混合属性

摘要： 现有的车联网大数据特征检测方法忽略了数据属性权重,导致效率偏低,无法在车辆运行中提供高效服务。为此,提出了多源异构环境下的车联网大数据混合属性特征检测方法。该方法利用集成模型集成车联网多源异构数据,并对集成数据进行标准化和属性约简处理;同时,通过加权主成分分析法提取集成数据的属性特征,并利用聚类方法实现特征聚类,完成车联网大数据混合属性特征检测。实验结果表明,与现有方法相比,所提方法在评价指标敏感性指数上取值更高,时间复杂度更低,能更高效地完成车联网大数据混合属性特征提取任务。

摘要： 由于对聚类网格之间的相互影响未作出考虑,导致数据聚类算法出现聚类质量差等情况。因此,提出一种基于网格耦合的混合属性大数据聚类算法。通过网格耦合定义相关参量的基础,得到网格耦合过程中网格质心间距,利用网格进行大数据聚类,充分分析各个网格间权重影响情况。该聚类算法分别从在线和离线两个阶段开展:在线阶段更新网格特征向量,并根据属性动态变化划分网格;离线阶段构建无向图,顶点设置为网络中心点,质心距离以及中心点间距作为边构建无相图,根据该图获得最小生成树同时切断该树第r-1最大边,最终获取混合属性大数据的k个聚类,实现混合属性的准确聚类。实验结果表明,该算法在质心调节参数与质心距离取值较适中情况下具有良好聚类效果,且聚类质量与聚类效率较高。

摘要： 针对混合属性离群点检测问题,提出基于邻域近似精度的混合属性离群点检测方法。首先,定义异构邻域关系度量来表示混合数据之间的近邻性。然后,定义一种特定的邻域近似精度来构建邻域粒离群度。进而,定义基于邻域近似精度的离群因子及提出基于邻域近似精度的离群点检测(Nighborhood approximation accuracy-based outlier detection,NAAOD)。最后,用UCI数据集对NAAOD算法的有效性进行了验证。理论研究和实验结果均表明,NAAOD算法对混合属性离群点检测是有效的。

摘要： 为解决空军航材保障工作中的短板问题,避免由于个别器材缺材致使飞机停飞,个别环节受阻导致任务受影响的情况发生,提出一种基于邻域粗糙集优化的神经网络对缺材停飞数据分析的方法,分析保障流程建立基于多维度属性体系的缺材停飞数据集,针对其混合型数据的特点,进行了算法的优化。通过验证,该方法可以得到最优决策属性集,预估缺材停飞的发生,加强了航材保障工作的提前性与科学性。

摘要： 目标威胁评估的目的是根据目标的属性和状态信息对目标的威胁程度进行定量估计,为后续作战决策提供辅助支持。现有威胁评估模型大多依赖于数值信息,难以有效处理包含定性、定量数据的目标特征信息。基于此,提出一种改进的自适应模糊神经推理系统模型。在自适应模糊神经推理系统的基础上,引入前件影响矩阵和后件影响矩阵对定性数据进行处理,使得定量、定性数据的影响同时作用于模糊规则的前件参数和后件参数;为了进一步提高模型的输出精度,将自适应模糊神经推理系统的输出层替换为多项式神经网络;通过基于Gower距离的近邻传播聚类算法对改进模型进行结构辨识,确定模糊规则的初始参数。仿真实例验证了所提方法的有效性与可行性,与其他混合属性数据建模方法相比,所提方法具有较高的预测精度,可为作战指挥决策提供有效的辅助支持。

摘要： 为了减少数据发布时的信息损失,针对基于聚类的数据发布匿名方案数据可用性较低等问题,文中提出了一种基于混合聚类的k-匿名数据发布算法。相对于传统的单一聚类方法,该算法将密度聚类和划分聚类相结合,依据数据集的密度特征选取初始聚类中心点,利用划分聚类进行迭代实现最优聚类。此外,该方法剔除了数据集中的部分离群点噪声,减小了其对聚类结果的影响。针对混合型数据记录,采用k-means和k-modes结合的距离度量方式,引入桶泛化算法,减少了泛化操作造成的信息损失。实验结果表明,相较于现有方法,基于混合聚类的k-匿名数据发布算法能够有效降低数据匿名的信息损失,提高数据发布的质量。

摘要： 为解决混合属性中数值属性与分类属性相似性度量的差异造成的聚类效果不佳问题,分析混合属性聚类相似性度量的问题,提出基于熵的混合属性聚类算法.引入熵离散化技术将数值属性离散化,仅使用二元化距离度量混合属性对象之间的相似性,在聚类过程中随机选取k个初始簇中心,将其它对象按照距离k个簇中心的最小距离划分到相应的簇中,选择每个簇中每个数据属性中频率最高的属性值形成新的簇中心继续划分对象,迭代此步当满足目标条件时停止,形成最终聚类.在UCI数据集上的实验结果验证了该算法的有效性.

