导读:本文包含了分类属性数据论文开题报告文献综述及选题提纲参考文献，主要关键词:无人机,故障元数据,属性分类,数据识别
分类属性数据论文文献综述
宋桂成,李军[1]（2019）在《无人机故障元数据属性分类与识别技术》一文中研究指出传统方法在对无人机故障进行识别时,未对无人机故障进行有效分类,使得无人机故障识别结果差,应用性不高。为此,本文引入诊断分类树状模型对无人机故障元数据进行分类,解决传统方法中存在的问题。分析无人机故障元数据特点,在此基础上完成诊断层分类,获得对象层、故障层、征兆层、测试层、现象层及原因层6种不同的元数据属性类型;建立诊断分类树状模型对上述的元数据属性类型分类,获得统一格式为CML类型数据;依据雷达天线信息采集相关无人机故障元数据,根据左右识别及判断脉冲点方法完成元数据属性瞬时识别过程;获取最终的数据单元,实现无人机故障元数据属性的精确识别。实验结果表明,研究的技术能够精准地识别到故障元数据属性,并对其分类,分类处理所需时间短,该技术具有很高的发展空间,对于保障无人机安全运行有重要意义。(本文来源于《科技通报》期刊2019年11期）
徐帆,曾苏[2]（2019）在《药品属性分类知识库的构建及其在我院药事管理数据分析中的应用》一文中研究指出目的:为实践数据驱动的药事管理模式提供参考。方法:梳理药品属性分类信息及网络获取途径,并应用网络爬虫技术实现药品属性分类知识库的构建。在此基础上,应用自然语言处理技术及正则表达式匹配技术,对我院医院信息系统(HIS)中药品字典表与药品属性分类知识库的药品名称、规格、厂家等信息进行逐条比对,以实现HIS数据库和药品属性分类知识库两库药品编码的对应,并应用药品属性分类知识库进行医院药品使用数据分析。结果:应用所构建的药品属性分类知识库可快速而准确地分析医院抗菌药物使用情况、评价药品采购合规性并快速筛查出不合理用药案例。应用药品属性分类知识库及对照技术自主研发的"医疗机构药事管理分析与决策系统",我院实现了医疗机构全处方点评,并能迅速聚焦并聚力解决如超剂量、超疗程、同种功能主治药物联合应用、超适应证用药等主要临床不合理用药问题。通过该处方点评模式的实践与应用,我院处方点评中上述问题已几乎不存在,抗菌药物使用等各项指标也均符合国家要求。结论:以医疗机构用药实际情况作为分析对象,通过现代信息技术使其与药品相关知识库形成关联,有利于药事管理的信息化建设。今后还需基于药事管理需求,应用现代信息技术构建不同用途和类型的知识库,为实践药事管理的数据驱动奠定基础。(本文来源于《中国药房》期刊2019年20期）
马韬[3]（2019）在《ESP社会属性分类的语篇参数——基于网络语料库的“一带一路”新闻评论数据分析》一文中研究指出"专门用途英语(English for specific purposes,ESP)"区别于"通用英语(English for general purposes,EGP)"的重要因素之一是前者对语篇社会功能属性的分类与定位。利用Web Corp英语在线动态语料库工具对"一带一路"新闻评论数据在四个地缘政治区域之间进行比较,发现了主题词、句型、衔接等语篇参数在不同区域内相应的变化规律。这说明语篇参数对语言社会功能属性分类具有显着意义,从而为实证分析"专门"与"通用"教学路径的语篇差异提供新视角。(本文来源于《上海理工大学学报(社会科学版)》期刊2019年02期）
傅立伟[4]（2019）在《基于属性值分布特征的分类数据和二值数据聚类研究》一文中研究指出随着信息技术发展,管理领域的数据量越来越大,具有数据类型丰富和未标记的特点,急需有针对性的无监督学习工具。聚类是无监督学习的重要环节,针对数值型数据的聚类研究已经取得了很好的成果,对于分类数据和二值数据的聚类分析仍有不足。本文从数据对象在分类属性和二值属性的分布特点入手,对分类数据聚类算法、内部评价指标选择、分类数据和二值数据聚类有效性内部评价问题进行了研究,提供了完整的聚类分析解决方案,具体研究包括以下内容。