本项目拟改进和扩展面向数据挖掘的格机理论、方法,提出新的增量式、支持并行数据缩减的格机理论,依据该理论给出数据挖掘方法,以此为基础研制数据挖掘软件并进行实际应用,进而检验所提出的理论和方法的有效性。在保证不丢失重要信息的条件下,本研究成果可用于对海量数据、非结构化数据、动态数据和不可靠数据的挖掘。
{{i.achievement_title}}
数据更新时间:2023-05-31
论大数据环境对情报学发展的影响
基于LASSO-SVMR模型城市生活需水量的预测
基于SSVEP 直接脑控机器人方向和速度研究
基于分形维数和支持向量机的串联电弧故障诊断方法
F_q上一类周期为2p~2的四元广义分圆序列的线性复杂度
面向大规模数据挖掘的隐私保护支持向量机增量与并行学习算法研究
基于主动增量式学习的故障诊断知识挖掘方法
精确的增量式支持向量机的研究
基于加权和约束概念格的数据挖掘方法与天体光谱数据挖掘技术