōu)缺點,提出了一種改進的數(shù)據(jù)流聚類算法。在傳統(tǒng)案例推理模型的基礎(chǔ)上,引入數(shù)據(jù)流挖掘技術(shù),提出了基
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(yù)覽,若沒有圖紙預(yù)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。
最新文檔
- 基于數(shù)據(jù)流挖掘ICMP流量檢測的研究與應(yīng)用.pdf
- 數(shù)據(jù)流查詢和數(shù)據(jù)流挖掘在油田中應(yīng)用的研究.pdf
- 基于滯后關(guān)聯(lián)的多維數(shù)據(jù)流挖掘的研究與應(yīng)用.pdf
- 基于數(shù)據(jù)流的頻繁模式挖掘應(yīng)用研究.pdf
- 基于入侵檢測的數(shù)據(jù)流挖掘研究.pdf
- 基于增量存儲的商業(yè)數(shù)據(jù)流分類挖掘算法研究與應(yīng)用.pdf
- 數(shù)據(jù)流挖掘
- 數(shù)據(jù)流頻繁項挖掘算法研究與應(yīng)用.pdf
- 基于數(shù)據(jù)流的相關(guān)挖掘方法研究.pdf
- 基于數(shù)據(jù)流的頻繁集挖掘研究.pdf
- 面向數(shù)據(jù)流的局部異常孤立點動態(tài)挖掘算法研究及應(yīng)用.pdf
- 動態(tài)數(shù)據(jù)流挖掘關(guān)鍵技術(shù)研究.pdf
- 基于數(shù)據(jù)流的關(guān)聯(lián)規(guī)則挖掘方法的研究.pdf
- 數(shù)據(jù)流挖掘算法研究.pdf
- 數(shù)據(jù)流關(guān)聯(lián)規(guī)則挖掘研究及其應(yīng)用.pdf
- 面向數(shù)據(jù)流挖掘算法的研究與改進.pdf
- 基于數(shù)據(jù)流的時間序列異常數(shù)據(jù)挖掘的研究.pdf
- 基于數(shù)據(jù)流挖掘的推薦系統(tǒng)研究.pdf
- 基于數(shù)據(jù)流挖掘技術(shù)的流量識別.pdf
- 基于數(shù)據(jù)流挖掘的流量識別技術(shù)研究.pdf
評論
0/150
提交評論