雷红艳
- 作品数：20 被引量：50H指数：4
- 供职机构：湖南文理学院计算机科学与技术学院更多>>
- 发文基金：湖南省教育厅科研基金湖南省普通高等学校教学改革研究项目湖南省自然科学基金更多>>
- 相关领域：自动化与计算机技术文化科学经济管理更多>>
- 一种基于正例的SVM分类方法被引量：1
- 2007年
- 文本分类属于有指导的机器学习,而构造一个按兴趣分类的分类器,需要进行大量的预处理工作收集正负训练样例,但负样例的收集难度很大.为此,提出了一个只有正例并基于SVM的分类学习模型.实验表明,该学习模型满足了文本分类对于分类精度和速度的要求.
- 张伟邹汉斌雷红艳刘琼
- 关键词：文本分类支持向量机
- 基于随机矩阵变换的隐私保护聚类方法
- 2008年
- 在保护隐私的情况下挖掘有用的信息是近年来数据挖掘领域研究的热点之一。针对Johnson-Lindenstrauss定理中数据高维特征空间映射到低维特征空间数据点之间距离基本保持不变的原理,提出了基于随机正交矩阵的隐私保护聚类方法。实验结果表明,该方法计算简单,在不影响聚类结果的情况下起到了保护隐私的作用。
- 邹汉斌雷红艳周慧灿
- 关键词：隐私保护聚类
- 基于FP-树的无支持度设置关联规则挖掘
- 2006年
- 关联规则的挖掘大都在用户设置的支持度阈值的限制条件下,产生频繁项目集合,得到关联规则。但是没有相关领域的专门知识,用户很难设置合适的支持度阈值来得到合适的结果。文章在FP-树挖掘算法的基础上,提出一种无支持度设置的关联规则挖掘方法,通过兴趣度的设置动态地得到不同项集的不同支持度。
- 雷红艳邹汉斌刘琼周惠灿周学清
- 关键词：关联规则兴趣度FP-树
- 在VC^(++)6.0中利用MFC类库实现打印功能被引量：7
- 2004年
- 介绍了WINDOWS的GDI对象以及打印程序的工作原理 ,说明了如何利用在VC中利用MFC编写表格打印程序 .
- 邹汉斌雷红艳
- 关键词：VC++6.0MFC程序设计
- 基于反向矩阵的最大频集的交互式挖掘算法
- 2005年
- 发现最大项目频集是数据挖掘应用中的关键问题。本文提出了一个基于反向矩阵的最大频集的交互式挖掘算法。该算法将事务数据库转换成反向矩阵,缩小了候选子集,利于交互式挖掘。通过对每个频繁项独立建立COFI 树,减少了挖掘中对内存容量的依赖。
- 雷红艳邹汉斌
- 关键词：最大频繁集
- 无支持度设置的关联规则挖掘算法研究
- 本文在FP树挖掘算法的基础上，提出了无用户设置最小支持度阈值的关联规则挖掘算法。该算法通过兴趣度的设置动态地得到不同项集的不同支持度，并支持用户与算法的交互功能，用户能通过兴趣度的设置来控制产生的频繁项目集合中元素的数目...
- 雷红艳
- 关键词：数据挖掘关联规则最小支持度
- 文献传递
- 基于信息论网络的分类方法研究被引量：2
- 2005年
- 分类是一个重要的挖掘任务,其目标是通过学习功能,将数据库中的记录按记录的属性值分成预先定义的类别。根据存在特征的最小子集,文章提出了建立类似树结构的输入属性和输出特征之间关系的信息网络来实现分类的方法。实验结果表明,与其它方法相比,该方法建立的模型更简洁,精度更高。
- 邹汉斌雷红艳刘琼张伟
- 关键词：数据挖掘
- 计算机专业毕业设计教学改革与学生创新能力培养被引量：6
- 2008年
- 毕业设计作为一个实践环节，在整个本科教学中所起的作用和地位，是其它教学环节无法替代的。毕业设计的质量也是衡量教学水平的重要依据。针对计算机专业的特点和毕业设计中出现的问题，从教学与毕业设计指导、毕业设计选题、毕业设计过程的监控和管理、答辩等几个环节提出了相应的教学改革方法。并分析了在毕业设计的过程中如何加强学生动手能力和创新能力的培养，增强学生就业竞争力。
- 邹汉斌雷红艳颜君彪
- 关键词：计算机专业教学改革
- 基于粗糙集边界的V-支持向量聚类算法被引量：2
- 2009年
- 根据粗糙集理论的边界区域和V-支持向量机的优点对支持向量聚类算法进行改进。使用核函数进行特征空间的映射,发现最小粗糙球的包络点。根据上近似集与下近似集,定义粗糙球的内半径r和外半径为R。数据点映射若位于下近似区,则属于一个确定的聚类;若边界的点位于上近似区,属于不确定的聚类,位于球体外的点属于孤立点。实验结果表明,该聚类算法可以不需要额外的计算开销,能够解决任意形状的软聚类问题,有效地处理边界点。
- 邹汉斌黄少年雷红艳周慧灿
- 关键词：聚类粗糙集核方法支持向量聚类V-支持向量机
- 基于聚类支持向量机的入侵检测算法被引量：3
- 2009年
- 针对支持向量机应用到入侵检测中训练时间长的特点,提出了一种基于聚类的支持向量机的入侵检测算法。该方法可以对训练数据进行剪枝,以靠近判别边界的聚类中心集合作为有效的训练样本集合对支持向量机进行训练,减少了样本的训练时间,提高了算法的效率。实验结果表明该方法对入侵检测是有效的。
- 雷红艳邹汉斌周慧灿
- 关键词：聚类支持向量机入侵检测异常检测