(1)聚类有效性内部评价是聚类分析的关键环节,由于每个内部评价指标有各自的适用范围,在对特定的数据集进行聚类分析时需要找到适合的内部评价指标。本文在总结内部指标评价能力衡量方法的基础上,重点分析了通过外部评价指标选择内部评价指标的方法,通过理论和实验对外部指标的偏性以及利用单一外部指标衡量内部指标评价能力方式不足进行了总结。利用D-S证据理论合成多个外部指标评价结果提出了内部评价指标的选择策略(Strategy of Internal clustering validity indices selected based on Dempster-Shafer evidence theory,SIDS)。实验表明,SIDS策略可以综合多个外部指标的评价结果,选择出最合适的内部评价指标。(2)针对分类数据聚类有效性内部评价问题,分析了数据对象在分类属性上所有属性值的分布,聚焦数据对象取值集中的属性值,定义了分类属性特征值的强度向量(Strength of concentration Vector for a cluster,SV),基于各类属性特征值的差异程度定义了差异度(dissimilarity based on DisCRePancy of SVs,DCRP)。通过数据对象在属性值上的集中程度定义了新的类内相似度(similarity based on CONCentration of attribute values,CONC)。基于CONC和DCRP提出了新的分类数据聚类有效性内部评价指标(Clustering Validation based on Concentration attribute values,CVC)。针对CVC指标中存在的参数,通过相关关系方式,提出了指标参数的判断方法。实验表明,通过相关关系方式可以准确的选择合适的CVC指标参数,且验证了 CVC指标具有良好的评价能力。(3)针对二值数据的聚类有效性内部评价问题,分析了二值属性上数据对象取值分布的特征,进一步提高了数据对象集中程度的要求,定义了二值属性的特征类型,由此定义了基于二值属性类型的类间差异度(Dissimilarity of two clusters for Binary Data,DBD),并在此基础上进一步提出基于属性类型的二值数据的聚类内部有效性评价指标(Clustering Validation index based on Type of Attributes for Binary data,CVTAB)。实验表明,CVTAB指标具有良好的评价效果。此外,针对分类属性和二值属性转化的情况,分析了数据类型转化对数据集带来的影响,通过实验验证了 CVTAB指标更适用于二值数据,CVC指标更适用于分类数据。(4)针对分类数据的聚类算法研究,基于传统的k-modes算法的设计框架,通过SV向量表示类,通过DCRP定义数据对象和类的差异度,提出了针对分类数据的聚类算法k-SV,并通过实验验证了算法聚类效果和稳定性。最后,以人才招聘过程为例,验证了本文提出的基于属性值分布特征的聚类算法和内部评价指标在管理领域应用的实效性。(本文来源于《北京科技大学》期刊2019-05-17）
傅立伟,武森[5]（2019）在《基于属性值集中度的分类数据聚类有效性内部评价指标》一文中研究指出针对分类数据,通过数据对象在属性值上的集中程度定义了新的基于属性值集中度的类内相似度(similarity based on concentration of attribute values,CONC),用于衡量聚类结果中类内各数据对象之间的相似度;通过不同类的特征属性值的差异程度定义了基于强度向量差异的类间差异度(dissimilarity based on discrepancy of SVs,DCRP),用于衡量两个类之间的差异度.