不完备数据相关论文
精确的犯罪热点探测技术对于城市公共安全管理与警力部署有着重要的决策支持作用，但由于城市犯罪的偶发性与隐蔽性，犯罪行为通常无法......
分类问题,如垃圾邮件检测、疾病自动诊断、信用卡诈骗识别等,是机器学习领域的核心基础问题。现有分类方法通常设计一个参数化模型......
在大数据时代,数据多呈现多源异质异构的特点,多源数据能够为数据分析提供更丰富、更全面的信息。跨模态聚类作为多源数据的基本分......
随着新兴信息技术的高速发展,数据存储的规模表现出前所未有的增长速度。大数据环境下的数据不仅仅表现出数据规模急剧膨胀,同时也......
统计关系学习是人工智能领域的一个新研究热点，其目的是在多关系的数据集中挖掘出数据中的统计关系模型。统计关系学习是集关系、逻......
经典粗糙集理论是一种处理完备数据的数学工具。由于数据的测量误差、对数据提取的限制等原因,导致不完备、不确定的数据随处可见,......
大数据时代,面向海量数据的数据挖掘正受到各行各业的广泛关注和应用。数据不但在量上呈现爆炸性增长,而且在内容和形式上也日益复......
随着科学技术的快速发展,我国已进入了信息时代。近些年数据爆发式地增长,数据的存储及获取能力有了很大的提高。对于如何从这些数......
针对现有层次聚类算法难以处理不完备数据集,同时考虑样本与类簇之间的不确定关系,提出一种面向不完备数据的集对粒层次聚类算法-S......
充分利用缺失数据中所包含的信息,提出了一种新的分裂属性的选择标准建立决策树.用户提供一定的资源后,通过访问该决策树,最大限度......
在遥感监测和传感信息服务等场景中,会出现数据缺失,为了提高信息服务系统中不完备数据集缺失数据的恢复能力,提出一种基于局部加......
对不完备数据的处理一直是数据分析和模式识别领域的重要研究内容。在现实世界中,受噪声、人为错误等主客观因素的影响,获取的数据......
随着信息技术的不断发展和自动化水平的不断提高,许多领域都出现了拥有海量数据的信息系统.这些数据信息系统中通常隐藏着大量对决......
给出了如何利用已知数据集,在因果图结构已知的条件下学习或估计出连接强度的方法,包括完备数据情形。采用贝叶斯方法,利用后验分......
贝叶斯网络是用于表示不确定变量之间潜在依赖关系的图形模型。结构学习是贝叶斯网络学习的核心。有效的结构学习方法和算法是构建......
目前,在结构已知情况下,贝叶斯网的参数学习算法及数据完备时的贝叶斯网的结构学习算法比较成熟,但是从不完全数据中学习贝叶斯网......
近年来,对不完备数据的处理引起了人们的广泛关注。目前,在粗糙集理论中已经提出了多种不完备数据补齐方法,这些方法通常需要计算......
现有的基于粗糙集的数据补齐方法在计算任意两个对象之间的相似性时并没有考虑不同条件属性之间的差异性。针对这一问题，引入一种新......
聚类是数据挖掘的重要技术之一，在许多实际应用领域，由于数据获取限制，数据误读，随机噪音等原因会造成大量的缺失数据，形成数据集的不完......
本文总结了缺失数据产生的原因及处理缺失数据的重要性，分析讨论了针对不同缺失数据类型的处理方法、策略：给出了缺失数据填补的标准......
在故障诊断中,从不完备数据中获取规则要比从完备数据中获取规则困难,提出一种直接从不完备数据中获取最优广义诊断决策规则的粗糙......
在分析已有不完备信息熵的基础上，提出一种基于相似关系的不完备信息熵，并证明该信息熵的若干性质．给出一个不完备数据特征选择算法，算......
针对不完备弱标记数据的学习问题，提出基于粗糙集理论的半监督协同学习模型．首先定义不完备弱标记数据的半监督差别矩阵，提出充分、具......