摘要： 为妥善分割处于混合状态的大数据信息参量,实现对结构化信息主体的分类存储,设计混合属性大数据的分类存储系统.按照NetLinx架构中的大数据信息分类需求,连接OMRON数据传感器与混合通信模块,实现分类存储系统的硬件执行环境搭建.在此基础上,建立分类型匹配单元,通过测量大数据属性相似性的方式,计算混合信息参量的应用分割半径,实现系统的软件执行环境搭建,联合相关硬件执行结构,完成混合属性大数据的分类存储系统设计.对比实验结果表明,与传统PLC存储控制系统相比,应用新型分类存储系统后,实现了对混合大数据信息参量的妥善分割,满足结构化信息主体的分类存储需求.

摘要： 针对混合属性数据聚类难度高的问题,提出一种基于广义线性模型的混合属性数据聚类方法.首先,构建低阶多元广义线性模型处理海量数据聚类问题,考虑数据属性的时间特性,获取属性时间序列矩阵;然后,基于优化K-prototypes聚类方法处理混合属性数据时,考虑属性的时间序列矩阵;最后,在考虑样本同聚类中心距离基础上兼顾已知样本信息内容,采用优化方法计算数据相异度、样本与聚类集间距离,当聚类结果趋于平稳时终止运算,输出聚类结果.为验证基于广义线性模型的混合属性数据聚类方法的有效性展开实验分析.结果显示,该方法经过较少次迭代即可优化划分混合属性数据聚类集,聚类适应度值为0.88～0.94,适应度优,可准确体现样本间差异,是一种准确度高的混合属性数据聚类方法.

摘要： 为了缩短混合属性数据流的密度检测时间,提高密度检测能力,提出了复杂网络混合属性数据流密度检测方法研究.采用判断矩阵的方式将异常混合属性数据流剔除,基于复杂网络混合属性数据流的采集流程,完成复杂网络混合属性数据流的采集;通过混合属性数据流密度的控制方程,确定了混合属性数据流密度的检测应力与应变之间的关系,利用混合属性数据流在复杂网络中传输的位移关系式,完成了复杂网络混合属性数据流密度检测模型的构建;最后通过混合属性数据流密度检测算法设计,实现了复杂网络混合属性数据流的密度检测.对比实验结果证明,提出的混合属性数据流密度检测方法与基于模糊计算的密度检测方法相比,大大缩短了复杂网络混合属性数据流的密度检测时间.

摘要： 基于树结构的三支决策增量聚类算法中的静态数据聚类算法(SOC-TWD算法)有效解决了数据重叠问题,但该算法只能对纯数值数据进行距离度量,并且度量时没有考虑属性重要度不同的问题.针对以上问题,本文提出了一种面向混合属性数据的加权三支决策聚类算法(MAW-SOC-TWD算法),该算法定义了一种新的混合属性权重系数分配方法,改写了SOC-TWD算法中的距离计算公式,将属性重要度考虑到距离度量中,弥补了SOC-TWD算法只能针对纯数值数据进行聚类以及聚类过程中将所有属性的重要程度视为相等的不足.并在UCI数据集上验证MAW-SOC-TWD算法的有效性,实验结果表明MAW-SOC-TWD算法具有更高的聚类准确率和稳定性.

摘要： 聚类融合是数据挖掘领域研究的一个热点问题,混合属性数据集是一种特殊的,但是在现实数据库中很常见的数据集.本文提出一种基于权重的混合属性的聚类融合算法,首先对混合属性数据集运用不同的聚类器产生属性聚类成员,结合粗糙集理论中的属性重要性对产生的属性聚类成员赋予权重,生成基于权重的加权共识矩阵,然后使用聚类融合的方法得到最终整体聚类结果.用实验数据集验证了提出的算法,并与基于聚类融合的混合属性CEMC 算法在整体聚类精度上做了对比,证明了提出算法的有效性.

