在实验2．3．2中曾对iris数据集进行描述和展示，在实验2．3．4中曾对iris数据集进行可视化．以下将对iris数据集进行进行聚类分析．根据实验2．3．4，我们只知道数据集内有三个品种鸢尾花而不知道每朵花的真正分类，只能凭借花萼及花瓣的长度和宽度分类．以下对鸢尾花iris数据集进行聚类分析，代码如下：＞data(iris);attach(iris)＞iris．hc1＜-hclust(dist(......
2023-11-18
在KDDCUP99数据集上的实验结果优化方案
【摘要】：KDDCUP99数据集是网络访问数据记录集[117]，它包含了若干个数据集，本书选用的是corrected.gz。每个记录有42个属性，前41个是访问特征属性，最后一个属性是记录的类别标识。从corrected中按比例分别选择两类记录来构造若干子集，其中攻击记录所占比例均小于10%，以使其为特异记录。分别在30+300、50+500、100+1000、200+2000、300+3000共5个子集上分别运行PecuFind算法程序和CpecuFind算法程序。很明显，Cpecu Find发现攻击记录的能力强于Pecu Find。表3.330+300和50+500上的实验结果比较
KDDCUP99数据集是网络访问数据记录集[117]，它包含了若干个数据集，本书选用的是corrected.gz。其中的记录有两大类：正常访问记录和网络攻击记录，而网络攻击的记录又分为若干小类，在本实验中将只按两大类来区分记录。每个记录有42个属性，前41个是访问特征属性，最后一个属性是记录的类别标识。实验中可以选择前41个属性来计算特异因子。从corrected中按比例分别选择两类记录来构造若干子集，其中攻击记录所占比例均小于10%，以使其为特异记录。用“攻击记录数+正常记录数”来表示这些子集的记录规模，如“30+300”表示整个子集有330个记录，其中30个攻击记录，300个正常记录。分别在30+300、50+500、100+1000、200+2000、300+3000共5个子集上分别运行PecuFind算法程序和CpecuFind算法程序。在CpecuFind中，λ=10%，k=2。两个算法在30+300和50+500上的运行结果中，RPF值排序在前10%和15%的记录包含的攻击记录数显示于表3.3。很明显，Cpecu Find发现攻击记录的能力强于Pecu Find。
表3.3 30+300和50+500上的实验结果比较
有关数据挖掘算法及在视频分析中的应用的文章
- 详细阅读
-
染料固着在纤维上的过程优化方案详细阅读
染料在纤维上的固着是上染的最后阶段，它对染色牢度影响很大。染料在纤维上的固着，主要通过库仑力、范德瓦尔斯力、氢键、共价键、配位键等。因此在染料分子与纤维分子形成氢键的同时，原有的氢键将发生断裂。氢键的能量、作用半径都和范德瓦尔斯力的能量、作用半径属于一个数量级，染料和纤维分子中一般都含有供氢和吸氢基团，因此氢键也普遍存在于各纤维染色体系中。......
2023-06-15
-
仿真实验及结果分析优化方案详细阅读
图9-34比较了在不同任务规模下两种算法优化结果中的续传次数，MACA算法中的续传次数要低于NSGA-Ⅱ算法，平均减少了25.1%。图9-35是两种算法优化结果的资源负载失衡度，MACA算法与NSGA-Ⅱ算法结果相当，两算法的负载失衡度均在0.01以下。对本章场景仿真实验，分别得到整传调度和续传调度结果如图9-36和图9-37所示。......
2023-07-02
-
利用WisconsinBreastCance详细阅读
Wisconsin Breast Cancer数据集有699条记录，每条记录都是记录一位胸部有肿瘤的病人的特征数据。可以从中随机选择444条良性记录和39条恶性记录组成一数据集。文献[107]描述的是基于聚类的且基于密度局部特异数据挖掘方法—FindCBLOF，在Wisconsin Breast Cancer Data上的实验结果显示了其挖掘特异数据的能力在同类算法中是优越的。结果再次表明Cpecu Find挖掘特异数据的能力略优于pecu Find。表3.4Wisconsin Breast Cancer数据集上的实验结果比较......
2023-06-16
-
纹理数据库及实验设置优化方案详细阅读
为了对本章提出的纹理图像特征提取和识别方法的性能进行评估，本节选择在两个常用的标准纹理图像数据库上进行实验，即CUReT纹理库[46]和KTH-TIPS纹理库[96]。图2-11CUReT纹理库的识别挑战性KTH-TIPS纹理库由10个类别的纹理材料组成，具体包括铝箔、砂纸、海绵、灯芯绒、亚麻布、棉织物、面包、橘子皮、聚苯乙烯泡沫和薄脆饼干。......
2023-06-29
-
基于R的实验stackloss数据集逐步回归详细阅读
对R 自带的stackloss数据集进行逐步回归．（1）首先显示stackloss数据集的信息其中，变量为stack．loss（氨气损失百分比），Air．Flow（空气流量），Water．Temp（水温），Acid．Conc．（硝酸浓度）．（2）计算变量间的相关性——相关系数＞cor(stackloss)结果如下：（3）散布图矩阵＞library(car)＞scatterplotMatrix(st......
2023-11-18
-
实验caith数据集的对应分析详细阅读
在R 软件中，有个MASS包，其中有一个caith数据集，是关于眼睛颜色和头发颜色的数据．（1）查看caith数据集的信息＞library(MASS)＞caith结果如下：从以上结果可以看出，caith数据集中眼睛颜色：blue，light，medium 和dark；头发颜色：fair，red，medium，dark和black．（2）进行χ2 检验——考察行变量和列变量是否独立＞chisq．te......
2023-11-18
-
数据挖掘算法实验验证综述：探究的结果详细阅读
计算这些序列的频率和时间平均方差形成特征向量，利用此特征向量数据进行了多方面的实验，验证其在人的行为识别方面的有效性。实验表明，当分段长度达到30帧以上时，就可获得很高的分类精度，且分段长度的变化对识别精度影响就会很小了。......
2023-06-16
相关推荐