期刊文献⁺

任意字段

题名或关键词

题名

关键词

文摘

作者

第一作者

机构

刊名

分类号

参考文献

作者简介

基金资助

栏目信息

浅谈高维数据挖掘的现状与方法

下载PDF

导出

摘要数据挖掘出现于20世纪80年代后期,是数据库研究中一个很有应用价值的领域.随着大数据出现,高维数据的挖掘成为了热点和难点。本文在介绍传统数据挖掘的基础上,介绍了高维数据的特点以及目前面临的问题,高维数据挖掘最新研究的情况,并在此基础上进行了总结和展望。

作者李泽安

机构地区南通大学杏林学院南通大学计算机学院

出处《福建电脑》 2014年第7期9-9,147,共2页 Journal of Fujian Computer

基金南通大学杏林学院自然科学项目资助(2012K116和2012K108)

关键词数据挖掘高维数据挖掘稀疏性

分类号 TP311.13 [自动化与计算机技术—计算机软件与理论]

引文网络
相关文献

参考文献2

1李泽安,葛建芳,章雅娟.Beta回归模型在数据挖掘预测中的应用[J].南通大学学报（自然科学版）,2009,8(3):83-85. 被引量：36
2郑世明,苗壮,宋自林,陈立.网格环境下基于WEKA4WS的分布式矩阵关联规则挖掘算法[J].南通大学学报（自然科学版）,2010,9(3):76-82. 被引量：2

二级参考文献9

1赵为华,郭跃华.数据删除模型与均值漂移模型的等价性推广[J].南通大学学报（自然科学版）,2006,5(3):97-99. 被引量：5
2刘以安,羊斌.关联规则挖掘中对Apriori算法的一种改进研究[J].计算机应用,2007,27(2):418-420. 被引量：53
3Ferrari S L P, Cribari-Neto F. Beta regression for modeling rates and proportions [J]. Journal of Applied Statistics, 2004, 31: 799-815.
4Espinheira P L. Influence diagnostics in Beta regression [J]. Computational Statistics and Data Analysis, 2008, 52 (9): 4417-4431.
5Griffiths W E, Hill R C, Judge G G. Learning and practicing econometrics [ M ]. New York: Wiley, 1993.
6McCullagh P, Nelder J A. Generalized linear models [M]. London: Chapman & Hall, 1989.
7李爱萍,解锋昌,刘应安.Beta回归模型的影响诊断[J].高校应用数学学报（A辑）,2007,22(3):293-300. 被引量：2
8GIUDIEI P．实用数据挖掘[M]．袁方，王煜，王丽娟，译．北京：电子工业出版社，2004：53-55．
9张向锋,丁斗章.基于免疫学习算法的Web数据挖掘方法[J].上海电机学院学报,2007,10(3):213-216. 被引量：4

共引文献35

1吴伟雄,吕效国.Max(X,Y)和Min(X,Y)的密度公式[J].高等函授学报（自然科学版）,2010,23(3):112-113.
2吕效国,索淑文,祁正萍,吴梅君,吕大梅.自回归预测模型参数的“折扣”最小二乘估计及其应用[J].数学的实践与认识,2010,40(5):115-123.
3陈新泽,吕效国.老坝港综合养殖场2010年产值预测[J].畜牧与饲料科学,2010,31(2):94-95.
4吉海兵,吕效国,周培,索淑文.加权季节性指数法及其应用[J].数学的实践与认识,2010,40(12):80-82. 被引量：1
5王晓燕,吕效国,浦燕.资本资产定价模型的改进及在中国股市的实证分析[J].数学的实践与认识,2010,40(13):32-36. 被引量：5
6潘黎明,吕效国,许明雅.南通城乡居民生活质量水平层次结构的预测分析[J].畜牧与饲料科学,2010,31(4):144-145. 被引量：1
7周培,吕效国.用折扣最小二乘准则建立自回归模型预测门诊人数[J].高师理科学刊,2010,30(4):11-11. 被引量：1
8杨天琪,潘志勇,吕效国.南通市城乡居民生活质量状况影响因素的层次分析[J].畜牧与饲料科学,2010,31(5):3-4.
9吕效国,王金华,马阿芹,索淑文.自回归模型的自回归分析及其应用[J].扬州大学学报（自然科学版）,2010,13(3):31-33. 被引量：8
10林道荣,朱月萍,王金华,吕效国.指导大学生参加数学课外科技活动的研究[J].高等函授学报（自然科学版）,2010,23(5):10-12.

1虞翔,李青.大数据环境下的高维数据挖掘在入侵检测中的有效应用[J].电脑编程技巧与维护,2016(22):57-58. 被引量：1
2李郁林.高维数据挖掘中的聚类算法研究[J].电脑与电信,2012(11):47-49.
3姜请超.高维数据中频繁项集生成算法的研究[J].软件（教学）,2015,0(1):73-73.
4陈慧萍,王煜,王建东.高维数据挖掘算法的研究与进展[J].计算机工程与应用,2006,42(24):170-173. 被引量：8
5曾令华,欧阳开翠.高维数据挖掘在入侵检测中的应用[J].网络安全技术与应用,2005(8):41-43. 被引量：2
6沈萍.高维数据挖掘技术研究[J].电脑知识与技术（过刊）,2009,0(6):1301-1303. 被引量：1
7林书亮.高维数据挖掘中基于稀疏回归的嵌入式特征提取方法[J].中国西部科技,2013,12(12):25-27. 被引量：1
8田祥宏,陈正宇.大数据环境下的高维数据挖掘技术研究[J].自动化与仪器仪表,2016(3):100-101. 被引量：7
9杨静,赵家石,张健沛.一种面向高维数据挖掘的隐私保护方法[J].电子学报,2013,41(11):2187-2192. 被引量：20
10欧阳开翠,曾令华.一种基于高维数据挖掘的入侵检测方案[J].重庆科技学院学报（自然科学版）,2005,7(4):61-64. 被引量：1

福建电脑

2014年第7期

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...

;

使用帮助返回顶部