搜索到834篇“ 分类规则挖掘“的相关文章
基于分类规则挖掘算法的火电厂智慧化耗差分析系统设计被引量:3
2022年
为了智慧化分析火电厂耗差变化,优化火电厂机组运行态势,设计基于分类规则挖掘算法的火电厂智慧化耗差分析系统。从数据单元的MIS与DAS数据库中,获取的火电厂能耗实时数据,利用OPC(过程控制对象链接与嵌入)技术,将数据传送到采集容错模块中进行容错处理,经数据提取与处理模块完成数据提取与处理后,传输到业务单元的机组性能计算模块中,利用增量式遗传算法的分类规则挖掘火电厂能耗数据,经SMOTE算法缺失数据填补后,将数据输入到耗差分析数据库服务器中进行耗差分析,通过TCP/IP协议将耗差分析结果传输至应用单元浏览器,呈现火电厂智慧化耗差分析结果显示。实验表明,该系统可快速挖掘火电厂能耗数据,分析不同工况下的火电厂各月份能耗与耗差,并可通过界面实时监测火电厂耗差变化情况,优化火电厂机组运行。
焦开明夏尊宇周亚男徐亚豹
关键词:分类规则挖掘智慧化耗差分析
基于双链量子遗传优化的分类规则挖掘算法被引量:5
2021年
针对采用传统智能优化算法挖掘分类规则时易出现分类精度不理想、噪声容忍度差等情况,提出一种基于双链量子遗传优化分类规则挖掘算法.采用双链量子位对分类规则进行实数编码,通过解空间变换将量子位概率幅映射到相应实数集,根据目标函数梯度变化确定量子旋转门转角,并利用量子非门进行个体变异.选取UCI数据库中9组分类数据集对所提出算法分类性能进行测试,结果表明,所提出算法具有较好的分类精度和噪声容忍度.
张宇献陈向文钱小毅
关键词:分类规则挖掘量子旋转门
基于分类规则挖掘的数据多标记特征分层识别被引量:3
2021年
面对多标签的大数据集,传统的分类识别方法识别质量不高,现提出基于分类规则挖掘的数据多标记特征分层识别方法。利用改进后的LLE(局部线性嵌入)方法进行数据降维处理,搜索数据特征,并对数据多标记特征选择,构成特征子集,根据特征子集,利用分类规则挖掘方法构建一个分类识别模型,实现数据多标记特征分层识别。结果表明,与传统方法相比,所研究方法识别下,汉明损失度最小,数据多标记特征分层识别准确度最大,说明上述方法的识别质量较高,达到了研究的预期目标,为数据利用和挖掘提供了参考和借鉴。
朱方娥郭建方曹丽娜
关键词:分类规则挖掘免疫算法
基于扩展概念格的带约束关联分类规则挖掘方法被引量:1
2021年
提出一种改进的带约束的关联分类规则挖掘方法.采用扩展概念格结构存储数据库中全部的频繁项集以保证信息不丢失,通过相关定理削减大量候选项目集,并引入差集概念加快了对类属性的支持度和置信度计算速度,从而加快格构建过程,同时减少了格结点占用空间,在之前构建完成的扩展概念格上根据给定的约束条件进行规则提取.在三种不同的数据集上对所提出的方法进行挖掘时间与内存使用测试,并与已有关联分类算法进行对比分析,实验结果表明所用方法不仅在时间和空间上性能良好,还满足重用性要求.
翟悦翟悦于文武
关键词:数据挖掘扩展概念格差集
权重模糊粗糙集的分类规则挖掘算法被引量:6
2019年
针对粗糙集分类规则挖掘算法LEM2剪枝条件过于严格的问题,提出一种权重模糊粗糙集的改进规则挖掘算法。在用例带权重的模糊粗糙集理论框架上分析面向混合数据的分类规则挖掘算法,引入粗糙集模型的近似覆盖参数作为挖掘算法的泛化度量参数,实现对规则集数量和规则形式复杂程度的调节。实验结果表明,与LEM2算法和DataSqueezer算法相比,该算法的平均精度和平均召回率更优,分别为81 %和80 %,且生成规则的平均长度最短。
李抒音刘洋
关键词:知识发现粗糙集理论
双链量子遗传算法在分类规则挖掘中的应用
数据分类是一种根据输入数据集建立分类模型的系统方法,分类规则挖掘又是数据分类的重要研究方向。由于进化算法展现出的优越性能,自遗传算法实现分类规则挖掘后,许多进化算法如决策树分类法、神经网络、朴素贝叶斯、群类算法和基于规则...
陈向文
关键词:分类规则挖掘鲁棒性分析
基于粒子群优化算法的分类规则挖掘研究
2017年
对基于粒子群优化算法的分类规则挖掘技术作了研究,分析了分类规则的构造,在给出了分类规则编码的基础上,改进了分类规则适应度函数,进而设计了基于粒子群优化算法的分类器方案,并通过学校评教数据集样本对该分类器进行了测试,结果表明文章提出的基于粒子群优化算法的分类规则构造是一种有效、可行的设计构造方案。
李俊林
关键词:粒子群优化算法评教
分类规则挖掘在金融中的应用
随着金融业务的发展,业务变化越来越频繁,仅依赖业务专家总结业务规则的速度已经难以跟上业务变化的速度,采用数据挖掘的方法辅助业务规则快速发现和验证具有重要的实际应用价值。本文以一个大型银行对账系统的规则挖掘为背景,系统研究...
吴旖雯
关键词:金融业务分类规则挖掘
基于GEP的分类规则挖掘
2016年
分类规则挖掘方法和回归问题的区别在于分类规则挖掘的目标属性是离散的标称值,而回归问题的目标属性是连续和有序的值。主要介绍了用GEP实现分类规则挖掘的两种主要方法,并分析了如何对适应度函数进行改进以挖掘易于理解的分类规则
付红伟
关键词:GEP适应度函数
云计算环境下的分类规则挖掘方法
本发明公开了一种云计算环境下的分类规则挖掘方法,其特征在于:采用由一个控制中心和多个从属服务器构成的主从式组织结构,首先由控制中心将待分类数据集划分为训练样本和测试样本,并将训练样本均匀划分为相同大小的各数据块分配到各处...
杨善林丁静罗贺丁帅徐达宇范雯娟

相关作者

谢娟英
作品数:95被引量:905H指数:16
供职机构:陕西师范大学计算机科学学院
研究主题:聚类 聚类算法 初始聚类中心 支持向量机 特征子集
邝艳敏
作品数:4被引量:5H指数:1
供职机构:河南工业大学信息科学与工程学院
研究主题:数据挖掘 分类规则挖掘 遗传算法 混合算法 蚁群算法
邢乃宁
作品数:5被引量:52H指数:2
供职机构:南京师范大学计算机科学与技术学院
研究主题:数据挖掘 分类规则挖掘 数据库 遗传算法 粗集理论
彭慧伶
作品数:13被引量:33H指数:4
供职机构:洛阳理工学院计算机与信息工程系
研究主题:关联规则 数据挖掘 关联规则挖掘 XML 可视化
刘发升
作品数:43被引量:172H指数:7
供职机构:江西理工大学信息工程学院
研究主题:数据挖掘 关联规则 粗糙集 聚类 数据库