期刊文献+
共找到6篇文章
< 1 >
每页显示 20 50 100
基于隐结构模型和关联规则分析缺血性脑卒中的方药规律 被引量:1
1
作者 平兴枫 黄宗轩 +2 位作者 李凯 谢广敏 吕军影 《中国组织工程研究》 北大核心 2025年第29期6277-6284,共8页
背景:目前中医药治疗缺血性脑卒中积累了丰富的经验,应用隐结构结合关联规则分析深入挖掘及总结“药-方-证”规律,有利于促进缺血性脑卒中防治策略的优化。目的:探讨中医药治疗缺血性脑卒中的方药规律,为临床辨证论治缺血性脑卒中提供... 背景:目前中医药治疗缺血性脑卒中积累了丰富的经验,应用隐结构结合关联规则分析深入挖掘及总结“药-方-证”规律,有利于促进缺血性脑卒中防治策略的优化。目的:探讨中医药治疗缺血性脑卒中的方药规律,为临床辨证论治缺血性脑卒中提供借鉴。方法:系统检索中国知网(CNKI)、万方(Wanfang)、维普(VIP)、中国生物医学文献服务系统(SinoMed)中关于中医药治疗缺血性脑卒中的临床研究文献,检索时限:1990-01-01/2024-08-15。筛选文献并提取相关资料导入Excel 2019软件建立数据库,统计分析中药频次、性味归经、功效类别及证型,使用Lantern 5.0及Rstudio软件对使用频率≥4%的高频中药进行隐结构模型、综合聚类及关联规则分析,总结缺血性脑卒中的用药规律及推测中医证型。结果与结论:①共纳入文献231篇,涉及中药203味,累计使用频次2524次;②高频中药有川芎、地龙、当归、黄芪、丹参、赤芍、红花、水蛭、桃仁、半夏等,药性主要为温、寒、平性,药味以苦、甘、辛味为主,药物主要归肝、脾、心经,功效以活血化瘀药、补虚药、平肝息风药及化痰止咳平喘药使用频次较高;③隐结构模型分析共获得7个隐变量、14个隐类,6个综合聚类模型,19个核心方剂,推测缺血性脑卒中主要中医证型为气虚血瘀证、风痰阻络证、痰瘀阻络证、痰热腑实证;④关联规则分析共筛选出29条强关联规则,其中2项关联规则2条,3项关联规则27条,支持度最高为当归-川芎,置信度最高为当归+甘草-川芎。结果表明,缺血性脑卒中是以气血亏虚、肝肾阴虚为本,风、痰、瘀、火为标的本虚标实之证,治则以益气扶正、活血化瘀为主,结合“痰热”“气滞”“阴虚”“肝火”等病理因素,辅以清热化痰、行气通滞、滋养肝肾、清肝泻火等治法。 展开更多
关键词 缺血性脑卒中 隐结构模型 关联规则 方药规律 综合聚类 数据挖掘 LTM-EAST算法 中医药
暂未订购
基于MapReduce的分布式网络数据聚类算法 被引量:9
2
作者 陈东明 刘健 +1 位作者 王冬琦 徐晓伟 《计算机工程》 CAS CSCD 2013年第7期76-82,共7页
时空复杂度较高以及物理机器内存不足,会导致传统聚类算法不能有效地分析处理大规模数据网络。针对该问题,在MapReduce分布式模型的基础上,提出一种网络数据分布式聚类算法。根据MRC理论设计有限MapReduce轮数,控制混洗过程所需时间,利... 时空复杂度较高以及物理机器内存不足,会导致传统聚类算法不能有效地分析处理大规模数据网络。针对该问题,在MapReduce分布式模型的基础上,提出一种网络数据分布式聚类算法。根据MRC理论设计有限MapReduce轮数,控制混洗过程所需时间,利用Map内合并技术对网络流量进行控制,在进行中间结果合并时仅对社团合并,而不考虑社团内部节点,以控制内存开销。使用模拟生成的数据在集群中进行实验,结果表明,当数据规模和集群规模增大时,该算法具有较好的加速比和扩展性。 展开更多
关键词 聚类算法 分布式聚类 MapReduce编程模型 数据挖掘 社团结构
在线阅读 下载PDF
基于数据挖掘的入侵检测系统智能结构模型 被引量:10
3
作者 伊胜伟 刘旸 魏红芳 《计算机工程与设计》 CSCD 北大核心 2005年第9期2464-2466,2472,共4页
为了提高对拒绝服务攻击、内存溢出攻击、端口扫描攻击和网络非法入侵等发现的有效性以及对海量的安全审计数据能进行智能化处理,采用数据挖掘的方法从大量的信息中提取有威胁的、隐蔽的入侵行为及其模式。将数据挖掘的聚类分析方法与... 为了提高对拒绝服务攻击、内存溢出攻击、端口扫描攻击和网络非法入侵等发现的有效性以及对海量的安全审计数据能进行智能化处理,采用数据挖掘的方法从大量的信息中提取有威胁的、隐蔽的入侵行为及其模式。将数据挖掘的聚类分析方法与入侵检测系统相结合,提出了一种入侵检测系统的智能结构模型。实验表明,它能够有效地从海量的网络数据中进行聚类划分,找到相关的入侵数据,从而提高对各种攻击类型网络入侵检测的效率。 展开更多
关键词 入侵检测 数据挖掘 智能结构 聚类算法
在线阅读 下载PDF
在线社交网络下基于信任度的消息传播模型 被引量:6
4
作者 张晓伟 《计算机应用》 CSCD 北大核心 2014年第2期411-416,共6页