摘要： 混合属性数据集是现实世界中最普遍的数据集类型,但适用于这类数据集的聚类算法极少。K-prototypes是日前处理混合数据集的主要聚类算法,但其聚类结果对初值有明显的依赖性。本文基于分治融合的方法体系,针对混合属性数据集的特点,提出了一种改进的聚类算法。经实验比较证明,该算法减轻了对于初值的依赖性,并在稳定性上有了一定的提高。

摘要： 应用决策树方法采获取混合属性数据点集的"规则聚类区域",利用"异类子聚类相离,同类子聚类相近"的原则来交替优化有序属性和无序属性的权重,提出了基于决策树划分的特征权重优化方法.该方法在一定程度上解决了有效获取数据子集的子聚类问题和混合属性数据点集的特征权重优化难题.仿真实验表明,该方法在优化混合属性数据点集的特征权重时是有效的.

摘要： 已有的关联规则算法研究的对象通常是基于单一类型属性的关系表,算法的实际应用范围受到挖掘对象属性类型的限制.本文在对基于模糊聚类的量化关联规则进行改进的基础上,提出了面向混合属性关系表的关联规则挖掘思想,并对其在股票事务分析中的应用做出了阐述.试验证明,该想法是可行的,而且改进后的算法是有效的.

摘要： 由于Web查询接口的限制,用户很难获取隐藏Web数据库的所有数据.基于隐藏Web数据库中的混合属性构造查询分解空间,采用深度优先遍历,提出一种将基于分类属性的改进启发式切片覆盖算法与基于数值属性的多维动态划分算法相结合的混合算法,能够通过较少的查询次数获取后台数据库中的全部数据.对算法的查询代价做了理论分析,通过实际项目的真实数据库验证了混合算法的有效性.

摘要： 本发明涉及一种基于D‑U空间混合多属性的风电场装机容量区间决策方法，利用风电场发电社会效益、弃风率、电网线路传输安全裕度和缺电风险为属性指标，建立风电场待决策区间属性矩阵，引入基于集对分析D‑U空间的混合型多属性评价，确定风电场最优装机容量区间。

摘要： 本发明公开了一种基于混合编码的点云属性编解码方法及装置，所述编码方法包括：获取原始点云数据；基于重建几何信息对原始点云数据的属性信息进行空间变换和属性插值预测，得到重构点云属性信息；对重构点云属性信息进行处理，得到待编码信息；根据待编码信息的分布特性，采用不同的编码方式对其进行编码处理，得到属性码流信息。本发明提供的基于混合编码的点云属性编码方法降低了码流大小，提升了编码性能。

摘要： 本发明公开了一种基于项目属性的混合协同过滤推荐算法，包括以下步骤：步骤1：根据用户评分信息和项目信息产生用户‑项目评分矩阵及项目‑属性矩阵；步骤2：根据项目‑属性矩阵和用户‑项目评分矩阵分别计算项目相似度和用户评分相似度；步骤3：利用项目相似度对用户评分相似度进行修正来计算用户相似度；步骤4：计算共同评分奖励因子，项目属性偏好因子和用户置信度因子，以修正用户相似度，得到用户最终相似度；步骤5：根据最终相似度选取目标用户的最近邻，基于最近邻中所有用户的评分信息预测目标用户对各个项目的评分；步骤6：将评分最高的N个项目推荐给目标用户。本发明能够适用于稀疏数据，且能提高推荐准确度。

摘要： 本发明涉及一种包含三种血管再生属性的混合干细胞注射液，其包含华通胶间充质干细胞WJMSCs、人脐带动脉外膜周细胞APC和人脐带动脉外膜Flk‑1+细胞。本发明是以新生儿遗弃的脐带为材料来源，从脐动脉外膜中提取Flk‑1+细胞和脐带动脉外膜周细胞APC，这两种细胞为血管再生提供了直接的、特有的两种前体细胞，再通过WJMSCs所补充、更新及构成的新生血管的细胞外基质成分，进一步形成血管再生信号系统调控下血管前体细胞向血管分化的再生微环境。将这三种干细胞按比例混合进行体外培养实验，结果证实在体外培养13天后成功形成了血管网。本发明的注射液可制成用于血管再生的注射剂，用于治疗缺血性心脏病、缺血性脑卒中、缺血性周围血管病等疾病。