针对已获得的航电装备测试数据中存在不完备数据的问题,在分析不完备决策表和差别矩阵属性约简的基础上,给出了一种在航电装备故障......
本文在对粗集理论进行深入研究的基础上,依据决策规则独立原则,提出了一种改进的ROUSTIDA算法,有效地解决了原算法可能存在的决策......
在信息化时代,如何从海量数据中挖掘出有价值的信息,已经成为信息科学技术领域的核心研究课题之一。聚类分析作为数据挖掘的一个重......
提出了一种基于粗糙集的不完备测试数据填补方法。该方法首先利用粗糙集中下近似集的性质对随机生成的测试数据进行填补，然后根据属......
针对采集样本中某些特征缺失无法为已有密闭鼓风炉的故障诊断模型所用的问题,建立了基于案例推理技术的相似度测量和支持向量机的......
在故障诊断中,从不完备数据中获取规则要比从完备数据中获取规则困难。利用给出的分辨矩阵基元的定义,提出了一种直接从不完备数据......
人工免疫识别系统（AIRS）是受生物免疫系统的启示而研发的一种比较有效的分类器，但也存在记忆细胞数目过于庞大，分类精度不高，特别是在数......
随着大数据时代的到来,数据挖掘逐渐成为创新研究的热点。数据挖掘,是在大数据中发现数据的潜在关系,从而实现价值评估和决策指导......
识别公交客流特征是提高短时预测质量的关键。但由于设备故障、数据收集受限等原因,客流数据属性往往是不完备的,这给特征识别和客......
在数据挖掘领域中,对不完备数据进行补全,能够有效修复残缺的信息,提高挖掘效率和建模成功率。在大数据场景下,数据缺失机制的复杂......
传统的储层预测需要耗费大量的时间且对研究人员的专业能力要求极高,采用人工智能方法实现储层预测可以有效地改善预测效率.然而,......
回 回 产卜爹仇贱回——回 日E回。”。回祖 一回“。回干 肉果幻中 N_。NH lP7-ewwe--一”＄ MN。W;- __._——————》 砧叫]们......
回 回 产卜爹仇贱回——回 日E回。”。回祖 一回“。回干 肉果幻中 N_。NH lP7-ewwe--一”＄ MN。W;- __._——————》 砧叫]们......
贝叶斯网将概率论和图论有机结合,用一种紧凑的形式表示联合概率分布。具有完备的语义和坚实的理论基础,目前已成为人工智能领域处......
模糊聚类是模式识别领域的研究热点之一,主要用于识别数据内在结构。相似性度量是模糊聚类算法中的一个关键问题,常用方法,如欧氏......
对大数据分析下的不完备数据进行填补,能够有效提高数据的利用率。对不完备数据进行多重准确填补,需要计算所有数据的向量属性均值......
在许多实际场景中,由于数据获取困难、数据误读、数据丢失以及随机噪音等因素导致大量的数据缺失.针对传统的聚类算法无法直接处理......
多标记数据的特征选择是机器学习和数据挖掘领域的重要研究内容,当前对于多标记数据的特征选择研究大多是针对完备性数据,但在许多......
信息时代产生了海量的数据,这些数据中蕴含着许多有价值的信息,但也存在各种数据质量问题。由于在数据的获取、记录和保存的过程中......
计算机断层成像技术(Computed Tomography,简称CT),利用采集不同角度下X射线穿过受测物体的衰减信息,经过二维或三维重建物体获得......
模糊C均值聚类已广泛应用于模式识别、图像处理等领域。在现实生活中,由于数据遗漏、数据获取限制等原因,所获得的数据集通常含有......
缺失数据的处理是数据挖掘领域进行数据预处理的一个重要问题.传统的缺失数据填补方法大部分是基于概率分布等一些统计假设,对于大......
本文针对基于图像分割的双能CT不完备数据重建算法,提出了图像分割过程和方程组求解环节是优化算法的两个关键点,同时给出了初步优......
Rough集方法是一种处理不确定或模糊知识的重要工具。本文对基于Rough集理论中的差异矩阵进行了研究。在引入扩充差异矩阵的基础上......
