检索结果

Select

1. 基于加权二部图的个性化推荐算法

张新猛蒋盛益

计算机应用 2012, 32 (03): 654-657. DOI: 10.3724/SP.J.1087.2012.00654

摘要（1393）

PDF （767KB）（1216）

针对网络推断(NBI)算法的二部图实现算法忽略二部图权重而导致实际评分值高的项目没有得到优先推荐这一问题,提出加权网络推断(WNBI)算法的加权二部图实现算法。该算法以项目的评分作为二部图中用户与项目的边权,按照用户-项目间边权占该节点权重和的比例分配资源,从而实现评分值高的项目得到优先推荐。通过在数据集MovieLens上的实验表明,相比NBI算法,WNBI算法命中高评分值项目数目增多,同时在推荐列表长度小于20的情况下,命中项目的数量和命中高评分项目数量均有明显增加。

参考文献 | 相关文章 | 多维度评价

Select

2. 一种改进的BIRCH聚类算法

蒋盛益李霞

计算机应用

摘要（1830）

PDF （575KB）（2388）

BIRCH算法是一种适应于大规模数据集的聚类算法，通过对所有叶节点设定统一阈值T来构建聚类特征（CF）树，并在各阶段采取不同的阈值来重建树，但没有给出一个合理设定阈值初值T及如何在各阶段提升阈值大小的具体方法。另外BIRCH算法只能处理数值型数据，这使其应用受到限制。针对以上不足，对BIRCH算法做了以下改进：1)改进原BIRCH算法的CF结构，使其可以处理混合型属性数据集； 2)启发式为BIRCH算法选择初始阈值T并给出了第二阶段提升阈值的具体操作方法； 3)对BIRCH算法的参数B和L做了探讨，指出当参数B=L时算法性能相近，并提出为获得较好聚类效果时B值的取值范围。实验结果表明，改进后的BIRCH算法具有较好的性能。

相关文章 | 多维度评价

Select

3. 一种面向高维混合属性数据的异常挖掘算法

李庆华，李新，蒋盛益

计算机应用 2005, 25 (06): 1353-1356. DOI: 10.3724/SP.J.1087.2005.1353

摘要（1353）

PDF （176KB）（1137）

异常检测是数据挖掘领域研究的最基本的问题之一,它在欺诈甄别、气象预报、客户分类和入侵检测等方面有广泛的应用。针对网络入侵检测的需求提出了一种新的基于混合属性聚类的异常挖掘算法,并且依据异常点(outliers)是数据集中的稀有点这一本质,给出了一种新的数据相似性和异常度的定义。本文所提出算法具有线性时间复杂度,在KDDCUP99和WisconsinPrognosisBreastCancer数据集上的实验表明,算本法在提供了近似线性时间复杂度和很好的可扩展性的同时,能够较好的发现数据集中的异常点。