您的位置： 专家智库 > >

张雪凤

作品数：4 被引量：75H指数：3
供职机构：上海财经大学信息管理与工程学院更多>>
发文基金：国家教育部“211”工程更多>>
相关领域：自动化与计算机技术更多>>

合作作者

文献类型

  • 3篇期刊文章
  • 1篇会议论文

领域

  • 4篇自动化与计算...

主题

  • 2篇信息增益
  • 2篇数据处理
  • 2篇朴素贝叶斯
  • 2篇朴素贝叶斯分...
  • 2篇朴素贝叶斯分...
  • 2篇缺失数据
  • 2篇缺失数据处理
  • 2篇分类器
  • 2篇改进K-ME...
  • 2篇贝叶斯
  • 2篇贝叶斯分类
  • 2篇贝叶斯分类器
  • 2篇K-MEAN...
  • 1篇医疗数据
  • 1篇数据集
  • 1篇数据挖掘
  • 1篇缺失值
  • 1篇最大化
  • 1篇聚类
  • 1篇决策树

机构

  • 4篇上海财经大学

作者

  • 4篇刘鹏
  • 4篇张雪凤
  • 2篇雷蕾
  • 1篇张桂珍

传媒

  • 1篇计算机工程与...
  • 1篇计算机科学
  • 1篇山东大学学报...

年份

  • 1篇2011
  • 1篇2010
  • 2篇2004
共 4 条 记 录，以下是 1-4
全选 清除 导出
排序方式：
缺失数据处理方法的比较研究
数据挖掘已被广泛用于医疗领域,而大多数医疗数据集都存在缺失值。本文介绍了一些缺失值估计算法。建立了5种模型来提高预测的有效性,它们是保留缺失模型、直接丢弃模型、贝叶斯补缺模型、贝叶斯重叠补缺模型和基于信息增益的贝叶斯重叠...
刘鹏雷蕾张雪凤
关键词：数据挖掘缺失值朴素贝叶斯分类器信息增益
文献传递
基于聚类准则函数的改进K-means算法被引量：41
2011年
K-means算法所使用的聚类准则函数是将数据集中各个簇的误差平方值直接相加而得到的,不能有效处理簇的密度不均且大小差异较大的数据集。为此,将K-means算法的聚类准则函数定义为加权的簇内标准差之和,权重为簇内数据对象数占总数目的比例。同时,调整了传统K-means算法将数据对象重新分配给簇的方法,采用一个数据对象到中心点的加权距离代替传统K-means算法中的距离,将数据对象分配给使加权距离最小的中心点所在的簇。实验结果表明,针对模拟数据集的聚类,改进K-means算法可以明显减少大而稀的簇中数据对象被错误地分配到相邻的小而密簇的可能性,改善了聚类的质量;针对UCI数据集的聚类,改进算法使得各个簇更为紧凑,从而验证了改进K-means算法的有效性。
张雪凤张桂珍刘鹏
关键词：K-MEANS算法
基于类间差异最大化的加权距离改进K-means算法被引量：3
2010年
为了改善K-means算法的聚类效果,将聚类准则函数定义为加权的类内误差平方总和SSE(sum of thesquared error),并调整了K-means算法迭代过程中重新分配数据对象的方法:使用一个带有类内数据对象数的加权距离作为重新分配数据对象的依据,同时按类间差异最大化为准则优化了加权距离中的参数。实验表明,改进后的K-means算法可以在很大程度上减少大类被拆分情况的发生,明显改善聚类效果。
张雪凤刘鹏
关键词：K-MEANS算法聚类加权距离
缺失数据处理方法的比较研究被引量：31
2004年
数据挖掘已被广泛用于医疗领域,而大多数医疗数据集都存在缺失值。本文介绍了一些缺失值估计算法。建立了5种模型来提高预测的有效性,它们是保留缺失模型、直接丢弃模型、贝叶斯朴缺模型、贝叶斯重叠补缺模型和基于信息增益的贝叶斯重叠补缺模型。这些模型在Clinics数据集上进行了处理和分析。用C4.5决策树和10叠交叉确认法来检验这些模型的性能,结果表明根据信息增益递减顺序排序,用朴素贝叶斯分类器来预测缺失值是有效的。
刘鹏雷蕾张雪凤
关键词：信息增益朴素贝叶斯分类器决策树数据集医疗数据
全选 清除 导出
共1页<1>
聚类工具0