排序方式: 共有10条查询结果,搜索用时 15 毫秒
1
1.
由于数据集规模、维数,以及复杂程度的不断提高,导致对其离群点的挖掘难度越来越大,提出了基于邻域密度的局部离群点挖掘算法.首先依据节点计算性能对高维数据进行区域分割,通过各个维度的数据分布来评价区域分割的效果.然后采取核密度来描述局部密度,根据高斯分布得到数据出现次数,进一步计算出数据邻域密度.再由邻域及密度关系计算得到各数据离群度,从而判断异构数据中的离群点.最后针对可能存在的离群误判情况,采取离群分数计算,为增强此过程的检测性能,利用权重进行剪枝处理.人工与UCI数据集上的仿真结果表明,当数据量和数据维数改变时,算法对离群点挖掘的准确度几乎不受影响,挖掘时间和覆盖率指标也显著优于其它方法;同时对于不同类型和复杂度的异构数据,算法仍然保持良好的挖掘准确度和效率. 相似文献
2.
3.
本文以河南中医学院软件职业技术学院计算机类专业教学和学习现状为例,根据调查数据和分析结果,从“教”和“学”的角度分析了当前高职高专计算机类专业教学现状、特点及存在的问题.然后,从日常层面教育、研究教学实践对策、创新教学方法、探索校企合作,以及将计算机专业的教学与行业背景相结合,培养行业背景特色的计算机应用型人才等几个方面对软件类高职生专业课的“教”、“学”过程进行了思考和探讨,提出了相关对策.同时,还将学院在此方面所取得的经验和成效予以简要介绍,以供参考. 相似文献
4.
5.
针对传统方法在检测离群点时常因冗余数据的干扰而导致检测用时较长、检测准确率偏低的问题,设计了基于神经网络的大规模数据集离群点检测算法.采用核主成分分析方法对大规模数据集进行降维处理,去除其中存在的冗余数据,利用神经网络在误差函数的基础上实现对离群点的检测.结果表明:该算法的检测时间始终低于0.4 min,且检测准确率始终保持在90%以上,说明该算法能够快速、准确地检测大规模数据集中的离群点. 相似文献
6.
本文针对高职高专计算机类专业在教学过程中出现的相关问题,以实际调查数据为基础,结合日常教学中观察,分析了当前高职高专计算机类专业教学现状、特点及存在的问题。然后,从加强日常教育、改进教学方法和手段、运用适合职业教育特点的教学策略,以及加强校企合作、走培养有特色的具体领域的信息技术应用人才等几个方面提出了教和学的思考和对策。 相似文献
7.
Web Service课程是一门理论性较强的课程,学生在学习过程中存在很多困惑,针对这一问题,本文通过分析医学院校的学生特点,在教学实践中运用一些形象直观的语言和例子帮助学生降低学习难度,提高教学效果。 相似文献
8.
9.
10.
1