基于中心距序降维的聚类算法

为提高金融业务数据集上的聚类质量和聚类效率,提出簇的直径、簇间的相似度这2个概念。利用距离尺度降维的中心距序降维法,将多维数据降至一维,在一维上利用自适应排序聚类算法ASC聚类。该算法和传统的Cobweb算法、K-means算法做对比,实验表明该方法能提高簇间相似度,最大提高200%。     

中小学信息技术课程教学层次分析的

2000年12月,教育部决定,从2001年秋季开始,在全国中小学逐步实施信息技术教育,同时下发了《中小学信息技术课程指导纲要》(试行),作为指导中小学信息技术教育的纲领性文件。为了帮助广大中小学信息技术课教师深刻理解《指导纲要》的内涵和实质,准确地把握中小学信息技术课程的教学内容和特点,提高中小学信息技术教学的质量和水平,现就中小学信息技术课程的教学层次做一个初     

一种基于粗集的文本数据特征信息的挖掘方法

1.引言随着Internet的飞速发展,人们的信息交流越来越多地依赖于网络,人们在网上发表自己的意见和见解、相互讨论各种问题、交流情感和思想。在网上传输的这些数据中,大量涉及到的是文本数据,网络应用的普及使得文本数据呈现出高速膨胀的态势,面对浩瀚的文本大海,人们迫切需要快速、准确地从需要的文本数据中了解其观点、思想或热点问题等等。例如,在远程教育中,教师可能面对的是成百上千个学生,教师希望快速地从学生的讨论和交谈中寻找学生集中关心的问题,以便及时回答和调整教学。又如,出于国家安全的考虑,需要对类似于BBS的公众论坛的文档进行鉴别,以便进行有效地监督和管理。以上问题所涉及的都需要高效、快捷地对文本数据进行特定的信息挖掘。     

粗糙随机信息系统可测性的研究

1 引言在知识发现、智能决策、综合评价和自动推理等应用领域,人们经常会遇到这样一类不确定性问题:某个需要处理的事件的出现带有随机性,但在寻找它出现的概率时却发现对它的描述不够精确,例如某些疑难病症的诊断、对知识产品的价值评价等。对于这类事件,由于缺乏足够的信息来精确描述这些事件,使得我们无法用通常的概率统计方法来准确地加以计算。我们称带有这样一类不确定性事件的信息系统为粗糙随机信息系统。文[1]中从概率论与粗糙集理论的结合中给     

基于动力学聚类技术的银行信贷风险挖掘

借鉴物理学中动力学原理,提出基于动力学理论的聚类参数挖掘策略,并应用于银行贷款数据风险评估.定义了聚类动力学参数挖掘概念、g-平均、簇的θ-相似、风险相似度等概念,提出基于聚类动力学参数挖掘的聚类策略挖掘算法CSMA(clustering strategy mining algorithm),分析了该策略在不同参数下对实验结果的影响.实验结果表明,CSMA策略使得聚类分析的精度提高了9%～13%.     

基于粗集的不确定性知识表示的精确性和关联性的研究

1 引言不确定性知识的表示和处理是人工智能研究中一项重要的带有基础性的工作。人们对常见的不确定现象进行了分析总结,针对各种不确定现象的特点提出了一些相应的处理方法,如DS证据理论、模糊集方法、主观Bayesian方法等,然而这一切都没有涉及不确定性的本质,因而在处理起来往往显得有点力不从心的感觉。人们一般认为不确定性可以理解为缺少足够的信息作出判断,那么从本质上怎样认识这种“缺少”呢?显然,上面提到的方法都没能在这点上取得突破.1982年,波兰科学家Z.Pawlak提出的粗集理论为揭示不确定性的本质提供了新的思路,按照粗集的观点,某个知识系统是人们按照一系列相应的特征对论域的划分,这种划分使得知识系统呈现出颗粒性,由于知识的颗粒性,使得人们在表达知识时就可能出现因颗粒太大而导致不能精确完整地表达某一知识的情形出现,这就是我们所看到的“缺少足够的信息”的原因所在。