基于CONC和DCRP提出了新的分类数据聚类有效性内部评价指标(clustering validation based on concentration of attribute values,CVC),它具有以下3个特点:(1)在评价每个类内相似度时,不仅依靠类内各数据对象的特征,还考虑了整个数据集的信息;(2)采用几个特征属性值的差异评价两个类的差异度,确保评价过程不丢失有效的聚类信息,同时可以消除噪音的影响;(3)在评价类内相似度及类间差异度时,消除了数据对象个数对评价过程的影响.采用加州大学欧文分校提出的用于机器学习的数据库(UCI)进行实验,将CVC与类别效用(category utility,CU)指标、基于主观因素的分类数据指标(categorical data clustering with subjective factors,CDCS)指标和基于信息熵的内部评价指标(information entropy,IE)等内部评价指标进行对比,通过外部评价指标标准交互信息(normalized mutual information,NMI)验证内部评价效果.实验表明相对其他内部评价指标,CVC指标可以更有效地评价聚类结果.此外,CVC指标相对于NMI指标,不需要数据集以外的信息,更具实用性.(本文来源于《工程科学学报》期刊2019年05期）
林倩瑜[6]（2019）在《云服务环境下的大数据多标签属性分类技术》一文中研究指出云服务环境下的大数据具有多标签属性,导致数据访问过程中的分类性不好,为了降低大数据分类的误分率,提出一种基于极限学习机优化神经网络的云服务大数据分类方法。采用高维相空间重构模型对随机采样的云服务大数据先验特征进行信息重排,采用关联规则挖掘方法提取数据的标签属性特征量,采用多维标签属性的主成分分析方法进行大数据的主特征分析,将主特征量输入到神经网络分类器中,结合极限学习机进行神经网络分类的加权控制,提高数据分类的自适应性,实现云服务大数据优化分类。仿真结果表明,采用该算法进行云服务大数据分类的准确性较高,误分率较低,在云组合服务中提高了数据的召回能力.(本文来源于《微电子学与计算机》期刊2019年02期）
段亚军,杨有龙,白旭英[7]（2019）在《基于模糊规则的随机缺失属性值数据分类算法》一文中研究指出针对缺失属性值数据分类算法中模型分类精度和泛化能力低的问题,提出一种基于模糊规则的缺失属性值数据分类算法,即"循环-接收"模型.该算法不需要对缺失属性值数据进行插补运算,可直接对该数据集进行分类.对UCI公开数据集进行模拟仿真实验,实验结果表明,"循环-接收"模型与其他算法相比具有更高的分类精度和泛化能力.(本文来源于《吉林大学学报(理学版)》期刊2019年01期）
温昱[8]（2018）在《大数据的法律属性及分类意义》一文中研究指出大数据法律属性及分类的界定是大数据法学研究的基础。大数据是资源、应用和方法的集合体,要充分理解大数据不同面相的法律属性需要对大数据有多层次的认识。波普尔"叁个世界"理论提供了一种检视大数据的多元化整体视角。大数据具有"叁位一体"的特点,既存在于物理世界(世界1)、意识经验世界(世界2),亦存在于客观知识世界(世界3)。大数据具有客观性与自主性特征。大数据能够从人类世界的叁个断面被解构并统合为世界1中的数据集合与世界3中的客观知识。以是否经过世界2加工为标准,大数据可归类为作为数据集合的个人数据与作为客观知识的派生数据。对于个人数据,基于其数据集合的客观实在性而产生的可识别性特征,应对其进行"人格—财产"双重性质的权利设置。个人数据人格性是其财产性的基础,对个人数据的法律保护需以对其人格性的保护为出发点。作为客观知识的派生数据,其为人的智慧活动结果,因其经过在世界2中的加工而带有主体相关性,对其法律保护的核心应当聚焦于不同主体世界2中独有的加工或发现。(本文来源于《甘肃社会科学》期刊2018年06期）
