图2-8常用药知名老中医马祥治疗胃炎的常用药物药性分析104张处方中出现的药性为平、温、寒、凉、微温、微寒，分析结果显示药性，所使用频率由高到低依次为温，平，微寒，寒，微温（72次），热（42次），凉（10次）。图2-9药性分布知名老中医马祥治疗胃炎的常用药物药味分析104张处方中，药味分布最多的是味苦的药物，药味分析结果以苦味为主，如图2-10所示。......
2023-11-08
数据挖掘算法实验验证综述：探究的结果
【摘要】：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。
从感观上，人的运动在2D视频中表现在身体不同部位的伸与缩及期间空档的伸与缩。将人运动前景矩形在横和竖方向上划分为若干区间，采集运动过程中各区间宽度与空档伸缩变化情况的序列，采集运动过程中质心X和Y变化的序列。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。实验说明：
（1）特征向量易于提取，向量分类特征明显，获得了高的实验精度；各分量在分类中均有效，不能明显找出分类作用很小或没有作用的分量。
（2）区间划分的粗细程度对识别精度有明显的影响，一般区间划分取10行×10列以上，可以获得较好的精度。
（3）因为特征数据表征的是视频序列的伸缩频率与时间平均方差，视频段的大小、起始帧的位置均会影响特征数据。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。
（4）行为识别特征数据具有较好的“不同类别间的特征值距离较远，而同一类别内的特征距离较近”特性。
实验能说明提出的视频特征对行为识别的有效性，但实验还较粗糙，要使特征数据在现实场景中应用，更细致深入的实验、分析与变换是必要的：
（1）由于前景提取技术粗糙，实验中只能采用Schuldt视频库中的部分视频，实验识别精度与采用同样视频库的文献中的精度[144]不可比。
（2）区间划分与段划分粗略，所以“区间划分取10行×10列以上”和“分段长度达到30帧以上”不是精确的边界值。
（3）特征的提取基于运动中的整个单人人形，在多人场景和人体被部分遮蔽时特征会失效；前3种运动主要是侧面的录像，后3种运动主要是正面的录像，特征数据不具有视角不变性。特征数据深入的变换还需研究。
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
-
大数据挖掘技术在医药领域的实验设计和结果分析详细阅读
数据预处理：在数据集中以手工标记的方式从原始数据集中选取八类药品安全领域数据共5667例作为后续实验数据。表5-16基于NB和Hadoop的话题跟踪算法测试结果由表5-16可知，基于Hadoop平台的朴素贝叶斯分类算法能够运行并实现测试样本的正确分类。实验结果表明，朴素贝叶斯返回相关实例的能力，即精确度相对较好；而识别所有相关实例的能力，即召回率相对较差；且调和平均指标，即F1的整体最佳模型出现在阈值0.57处，即话题4。......
2023-11-08
-
基于聚类的全局特异数据挖掘算法详细阅读
设某一属性的所有值的数据集为S，其平均值为Smean。根据这些想法，提出一种基于聚类的全局特异数据挖掘方法。构架仍由挖掘特异属性和挖掘特异记录两个层次构成。从原则上讲可以采用任何基于距离的聚类算法对S进行聚类，采用的聚类算法的效果好，可以减少后续的计算量。图3.2SimC聚类算法可以看出，k是控制聚类半径Cd的。现在根据式（3.9）计算每个类的特异因子，记为CPF。显然，CPF越小的类，其中的元素是特异数据的可能性越小。......
2023-06-16
-
银联数据工作现状及挖掘结果详细阅读
基于传统的数据分析工具和平台，数据分析人员已经开展了多方面的数据分析和挖掘工作，主要体现在如下几个方面： 经营决策方面。分析银联业务整体运行情况，为公司业务经营决策提供重要参考；通过从海量历史交易数据中进行规则提取和验证，发现受理市场中的违规现象及具体违规情况，为市场规范工作提供基础条件等。......
2023-10-21
-
频繁项集挖掘算法的优化详细阅读
在所有可能的项集中，有很多候选都不是频繁的。算法4.2Apriori算法伪代码FPGrowth方法使用一种增强的前缀树对数据D进行索引，以实现快速的支持度计算。FPGrowth将所有的项按照支持度的降序排列。FP树构建完成后，所有的频繁项集就可以从树中挖掘出来。基于频繁树模式的频繁集搜索方法见算法4.3。算法4.3FPGrowth算法伪代码......
2023-06-15
-
医药领域大数据挖掘技术的关联规则挖掘详细阅读
关联规则是寻找在同一个事件中出现的不同项的相关性。关联分析即利用关联规则进行数据挖掘。关联规则挖掘问题的描述：项目集，设I=｛i1，i2，…关联规则挖掘的目标，给定一个事务集合T，关联规则挖掘即找出T中所有满足支持度和置信度分别高于一个用户指定的最小支持度和最小置信度的关联规则。......
2023-11-08
-
数值方程算法与验证详细阅读
Stone对全隐式差分方程提出了新的迭代解法——强隐式迭代解法，简称SIP方法。由于这种迭代方法利用解方程组对全部格点同时加以改进，迭代效率非常高，已经十分接近直接解法，因而也就更加有效。Trescott等所做的比较研究表明：对于复杂的实际问题，SIP方法明显优于其他的迭代方法。表5-3-1ADI算法时间为500天时浓度场计算结果表5-3-2SIP算法时间为500天时浓度场计算结果图5-3-6SIP算法实例验证图算例2作者对三维SIP算法也进行了编程验证，作为......
2023-06-25
-
聚类分析算法及应用-大数据挖掘技术在医药领域详细阅读
聚类分析的算法可以分为划分的方法、层次的方法、基于密度的方法、基于网格的方法、基于模型的方法等，其中，前两种方法最常用。图4-6层次聚类法示例4.基于网格的方法基于网格的聚类方法采用一个网格数据结构，把对象空间量化为有限数目的单元，形成了一个网格结构。......
2023-11-08
相关推荐