-
题名基于不完备标签数据的半监督聚类算法
- 1
-
-
作者
袁利永
-
机构
浙江师范大学数理与信息工程学院
-
出处
《计算机系统应用》
2011年第2期182-185,共4页
-
文摘
针对seeded-K-means和constrained-K-means算法要求标签数据类别完备的限制,本文提出了基于不完备标签数据的半监督K-means聚类算法,重点讨论了未标签类别初始聚类中心的选取问题。首先给出了未标签类别聚类中心最优候选集的定义,然后提出了一种新的未标签类别初始聚类中心选取方法,即采用K-means算法从最优候选集中选取初始聚类中心,最后给出了基于新方法的半监督聚类算法的完整描述,并通过实验测试对新算法的有效性进行了验证。实验结果表明本文所提算法在执行速度和聚类效果上都优于现有算法。
-
关键词
半监督聚类:k.means
不完备先验知识
初始聚类中心
标签数据
-
Keywords
semi-supervised clustering
k-means
incomplete prior knowledge
initial cluster center
labeled data
-
分类号
TP311.13
[自动化与计算机技术—计算机软件与理论]
-
-
题名基于数据挖掘分类的创新创业团队管理考核机制研究
被引量：3
- 2
-
-
作者
马莉
周小虎
-
机构
南京理工大学
江苏理工学院
-
出处
《现代电子技术》
北大核心
2019年第11期178-180,186,共4页
-
基金
2017年江苏高校哲学社会科学研究思想政治工作专题项目:创新创业教育与思想政治教育双向建构模式研究(2017SJBFDY224)
2017年江苏理工学院青年基金项目:常州市高层次科技人才动态评价体系研究(KYY16508)~~
-
文摘
为了对现有创新创业人才管理体系中的量化绩效考核机制进行改进,提出一种基于数据挖掘技术的研究方案。将决策树算法与聚类分析相结合运用到量化绩效考核体系中,从而发掘考核结果与各种因素之间的关系。采用K.means聚类算法对团队成员进行测评分析,以分类规则的形式粗略划分为4个等级。采用ID3决策树算法根据测评等级和创业团队核心属性,生成细化的最终个人量化考核得分表。以某个创业团队的实际数据为样本进行测试、分析和验证,测试结果表明提出方案具有较好的准确率,为人才队伍管理提供了有力的决策支持。
-
关键词
数据挖掘
考核指标
绩效考核
量化绩效
k.means聚类
决策树算法
-
Keywords
data mining
appraisal index
performance appraisal
quantitative performance
k-means clustering
decision tree algorithm
-
分类号
TN711-34
[电子电信—电路与系统]
TP393
[自动化与计算机技术—计算机应用技术]
-
-
题名基于数据挖掘技术的台区合理线损预测模型研究
被引量：45
- 3
-
-
作者
邹云峰
梅飞
李悦
程云
涂旺
梅军
-
机构
江苏省电力公司电力科学研究院
河海大学能源与电气学院
东南大学电气工程学院
-
出处
《电力需求侧管理》
2015年第4期25-29,共5页
-
文摘
台区合理线损预测是实现台区线损精益化管理的前提。通过对国内外台区线损管理的研究现状以及相关数据挖掘技术的分析研究,提出基于聚类分析和线性回归的合理线损预测方法与算法流程。利用K均值聚类(K-means)将台区线损数据按照台区特征进行分类,对每一个数据类分别进行线性回归,利用线性回归模型进行线损率预测与误差分析。通过实际的用电数据,具体分析了模型输出结果,论证了所提方法的适用性、快速性、便捷性。
-
关键词
k.means聚类
线性回归
台区线损
预测模型
-
Keywords
k-means clustering
linear regression
trans-former district line toss
prediction model
-
分类号
TM714
[电气工程—电力系统及自动化]
TM731
[电气工程—电力系统及自动化]
-
