您的位置: 专家智库 > >

吴姗

作品数:5 被引量:9H指数:2
供职机构:合肥工业大学管理学院更多>>
发文基金:国家高技术研究发展计划国家自然科学基金更多>>
相关领域:自动化与计算机技术更多>>

文献类型

  • 3篇期刊文章
  • 1篇学位论文
  • 1篇会议论文

领域

  • 5篇自动化与计算...

主题

  • 2篇相对密度
  • 2篇基于密度
  • 2篇加权
  • 2篇加权距离
  • 1篇移动网格
  • 1篇证券
  • 1篇数据流
  • 1篇数据流聚类
  • 1篇数据流聚类算...
  • 1篇数据挖掘
  • 1篇网格
  • 1篇洗钱
  • 1篇链接
  • 1篇链接挖掘
  • 1篇聚类
  • 1篇聚类算法
  • 1篇反洗钱

机构

  • 5篇合肥工业大学
  • 2篇教育部

作者

  • 5篇吴姗
  • 4篇倪志伟
  • 2篇罗贺
  • 2篇郑盈盈
  • 1篇王丽红
  • 1篇胡汤磊

传媒

  • 2篇计算机工程与...
  • 1篇中国管理科学

年份

  • 3篇2009
  • 2篇2008
5 条 记 录,以下是 1-5
排序方式:
一种基于密度的无监督联系发现方法
2008年
在数据挖掘过程中,利用K-近邻(KNN)算法搜索新颖节点往往具有一定的局限性和偏差性。针对此问题,本文提出了加权距离和相对密度的概念,采用基于加权距离的相对密度来度量一个对象的局部离群程度。在此基础上,提出了一种基于密度的无监督联系发现方法,并进行了实验。实验结果表明,该方法能够较准确地描述对象的异常程度,具有更高的精确度。
吴姗倪志伟罗贺郑盈盈
关键词:加权距离相对密度
联系发现在证券客户划分中的应用研究被引量:2
2009年
证券客户划分可以帮助证券公司掌握更多的客户特征,但是传统的证券客户划分方法都是基于客户自身属性进行分析并划分的,缺少对证券客户之间联系信息的分析,使得划分结果具有一定的局限性和偏差性。针对这种问题,首先分析了证券客户的属性,提取客户之间行为的联系信息,在此基础上利用联系发现的方法对证券客户进行划分,通过联系假设、联系产生、联系确定等三个阶段得到划分结果。对比实验表明,新方法减少了计算量,提高了划分效率,具有较好的客户划分准确率。
倪志伟吴姗胡汤磊
基于移动网格和密度的数据流聚类算法被引量:7
2009年
传统的基于网格的数据流聚类算法采用固定划分网格的方法,虽然算法的处理速度较快,但是聚类准确性较低。针对此问题,提出了一种新的基于移动网格和密度的数据流聚类算法。在算法中引进了权重与衰减系数,利用移动网格技术对数据流的边界点进行处理,增强了聚类的准确性,提高了算法的运行效率。
郑盈盈倪志伟吴姗王丽红
关键词:聚类数据流移动网格
联系发现挖掘方法及应用研究
联系发现是数据挖掘中较新的研究领域。它的目的是从大型的、异构的数据集中自动识别已知的、复杂的、多关系的模式,更重要的是发现未知的但具有重要联系的模式,这些模式指示出潜在的异常的、威胁性的活动。联系发现主要是针对反恐提出的...
吴姗
关键词:链接挖掘反洗钱数据挖掘
文献传递
一种基于密度的无监督联系发现方法
在数据挖掘过程中,利用K-近邻(KNN)算法搜索新颖节点往往具有一定的局限性和偏差性。针对此问题,本文提出了加权距离和相对密度的概念,采用基于加权距离的相对密度来度量一个对象的局部离群程度。在此基础上,提出了一种基于密度...
吴姗倪志伟罗贺郑盈盈
关键词:加权距离相对密度
文献传递
共1页<1>
聚类工具0