简介:信息化技术的发展,使计算机数据采集广泛应用于各个领域。极大地减轻了人员的开销,提升了生产开发效率。但传统的数据采集系统普遍存在数据采集面狭窄、数据分析逻辑性单一、相关数据采集算法兼容性差等一系列问题。根据Matlab函数的特性与传统数据采集系统存在的问题,提出一种基于Matlab函数的数据采集系统设计方案。我们采用了Matlab函数动态域值算法扩大了数据采集域,这大大提高了数据载入量;通过Matlab函数双维逻辑引擎设计,提升了算法的逻辑性。最后采用了Matlab函数动态兼容库设计,通过实时自学算法(TNZX-PRO)自动升级了数据信息并创建了兼容数据库。通过仿真实验证明:我们所提出的基于Matlab函数的数据采集系统设计,各项测试数据优异,能较好地满足数据采集要求。
简介:不确定性是数据的固有属性,在实验过程中由于仪器的限制或者收集过程中的误差都会造成数据的不确定性。数据挖掘算法在处理不确定数据的相关研究尚处于初级阶段,不确定数据聚类是不确定数据研究中的典型问题,已有一些聚类算法被应用到处理不确定数据,如UK-means等。无论是UK-means还是FDBSCAN都仅仅考虑了不确定数据之间的几何距离,而没有考虑到不确定数据之间的概率分布差异。然而,概率分布特征是不确定数据的本质特征,考虑不确定数据的概率分布能够更准确度量不确定数据间的距离,从而提高聚类算法的性能,本文使用核函数度量不确定数据与类中心的距离,然后使用UK-means算法聚类不确定数据,通过大量实验验证了本文提出的距离函数优于使用欧式距离期望的UK-means方法。
简介:一、大数据的特点与应用价值何谓“大数据”?顾名思义是海量数据,超过常规尺度所能测量的数据。“大数据是用来描述大规模和不断产生的数字数据集,这些数据集通过与网络技术的相互作用产生。”大数据有四个特征:大量化、多样化、快速化、价值密度低。有学者将其扩展到第“5V”即数据真实性。“大数据时代的预言家”维克托·迈尔一舍恩伯格在《大数据时代》中对大数据的特点、功能和应用价值进行了阐释。“大数据不是随机样本,而是全体数据,即样本一总体;不要求精确性,接受混杂性和模糊性;关注相关关系,不追求因果关系。一切皆可‘量化’,要让数据自己‘发声’,对事物提供全方位的、可量化的维度。
简介:构建了数据随机截断情形下的Weibull型参数模型,分别利用经典方法和Bayesian方法对其参数进行了估计。