版權說明: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,請進行舉報或認領
文檔簡介
1、機器學習的方法在數(shù)據(jù)挖掘領域有廣泛的應用。在當今的機器學習領域,人們經(jīng)常采用多預測模型的方法以提高預測的準確性。所有這些多預測模型方法可以歸為兩類:(1)專家方法 (2)集成方法。聚類方法在空間數(shù)據(jù)挖掘中有廣泛的應用。應用于空間數(shù)據(jù)挖掘的聚類方法包括劃分方法、層次方法、基于密度的方法等。本文根據(jù)應用于空間數(shù)據(jù)挖掘的聚類方法的基本要求,提出了一種基于分布的聚類算法DBCSD。本文改進了Adaboost.M2算法,給出了具有屬性
2、選取的適應性屬性推進方法,并且將該方法應用于空間推進中??焖賙-NN分類器方法可以顯著減少計算量。數(shù)據(jù)約簡對于大型分布式數(shù)據(jù)庫的數(shù)據(jù)挖掘也是非常有用的。在當今的數(shù)據(jù)挖掘領域中,在分布式環(huán)境中學習的工作一般有兩種方式:一種是將所有數(shù)據(jù)移往一個中心以進行進一步處理;另外一種是對各地的數(shù)據(jù)分別產(chǎn)生預測模型,然后通過標準的機器學習方法進行移動和結合。隨著網(wǎng)絡系統(tǒng)的出現(xiàn)以及數(shù)據(jù)量不斷增加,前一種方法太昂貴,后一種方法太不精確??s小數(shù)據(jù)庫
3、的規(guī)模,降低其維數(shù),同時又不丟失可以抽取的信息,這樣可以為更有效、更精確的集中學習加速數(shù)據(jù)轉(zhuǎn)移。數(shù)據(jù)約簡通常采用步進采樣技術,本文提出了一種采用動態(tài)規(guī)劃技術來計算采樣schedule的新方法。目前的機器學習算法,一般都具有很高的計算復雜性,同時要求所有數(shù)據(jù)駐留主存,顯然這對于大多數(shù)實際的數(shù)據(jù)挖掘應用來說是不能接受的。所以在本文中,我們將探討在大型以及物理上分布的數(shù)據(jù)集上進行數(shù)據(jù)挖掘的方法。同時提出了在分布式環(huán)境中進行分類和預測
4、的方法。我們提出了一種基于聚類方法的對集成中分類器進行剪枝的新方法。為了對分類器進行剪枝,采用分布分類器權重的方法。另外,我們設計了一種利用“最獨立”分類器建立樹的深度優(yōu)先算法。該剪枝方法表明,通過選擇一個神經(jīng)網(wǎng)絡分類器的最優(yōu)子集,我們有可能得到與整個集成接近甚至更好一點的泛化效果。一般來說,神經(jīng)網(wǎng)絡能夠產(chǎn)生相當精確的模型。然后,這種模型都隱藏在“黑箱”中,雖然可以用來預測,但是對理解模型中變量之間的關系沒有幫助。遺傳算法是
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
- 數(shù)據(jù)挖掘的分類與預測研究.pdf
- 數(shù)據(jù)挖掘中的分類研究與應用.pdf
- 氣象數(shù)據(jù)的分類挖掘和預測研究.pdf
- 數(shù)據(jù)挖掘中決策分類的研究與實現(xiàn).pdf
- 基于數(shù)據(jù)挖掘的客戶價值分類模型研究.pdf
- 基于數(shù)據(jù)挖掘的金融預測模型.pdf
- 數(shù)據(jù)挖掘分類預測技術在網(wǎng)絡管理中的應用研究.pdf
- 數(shù)據(jù)挖掘中數(shù)據(jù)分類器的設計與實現(xiàn).pdf
- 基于數(shù)據(jù)挖掘的電信客戶信用分類模型研究.pdf
- 基于數(shù)據(jù)挖掘技術的投資能力預測模型研究.pdf
- 基于數(shù)據(jù)挖掘的電信客戶欺詐預測模型研究.pdf
- 基于數(shù)據(jù)挖掘的電信客戶流失預測模型研究與應用.pdf
- 分類預測技術在移動通信企業(yè)數(shù)據(jù)挖掘分析中的應用研究.pdf
- 基于數(shù)據(jù)挖掘的銀行客戶分類模型研究.pdf
- 基于數(shù)據(jù)挖掘的空氣質(zhì)量預測模型研究與實現(xiàn).pdf
- 農(nóng)產(chǎn)品價格數(shù)據(jù)挖掘與趨勢預測模型的研究.pdf
- 基于數(shù)據(jù)挖掘的電信客戶流失預測模型研究.pdf
- 面向數(shù)據(jù)流挖掘的集成分類模型研究.pdf
- 基于數(shù)據(jù)挖掘的飛機故障預測模型及方法的研究.pdf
- 信息分發(fā)管理中基于粗糙集分類模型的數(shù)據(jù)挖掘.pdf
評論
0/150
提交評論