摘要： 本发明属于数据挖掘，粗糙集，群体智能领域，为有效提升运行效率和后期的收敛速度和搜索精度，实现粗糟集属性约简，本发明，基于人工鱼群与蛙群混合算法的粗糙集属性约简方法，步骤如下：步骤1)使用粗糙集理论中的概念求得决策系统的核属性，并计算其相应的属性依赖度；步骤2)决策系统中的条件属性除核属性外，均使用人工鱼群算法进行属性约简的前期寻优；步骤3取其前1/2最优种群切换至蛙跳算法；步骤4)将整个蛙群分成多个子群，在每个子群中最差位置根据与最优位置之间的汉明距离完成位置更新，所有子群更新结束后，将各子群中的青蛙混合在一起重新排序分组，直至得到最小属性约简集。本发明主要应用于人工智能场合。

摘要： 本发明提供的一种多属性混合索引的数据之间关系的描述方法，其可以不改变实体节点的原本的数据存储结构，通过索引表建立实体节点之间的关系，其可以实现对现实世界中存在多属性混合索引关系的数据、以及数据之间的关系进行描述；同时，基于所述索引表模板定义现实索引关系，然后通过索引表构建关系实体，实现对数据的关系描述，不但结构简单而且方便实现，后期数据维护方便，需要调整两个实体节点之间的关系，通过修改二者的索引条目即可实现，需要修改两种类型数据之间的关系，通过调整索引模板即可实现，不但简化了操作，而且降低了出错的概率。

摘要： 本发明公开了一种基于混合编码的点云属性编解码方法及装置，所述编码方法包括：获取原始点云数据；基于重建几何信息对原始点云数据的属性信息进行空间变换和属性插值预测，得到重构点云属性信息；对重构点云属性信息进行处理，得到待编码信息；根据待编码信息的分布特性，采用不同的编码方式对其进行编码处理，得到属性码流信息。本发明提供的基于混合编码的点云属性编码方法降低了码流大小，提升了编码性能。

摘要： 本发明实施例针对发布订阅系统中存在的数据安全问题，提供了基于混合加密算法和关键属性过滤的安全发布订阅系统及方法，系统包括：发布端、代理服务器、订阅端；方案包括：订阅者管理，根据不同的订阅者属性，将订阅者分成不同群组，形成群组数据表；密钥管理，一个群组的订阅者共享AES密钥，同时该密钥被RSA加密，形成密钥数据表；主题管理，使用二叉树表示的主题树结构，订阅者可以获取订阅主题及其子主题的消息；发布者对消息进行加密，并附加关键属性后，将消息发布到对应的主题通道；代理服务器对消息进行主题匹配和关键属性过滤后，将消息分发给对应的订阅者；订阅者获取订阅的消息，并对消息密文进行解密，获得消息明文。

摘要： 公开了被配置为使用混合属性类型对客户进行细分的系统、方法和其它实施例。在一个实施例中，读取计算机化的数据结构。该计算机化的数据结构具有与客户相关联并存储在计算机化的存储器中的数值人口统计属性数据、分类人口统计属性数据和目标属性数据。数值人口统计属性数据和分类人口统计属性数据至少部分地基于目标属性数据被转换为相同的数值尺度，以形成一致属性数据，该一致属性数据具有与对该一致属性数据执行聚类分析相兼容的格式。对一致属性数据执行聚类分析以生成表示客户的细分的细分客户数据。细分客户数据可以用于控制由计算机化管理系统执行的至少一个企业功能。

摘要： 本发明提供了一种基于多视图深度度量学习的混合属性数据转换方法，包括：获取包括至少一个待转换样本的待转换样本集，将待转换样本集输入预先训练好的多视图深度度量学习模型获得待转换样本集的转换结果，多视图深度度量学习模型包括：多视图信息提取模块，提取待转换样本集的属性内耦合视图、属性间耦合视图和属性对类耦合视图；深度度量模块，将属性内耦合视图、属性间耦合视图和属性对类耦合视图映射为相应的数值向量；融合模块，将多个视图的数值向量与待转换样本集的数值属性数据融合。能全面挖掘分类属性数据的本质特征，保持数据转换前后数据分布一致，将混合属性数据上的分类属性数据无损地表示为高质量的数值向量。