面向高維數(shù)據(jù)挖掘的特征選擇方法研究_圖文_第1頁
面向高維數(shù)據(jù)挖掘的特征選擇方法研究_圖文_第2頁
面向高維數(shù)據(jù)挖掘的特征選擇方法研究_圖文_第3頁
面向高維數(shù)據(jù)挖掘的特征選擇方法研究_圖文_第4頁
面向高維數(shù)據(jù)挖掘的特征選擇方法研究_圖文_第5頁
已閱讀5頁，還剩10頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認領(lǐng)

文檔簡介

1、中山大學(xué)碩士學(xué)位論文面向高維數(shù)據(jù)挖掘的特征選擇方法研究姓名:孫婧昊申請學(xué)位級別:碩士專業(yè):計算機軟件與理論指導(dǎo)教師:印鑒20060608 要的是要求所得的知識有可實用性,即這些信息或知識對于所討論的業(yè)務(wù)或研究領(lǐng)域是有效的,是有實用價值和可實現(xiàn)的。常識性的結(jié)論,早已被人們或競爭對手掌握的或無法實現(xiàn)的事實都是沒有意義的。1.2數(shù)據(jù)挖掘的應(yīng)用與發(fā)展1.2.1數(shù)據(jù)挖掘的技術(shù)和方法數(shù)據(jù)挖掘方法是由人工智能、機器學(xué)習(xí)的方法發(fā)展而來,結(jié)合傳統(tǒng)的統(tǒng)計分析方法、模糊數(shù)學(xué)方法以及科學(xué)計算可視化技術(shù),以數(shù)據(jù)庫為研究對象,形成了數(shù)據(jù)挖掘方法和技術(shù)。下圖是摘自K的關(guān)于常用數(shù)據(jù)挖掘技術(shù)使用狀況的一份調(diào)查(2003.111

2、。 Decision Trees/Rules(120Clustering(93Statistics(92Neural networks(71Logistic regression(69Visualization(55Association rules(42Nearest neighbor(38Text mining(30Web mining(29Bayesian nets/Naive Bayes(24Sequence analysis(24SVM(Snpport Vector Machine(24Hybrid methods(23Genetic algorithms(12Other(22圖1.2KDnuggets:Polls Data mining techniques(Nov2003從此圖看出,當(dāng)前世界流行的數(shù)據(jù)挖

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論