社交网络作为一种新兴的媒体具有广泛的社会影响力,且基于社交网络的营销方式逐渐成为一种新的发展趋势,因此研究社交网络中消息的传播具有重大的现实和经济意义。通过借鉴日常生活中人与人之间的信任原理,提出了一种基于信任度的消息... 社交网络作为一种新兴的媒体具有广泛的社会影响力,且基于社交网络的营销方式逐渐成为一种新的发展趋势,因此研究社交网络中消息的传播具有重大的现实和经济意义。通过借鉴日常生活中人与人之间的信任原理,提出了一种基于信任度的消息传播模型。该模型首先利用个体的公开信息,使用数据挖掘的算法对个体进行分类;然后,根据同类和不同类个体之间的关系计算个体之间的信任度;最后,使用消息与个体的属性相似性以及信任度来计算消息可能传播范围。给出了相应的计算方法,并与两种基准方法对比,结果表明,该模型在准确度上提升15%左右,而所用时间降低50%以上。与数据集统计结果对比,该实验的结果与统计结果相差5%左右,充分表明该模型在实际应用中有比较好的效果。 展开更多
关键词 社交网络 数据挖掘 分类算法 信任度 网络的结构聚类算法 消息传播模型
在线阅读 下载PDF
基于电力营销聚类分析的数据挖掘算法研究 被引量:14
5
作者 臧玉魏 谢连科 +3 位作者 张永 张国英 吴健 白晓春 《信息技术》 2020年第4期56-59,64,共5页
为提高数据挖掘算法的挖掘速度,同时提高其精准度,提出基于电力营销聚类分析数据挖掘算法研究。首先运用聚类算法筛选数据,再计算数据结构和相异度矩阵相异度,得出最接近的类距离。完成上述步骤后,在聚类分析框架下,设计聚类分析数据挖... 为提高数据挖掘算法的挖掘速度,同时提高其精准度,提出基于电力营销聚类分析数据挖掘算法研究。首先运用聚类算法筛选数据,再计算数据结构和相异度矩阵相异度,得出最接近的类距离。完成上述步骤后,在聚类分析框架下,设计聚类分析数据挖掘算法流程。先输入数据,再设计数据挖掘算法基本策略,最后提出SLIO算法处理离散字段,得到有价值的数据信息。由此,完成基于电力营销聚类分析的数据挖掘算法设计。实验结果表明,与基于支持度-置信度-提升度的配网自动化系统数据挖掘算法和基于神经网络和粒子群优化的数据挖掘算法相比,文中基于电力营销聚类分析的数据挖掘算法的挖掘速度稳定,挖掘效果更好。同时测试精准度较高,可有效提高数据挖掘的可信度。 展开更多
关键词 数据挖掘算法 聚类分析法 相异度矩阵 属性结构 决策树
在线阅读 下载PDF
Resilient k-d trees: k-means in space revisited
6
作者 FabianGIESEKE GabrielMORUZ JanVAHRENHOLD 《Frontiers of Computer Science》 SCIE EI CSCD 2012年第2期166-178,共13页
We propose a k-d tree variant that is resilient to a pre-described number of memory corruptions while still us- ing only linear space. While the data structure is of indepen- dent interest, we demonstrate its use in t... We propose a k-d tree variant that is resilient to a pre-described number of memory corruptions while still us- ing only linear space. While the data structure is of indepen- dent interest, we demonstrate its use in the context of high- radiation environments. Our experimental evaluation demon- strates that the resulting approach leads to a significantly higher resiliency rate compared to previous results. This is es- pecially the case for large-scale multi-spectral satellite data, which renders the proposed approach well-suited to operate aboard today's satellites. 展开更多
关键词 data mining clustering resilient algorithms anddata structures
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部