![高维模型的变量选择与稀疏正则化]()
论文摘要变量选择是统计建模中的一个重要环节.为了能够全面地分析问题,人们总是尽可能地收集与研究问题相关的变量.在建模过程中,过多的变量,不仅会使模型变得复杂,而且会降低模型的解...
![聚类融合算法及其应用研究]()
论文摘要聚类分析是数据挖掘的一个重要研究领域,已被广泛应用于统计学、生物学和市场营销等领域。目前学者已经提出了许多聚类算法。然而传统的聚类算法常常遭遇“维度效应",导...
![基于遗传算法进行高维数据聚类的新算法]()
论文摘要数据挖掘,是从大量数据中获取有效的、新颖的、潜在有用的、最终可理解的模式的非平凡过程。它是一种透过数理模式来分析海量信息,找出不同的数据划分来提供决策支持的方法。数据挖...
![基于信息熵的高维分类型数据子空间聚类算法研究]()
论文摘要随着大规模数据存储技术、信息技术和网络技术的发展,越来越多的人正陷入数据泛滥、知识匮乏的困境中。为满足日益增长的信息需求,促使数据挖掘技术广泛地应用于各行各业。聚类分析...
![高维数据聚类若干关键问题研究]()
论文摘要聚类的发展是分类学、社会科学、心理学、生物学、统计学、数学、计算机科学等多学科交叉融合的结果,不同聚类方法的区别主要在于对象之间相互关系定义的不同。经典的聚类方法大多是...
![高维混合类型数据聚类算法研究]()
论文摘要在很多领域中，用于数据挖掘的数据集通常具有较高的维度。现有大多数经典聚类算法在较低维度运行时效果很好，但是，随着维度的增加，性能和效率就会明显的下降，因为算法的复杂度随...
![一种健壮的ISOMAP算法及其应用]()
论文摘要DNA微阵列产生巨量的表达谱数据,用以挖掘特定的生物信息,而对表达谱数据的分析离不开有效而可靠的可视化算法。ISOMAP是一种新的非线性降维方法,应用它可以发现隐藏在高...
![子空间聚类改进方法研究]()
论文摘要聚类分析作为数据挖掘的核心任务,具有广泛的应用领域。研究人员根据不同应用提出了大量算法,其中包括划分方法、层次方法、基于网格的方法、基于密度的方法等。目前,大规模、高维...
![选择性贝叶斯分类算法研究]()
论文摘要分类是模式识别、机器学习以及数据挖掘中一项基本而又重要的任务。在众多的分类方法中,贝叶斯分类方法因建立在贝叶斯统计学和贝叶斯网络基础上,能够有效地处理不完整数据,并且具...
![高维数据挖掘在天体粗分类中的应用]()
论文摘要天体光谱蕴含着天体重要的物理信息，通过光谱的研究，人们可以定性或定量地测定天体的化学成分，直接或者间接地确定天体的表面温度，光度，直径，质量，研究天体的视向运动和自转。...
![高维孤立点检测算法研究]()
论文摘要孤立点检测是数据挖掘的一个重要方面,因其独特的知识发现功能而得到较为深入的研究。孤立点检测算法已经在金融欺诈检测、网络入侵检测、生态系统失调、天气预报等风险控制领域得到...
![陈鼎：协方差矩阵成比例的假设检验论文]()
本文主要研究内容作者陈鼎（2019）在《协方差矩阵成比例的假设检验》一文中研究指出：在多元统计分析中,除了球形检验,单位阵检验和协方差矩阵相等的检验以外,我们有时还需要检验协方...
![李顺勇：不同协方差下高维数据的MANOVA检验问题论文]()
本文主要研究内容作者李顺勇,王一静（2019）在《不同协方差下高维数据的MANOVA检验问题》一文中研究指出：在数据维数远大于样本量下的高维总体均值假设检验问题中,为了使检验结...
