针对K-均值聚类算法对初始值敏感和易陷入局部最优的缺点,提出了一个基于自适应杂交差分演化模拟退火的K-均值聚类算法。该算法以差分演化算法为基础,通过模拟退火算法的更新策略来增强全局搜索能力,并运用自适
由于原始海量数据规模较大,聚类算法难以实现,而且聚类分析有时候只考虑关键属性作为分类参数。因此提出了一种对原始数据先进行属性约简,再聚类分析的策略,可以在一定程度上消除数据对象中的冗余属性,改善聚类分
基于属性加权的ML-KNN算法改进,高文鹏,张彬,ML-KNN是应用朴素贝叶斯分类到KNN算法中解决多标记学习问题的一种算法,算法简洁、分类准确率高,相较其他成熟的多标记算法性能更优
基于属性约简的Entropy-KNN改进算法,赵晓丽,韦凌云,为降低维度灾难对分类算法效率和准确率的影响,本文提出基于属性约简的Entropy-KNN改进算法,将信息论中的信息熵理论与KNN算法结合起
针对噪声或者离群点通常会增加矩阵的秩的问题,提出一个在低秩限制下的基于超图的稀疏属性选择算法。算法利用其他属性稀疏地表达每一个属性来获得属性自表达系数矩阵,再利用超图正则化因子获取数据的局部结构,将子
聚类是一种无监督的机器学习方法,其任务是发现数据中的自然簇。共享最近邻聚类算法(SNN)在处理大小不同、形状不同以及密度不同的数据集上具有很好的聚类效果,但该算法还存在以下不足:(1)时间复杂度为O(
探讨了贪心及其改进算法、基于属性重要性、基于信息熵和基于聚类四类连续属性离散化算法,并通过实验验证这四类算法的离散化效果。实验结果表明,数据集离散化的效果不仅取决于使用算法,而且与数据集连续属性的分布
随着密码学技术不断发展,基于属性的密码学作为密码算法的新概念,近年来受到广泛关注。但是,已提出的基于属性的加密方案大都是基于大整数分解和离散对数问题等传统数学问题之上的公钥密码方案,这些方案存在运算效
分析多属性决策问题,提出了基于最小二乘支持向量机的多属性决策方法。该方法从决策问题本身出发,构造学习样本,再通过最小二乘支持向量机拟合出多属性效用函数,从而实现对方案的排序。该模型与支持向量机相比,参
这是一种以属性加密和密文检索为基础的安全云存储系统,由刘建华提出。该系统通过属性加密技术,能够对用户上传的文件进行加密处理,确保文件的安全性。同时,系统还支持密文检索,可以在保护用户隐私的前提下,有效