基于非线性相关的数据挖掘新算法* (2007年)

数据挖掘算法研究基于非线性相关的创新方法

现有的关联规则挖掘算法专注于频繁集搜索，并依赖于预设的支持度和置信度，存在较大的随机性和控制困难。此外，这些规则未能全面反映数据整体的相关性。为了克服这些问题，引入了非线性相关的概念，用于各种相关类型规则的挖掘，无需人为设定参数，显著提高了规则发现的效率。

数据挖掘 16 2024-07-17

线性相关性在线性空间中的推广

在三维空间中，共线和共面等关系可以推广到线性空间中的线性相关性。对于线性空间 V，向量集合 S 被称为线性相关，如果存在向量 α1，α2，...，αk 和非零标量 λ1，λ2，...，λk 使得 λ1α1 + λ2α2 +...+ λkαk = 0。线性无关的向量集合是指不存在这样的线性组合。

算法与数据结构 14 2024-05-20

基于乳腺X线图像的数据挖掘研究(2007年)

研究探讨了基于灰度空域统计特征和灰度共生矩阵的医学乳腺X线图像特征提取方法，以及这些特征在数据挖掘中基于神经网络和关联规则挖掘算法的应用。实验结果显示，这些特征在良性与恶性肿瘤分类中均表现出超过75%的准确率，证明了提出的特征提取方法在乳腺X线图像分类中的有效性。

数据挖掘 8 2024-07-23

MATLAB实现各种非线性编程算法非线性优化算法详解

MATLAB实现了多种非线性编程算法，包括但不限于非线性优化算法。这些算法在处理复杂问题时展现出卓越的性能和灵活性。

Matlab 18 2024-07-19

数据挖掘中的新聚类算法 LSNCCP算法详解

在数据挖掘、模式识别等多个领域，聚类算法扮演着重要角色。LSNCCP算法是一种基于最大不相含核心点集的新型聚类方法。它基于密度定义，通过考察核心点之间的距离关系，定义了相含、相交、相离等三种核心点之间的关系。算法的关键在于找出一个最大不相含核心点集，从而进行高效的数据聚类，并提出了解决丢失点问题的快速方法。实验表明，LSNCCP算法不仅有效地缩短了核心点搜索时间，而且在理论和实际应用中都显示出了优越性。

数据挖掘 8 2024-09-14

数据挖掘中的非线性建模SPSS-Clementine实用指南

数据挖掘中的非线性模型包括：抛物线模型、双曲线模型、幂函数模型、指数函数模型、对数函数模型、逻辑曲线模型和多项式模型。这些模型在SPSS-Clementine应用中具有广泛的实际应用价值。

数据挖掘 8 2024-08-03

基于统计相关属性选择的数据挖掘研究

数据挖掘技术中的关键步骤之一是属性选择，其目的是优化模型性能，通过选择最相关的属性提高数据挖掘效率。本研究侧重于基于统计相关性的属性选择方法，以应对日益扩大的数据集存储需求，提升数据挖掘过程中的效果和可靠性。特别关注CFS算法及其在特征子集搜索中的应用，以及Best First算法在优化特征选择过程中的贡献。

数据挖掘 12 2024-08-24

Matlab中的线性和非线性优化算法详解

介绍如何使用quadprog和mpcqpsolver解决各种线性和非线性规划问题。quadprog是一个经典的二次规划求解器，通过分析Matlab文档中的示例可以深入理解其应用。以下是一些实例：在quadprog中，通过设定目标函数和约束条件来优化变量值。mpcqpsolver是另一个强大的优化工具，特别适用于多变量控制问题。它结合了线性和二次规划求解技术，为复杂的优化任务提供了高效的解决方案。

Matlab 19 2024-08-05

非线性摆求解器的开发基于Matlab的非线性摆求解方法

介绍了基于Matlab开发的非线性摆求解器，使用有限差分格式进行求解。

Matlab 11 2024-08-30