李尧,王志海,孙艳歌,张伟[9]（2018）在《一种基于深度属性加权的数据流自适应集成分类算法》一文中研究指出针对现有的大多数数据流集成分类算法对分类器的评估时未考虑历史数据的重要性,同时忽略对无关属性和噪声属性干扰的处理等问题,提出一种基于深度属性加权的数据流自适应集成分类算法,旨在有效组合多个基于深度属性加权的朴素贝叶斯模型。通过在不同数据块中深入分析不同属性取值对类属性归属的贡献,并将学习到的局部属性权重作用于不同的属性取值,以降低噪声数据干扰。在评价基分类器时,权衡历史数据和当前最新数据的重要性;采用基于测试实例的分类器置信度和分类正确率权重的组合投票策略进行子分类器组合以提高整体分类性能。通过在多个基准数据集上与经典算法对比试验,本研究算法在分类正确率和概念漂移适应性上具有一定优势。(本文来源于《山东大学学报(工学版)》期刊2018年06期）
庞宁,张继福,秦啸[10]（2018）在《一种基于多属性权重的分类数据子空间聚类算法》一文中研究指出采用多属性频率权重以及多目标簇集质量聚类准则,提出一种分类数据子空间聚类算法.该算法利用粗糙集理论中的等价类,定义了一种多属性权重计算方法,有效地提高了属性的聚类区分能力;在多目标簇集质量函数的基础上,采用层次凝聚策略,迭代合并子簇,有效地度量了各类尺度的聚类簇;利用区间离散度,解决了使用阈值删除噪音点所带来的参数问题;利用属性对簇的依附程度,确定了聚类簇的属性相关子空间,提高了聚类簇的可理解性.最后,采用人工合成、UCI和恒星光谱数据集,实验验证了该聚类算法的可行性和有效性.(本文来源于《自动化学报》期刊2018年03期）
分类属性数据论文开题报告
（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：
目的:为实践数据驱动的药事管理模式提供参考。方法:梳理药品属性分类信息及网络获取途径,并应用网络爬虫技术实现药品属性分类知识库的构建。在此基础上,应用自然语言处理技术及正则表达式匹配技术,对我院医院信息系统(HIS)中药品字典表与药品属性分类知识库的药品名称、规格、厂家等信息进行逐条比对,以实现HIS数据库和药品属性分类知识库两库药品编码的对应,并应用药品属性分类知识库进行医院药品使用数据分析。结果:应用所构建的药品属性分类知识库可快速而准确地分析医院抗菌药物使用情况、评价药品采购合规性并快速筛查出不合理用药案例。应用药品属性分类知识库及对照技术自主研发的"医疗机构药事管理分析与决策系统",我院实现了医疗机构全处方点评,并能迅速聚焦并聚力解决如超剂量、超疗程、同种功能主治药物联合应用、超适应证用药等主要临床不合理用药问题。通过该处方点评模式的实践与应用,我院处方点评中上述问题已几乎不存在,抗菌药物使用等各项指标也均符合国家要求。结论:以医疗机构用药实际情况作为分析对象,通过现代信息技术使其与药品相关知识库形成关联,有利于药事管理的信息化建设。今后还需基于药事管理需求,应用现代信息技术构建不同用途和类型的知识库,为实践药事管理的数据驱动奠定基础。
（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。
分类属性数据论文参考文献
[1].宋桂成,李军.无人机故障元数据属性分类与识别技术[J].科技通报.2019
[2].徐帆,曾苏.药品属性分类知识库的构建及其在我院药事管理数据分析中的应用[J].中国药房.2019
[3].马韬.ESP社会属性分类的语篇参数——基于网络语料库的“一带一路”新闻评论数据分析[J].上海理工大学学报(社会科学版).2019
[4].傅立伟.基于属性值分布特征的分类数据和二值数据聚类研究[D].北京科技大学.2019
[5].傅立伟,武森.基于属性值集中度的分类数据聚类有效性内部评价指标[J].工程科学学报.2019
[6].林倩瑜.云服务环境下的大数据多标签属性分类技术[J].微电子学与计算机.2019
[7].段亚军,杨有龙,白旭英.基于模糊规则的随机缺失属性值数据分类算法[J].吉林大学学报(理学版).2019
[8].温昱.大数据的法律属性及分类意义[J].甘肃社会科学.2018
[9].李尧,王志海,孙艳歌,张伟.一种基于深度属性加权的数据流自适应集成分类算法[J].山东大学学报(工学版).2018
[10].庞宁,张继福,秦啸.一种基于多属性权重的分类数据子空间聚类算法[J].自动化学报.2018