导读:本文包含了数据分类器论文开题报告文献综述、选题提纲参考文献，主要关键词:数据流,数据,数据挖掘,模糊,组合,心律失常,神经网络。
数据分类器论文文献综述写法
王辉,李玉亮,王莉[1]（2019）在《完全贝叶斯分类器在经济数据分类中的应用》一文中研究指出针对贝叶斯分类器分类强关联属性导致分类准确率下降的问题,提一种完全贝叶斯分类器合理利用属性间的依赖关系优化贝叶斯分类器,对参数进行动态调整组合,同时合理剔除无关属性.采用国内外知名数据库提供的数据,通过与其他分类器的对比实验,证明了完全贝叶斯分类器在宏观与微观经济数据分类中都获得了较好的分类效果.(本文来源于《东北师大学报(自然科学版)》期刊2019年04期）
刘鹏,杜佳芝,吕伟刚,窦明武[2]（2019）在《面向不平衡数据集的一种改进的k-近邻分类器》一文中研究指出心脏心律失常数据集的心电图(ECG)数据往往存在各心律失常类型下样本数量不平衡问题.针对此问题,提出了一种新的模式识别分类方法,即改进的基于核的差重建的加权k-近邻分类器(modified kernel difference-w eighted k-nearest neighbor classifier,M KDF-WKNN),通过引入修正因子对含样本数较多的类别进行权值抑制,对含样本数较少的类别进行权值的加大,并使用UCI心脏心律失常数据集对ECG数据进行分类.实验结果表明,提出的算法和其他一些基于KNN的算法如KNN,DS-WKNN,DF-WKNN和KDF-WKNN相比,对于不平衡的心律失常数据集的分类有更好的效果.(本文来源于《东北大学学报(自然科学版)》期刊2019年07期）
陈猛[3]（2019）在《集成基于EP的分类器用于数据流入侵检测》一文中研究指出本文提出了一种集成基于EP的分类器用于数据流入侵检测的模型EEPCDS(Ensemble of EP-based Classifiers on Data Stream)。该模型选择滑动窗口中的多个时间段数据来生成多个EP分类器,并且通过加权投票表决对未知样本进行分类,检测入侵行为。EEPCDS能适应数据流环境下的概念漂移,并且能实现较好的目标类召回率和精度的平衡,以及较高的分类准确率。(本文来源于《河南科技》期刊2019年19期）
贾明华,徐月,王晓东[4]（2019）在《基于蜕变关系的贝叶斯分类器测试数据集生成器的设计与实现》一文中研究指出蜕变测试方法是一种科学有效的软件测试方法,数据集的生成是人们一直以来的研究重点,本文提出了一种基于蜕变关系的贝叶斯分类器测试数据集生成器。该工具首先将数据集作为输入;其次,依次按照不同的蜕变关系对数据集进行蜕变;最后,输出各个衍生的数据集。该工具实现了针对贝叶斯分类器的测试数据集生成器,提高了贝叶斯分类器测试数据的生成效率,并解决了数据集数量少且质量不高问题。(本文来源于《数字技术与应用》期刊2019年05期）
熊安萍,蒋亚雄,段杭彪,龙林波[5]（2019）在《大数据环境下基于限定模糊规则的多分类器》一文中研究指出为解决海量数据环境下,出现分类准确率降低、模型参数训练时间较长等问题,提出一种基于限定模糊规则的多分类器。对确定规则分类过程进行分析和改进,认为确定规则训练过程中后期过于追求精确是导致模型收敛速度下降的关键原因;在此基础上建立总体模型,对收敛程度进行模糊处理,降低模型参数训练时间。通过对确定规则进行正反向规则的补充,减少模糊操作误差,保证分类准确率。通过在Spark计算框架下,与确定规则进行实验对比,验证了该分类器能够有效减少计算迭代次数,提高分类准确率。(本文来源于《计算机工程与设计》期刊2019年04期）
段尧清,林平,李施展[6]（2019）在《基于多类型分类器装袋技术的数据分类模型研究》一文中研究指出【目的/意义】数据分类是数据挖掘研究的重要内容之一。数据分类时,由于单一分类算法分类性能的差异性,使其不能很好地解决大部分的分类问题,探讨一种基于多类型分类器装袋技术的数据分类方法具有重要理论意义和应用价值。【方法/过程】基于分类性能评价的准确率,使用五种不同类型的分类算法作为分类器,随机抽取训练集后分别训练得到若干个弱分类器,然后采用自动优化加权方式,组合构建一个强的分类器。通过实验对五种分类算法和装袋算法的分类准确率均值和标准差分别进行对比,得出各分类算法在四种数据集上分类性能的优劣和稳定性。【结果/结论】在四个UCI数据集上的实验结果表明,与五种不同类型的分类算法相比,装袋算法不仅在大部分数据集上都表现出很好的稳定性,而且具有更好的泛化能力。(本文来源于《情报科学》期刊2019年04期）
