天體光譜數(shù)據(jù)挖掘技術(shù)-資料下載頁(yè)
2025-05-15 00:00本頁(yè)面
【正文】 s 174s 9 5500 822s 213s 7 6000 861s 234s 6 7000 1184s 435s 19 8315 1887s 595s 19 表 23 不同 TS值的挖掘時(shí)間和離群數(shù)據(jù)數(shù) (DENSE=，記錄數(shù) 8315) TS值 離群挖掘時(shí)間 離群數(shù)據(jù)數(shù) 872s 60 750s 31 591s 19 356s 6 表 24 不同 DENSE值的挖掘時(shí)間和離群數(shù)據(jù) (TS=，記錄數(shù) 8315) DENSE值 離群挖掘時(shí)間 離群數(shù)據(jù)數(shù) 394s 44 376s 23 1 366s 12 356s 6 354s 4 基于概念格的天體光譜離群數(shù)據(jù)挖掘系統(tǒng) ? 天體光譜數(shù)據(jù)與形式背景 在流量離散化處理中，不僅要描述天體光譜波長(zhǎng)處的流量 強(qiáng)度 和 峰寬 ，同時(shí)還應(yīng)描述波的 形狀 ，即：吸收線還是發(fā)射線，故對(duì)于光譜不僅需考慮波長(zhǎng)處的強(qiáng)度和峰寬兩個(gè)因素，而且還需要考慮波的形狀。 可以利用三個(gè)特征變量 I、 J、 W來(lái)描述光譜在某一波長(zhǎng)處的特征， I表示光譜波的強(qiáng)度， J表示光譜波峰的寬度，W表示光譜波的形狀。從而將天體光譜數(shù)據(jù)中各個(gè)波長(zhǎng)處的數(shù)據(jù)，轉(zhuǎn)變?yōu)橐蕴卣髯兞?I、 J和 W表示的特征數(shù)據(jù)。如果某一條光譜圖中包含著的波長(zhǎng)為 A=[Ai]， i=1， 2，3， … n ，其中 Ai表示 i個(gè)波長(zhǎng)處的光譜特征， n表示共有 n個(gè)波長(zhǎng)，那么 Ai可表示為 Ai={Ii， Ji， Wi} 。 表 43 光譜數(shù)據(jù)離散化 光譜數(shù)據(jù)按照上述方法及表 43離散化后，形成了天體光譜數(shù)據(jù)的形式背景，從而適應(yīng)于天體光譜數(shù)據(jù)概念格的構(gòu)造。 離散化值 強(qiáng)度 寬度 類型 離散化值 強(qiáng)度 寬度 類型 1 弱 窄 吸收線 7 一般 寬 發(fā)射線 2 弱 窄 發(fā)射線 8 強(qiáng) 寬 發(fā)射線 3 一般 窄 發(fā)射線 9 一般 窄 吸收線 4 強(qiáng) 窄 發(fā)射線 A 一般 寬 吸收線 5 弱 寬 吸收線 B 強(qiáng) 窄 吸收線 6 弱 寬 發(fā)射線 C 強(qiáng) 寬 吸收線 0 無(wú) 無(wú) 無(wú) 功能與體系結(jié)構(gòu) 光譜數(shù)據(jù)離群挖掘系統(tǒng) 數(shù)據(jù)預(yù)處理 構(gòu)造概念格 離群數(shù)據(jù)挖掘 數(shù)據(jù)導(dǎo)入 光譜數(shù)據(jù)離散化 一般概念格構(gòu)造 查看概念格文件 離散表 天體 光譜歸一庫(kù) 用戶接口 概念格構(gòu)造 離群數(shù)據(jù)挖掘 構(gòu)造參數(shù)輸入 挖掘結(jié)果輸出 數(shù)據(jù)處理 概念格數(shù)據(jù)文本 ? 開(kāi)發(fā)環(huán)境與工具 采用 VC++和 Oracle9i作為開(kāi)發(fā)工具，在 CPU， 512M內(nèi)存， Windows XP操作系統(tǒng)上，實(shí)現(xiàn)了天體光譜數(shù)據(jù)離群挖掘系統(tǒng)。 ? 關(guān)鍵模塊的實(shí)現(xiàn)技術(shù) 一、基于鏈表結(jié)構(gòu)的概念格格構(gòu)造 二、 STL和 ADO技術(shù) ? 運(yùn)行結(jié)果及分析 將以文本存儲(chǔ)的歸一化后的光譜數(shù)據(jù)導(dǎo)入到 oracle數(shù)據(jù)庫(kù)中。數(shù)據(jù)包括光譜數(shù)據(jù)的 fit文件名、 sn_g信噪比、紅移值、 44根特征線的高度及等值寬度，每條光譜數(shù)據(jù)一共是 91維，圖 46為導(dǎo)入的 5412條高紅移類星體的運(yùn)行界面。 數(shù)據(jù)離散化 概念格 離群數(shù)據(jù) 小結(jié) ? 提出了一種基于約束 FP樹(shù)的天體光譜數(shù)據(jù)相關(guān)性分析技術(shù)。 首先采用一階謂詞邏輯作為背景知識(shí)表示技術(shù)，提出了一種新的 FP樹(shù)，約束 FP樹(shù)或 CFP樹(shù)，并給出了其構(gòu)造算法 CFPConstruct，從而降低了 FP樹(shù)構(gòu)造的復(fù)雜性，提高了關(guān)聯(lián)規(guī)則挖掘結(jié)果的針對(duì)性。其次，采用基于約束 FP樹(shù)的關(guān)聯(lián)規(guī)則挖掘方法作為天體光譜數(shù)據(jù)相關(guān)性分析手段，提出了一種新的基于約束 FP樹(shù)的天體光譜數(shù)據(jù)相關(guān)性分析。最后，采用 VC ++ 和 Oracle9i 作為開(kāi)發(fā)工具，設(shè)計(jì)并實(shí)現(xiàn)了天體光譜數(shù)據(jù)相關(guān)性分析原型系統(tǒng)，實(shí)驗(yàn)結(jié)果分析表明，該相關(guān)性分析方法是可行的和有價(jià)值的。 ? 提出了一種基于概念格的天體光譜離群數(shù)據(jù)挖掘技術(shù)。 首先，通過(guò)定義和分析了度量低維子空間離群數(shù)據(jù)的稀疏度系數(shù)和稠密度系數(shù)，將概念格中每個(gè)概念內(nèi)涵看作子空間，提出了一種基于概念格的低維子空間離群數(shù)據(jù)挖掘算法 CLOM。其次，將概念節(jié)點(diǎn)的內(nèi)涵縮減看作天體光譜特征子空間，提出了一種基于 CLOM算法天體光譜離群數(shù)據(jù)識(shí)別方法。最后，采用 VC ++ 和 Oracle9i 作為開(kāi)發(fā)工具，設(shè)計(jì)并實(shí)現(xiàn)了基于概念格的天體光譜離群數(shù)據(jù)挖掘原型系統(tǒng)，實(shí)驗(yàn)和系統(tǒng)運(yùn)行結(jié)果分析表明，利用該方法挖掘出的天體光譜離群數(shù)據(jù)是準(zhǔn)確的、完備的和有效的。 歡迎各位專家、學(xué)者多提寶貴意見(jiàn)！ 謝謝大家！
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1