郑伟民,叶承晋,张曼颖,王蕾,孙可[7]（2019）在《基于Softmax概率分类器的数据驱动空间负荷预测》一文中研究指出提出了一种数据驱动空间负荷预测方法。将网格化体系下的功能地块作为空间负荷预测的基本单元,并且通过多维指标体系进行属性描述。基于大量调研数据,通过数据挖掘方法对不同类型地块的空间负荷密度分布规律和负荷曲线典型形态进行提取。建立Softmax多元概率分类模型对未知地块的负荷水平类型进行匹配。自下而上对相邻地块负荷预测结果进行时域迭加,得到更大区域的预测信息,包括其负荷量和预测负荷曲线。算例仿真结果表明提出的空间负荷预测方法在预测精度上有一定提升。(本文来源于《电力系统自动化》期刊2019年09期）
韩东红,马宪哲,李莉莉,王国仁[8]（2018）在《基于集成分类器的数据流分类算法》一文中研究指出作为一种典型的大数据,数据流具有连续、无限、概念漂移和快速到达等特点,因此传统的分类技术无法直接有效地应用于数据流挖掘。本文在经典的精度加权集成(Accuracy weighted ensemble,AWE)算法的基础上提出概念自适应快速决策树更新集成(Concept very fast decision tree update ensemble,CUE)算法。该算法不仅在基分类器的权重分配方面进行了改进,而且在解决数据块大小的敏感性问题以及增加基分类器之间的相异性方面,有明显的改善。实验表明在分类准确率上,CUE算法高于AWE算法。最后,提出聚类动态分类器选择(Dynamic classifier selection with clustering,DCSC)算法。该算法基于分类器动态选择的思想,没有繁琐的赋权值机制,所以时间效率较高。实验结果验证了DCSC算法的有效和高效性,并能有效地处理概念漂移。(本文来源于《数据采集与处理》期刊2018年06期）
陈猛,洪伟[9]（2018）在《集成异种分类器在数据流入侵检测中的应用》一文中研究指出本文提出了一种集成异种分类器的数据流入侵检测模型EDKCDS(Ensemble of Different Kind of Clas-sifiers on Data Stream),目的是在适应概念漂移的前提下,利用多个时间段的数据学习生成异种分类器,并集成各个异种分类器,检测入侵行为,使其能达到目标类召回率和精度的平衡,并且能取得较高的分类准确率。(本文来源于《河南科技》期刊2018年29期）
龚彦,丁黎明,陈启莲,罗乙友[10]（2018）在《基于模糊神经网络分类器的医疗大数据研究》一文中研究指出本文针对医疗大数据,使用模糊神经网络分类器进行数据分析处理。人工神经网络能够训练大规模的数据,而模糊系统可以对不确定的信息进行高效的分类处理。结合两者的优点,根据医疗数据对医生的临床诊断,提供最优的治疗方案。通过仿真实验对数据进行分类处理,证明该方法得到良好的实验结果。(本文来源于《山西电子技术》期刊2018年04期）
数据分类器论文开题报告范文
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
心脏心律失常数据集的心电图(ECG)数据往往存在各心律失常类型下样本数量不平衡问题.针对此问题,提出了一种新的模式识别分类方法,即改进的基于核的差重建的加权k-近邻分类器(modified kernel difference-w eighted k-nearest neighbor classifier,M KDF-WKNN),通过引入修正因子对含样本数较多的类别进行权值抑制,对含样本数较少的类别进行权值的加大,并使用UCI心脏心律失常数据集对ECG数据进行分类.实验结果表明,提出的算法和其他一些基于KNN的算法如KNN,DS-WKNN,DF-WKNN和KDF-WKNN相比,对于不平衡的心律失常数据集的分类有更好的效果.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
数据分类器论文参考文献
[1].王辉,李玉亮,王莉.完全贝叶斯分类器在经济数据分类中的应用[J].东北师大学报(自然科学版).2019
[2].刘鹏,杜佳芝,吕伟刚,窦明武.面向不平衡数据集的一种改进的k-近邻分类器[J].东北大学学报(自然科学版).2019
[3].陈猛.集成基于EP的分类器用于数据流入侵检测[J].河南科技.2019
[4].贾明华,徐月,王晓东.基于蜕变关系的贝叶斯分类器测试数据集生成器的设计与实现[J].数字技术与应用.2019
[5].熊安萍,蒋亚雄,段杭彪,龙林波.大数据环境下基于限定模糊规则的多分类器[J].计算机工程与设计.2019
[6].段尧清,林平,李施展.基于多类型分类器装袋技术的数据分类模型研究[J].情报科学.2019
[7].郑伟民,叶承晋,张曼颖,王蕾,孙可.基于Softmax概率分类器的数据驱动空间负荷预测[J].电力系统自动化.2019
[8].韩东红,马宪哲,李莉莉,王国仁.基于集成分类器的数据流分类算法[J].数据采集与处理.2018
[9].陈猛,洪伟.集成异种分类器在数据流入侵检测中的应用[J].河南科技.2018
[10].龚彦,丁黎明,陈启莲,罗乙友.基于模糊神经网络分类器的医疗大数据研究[J].山西电子技术.2018