天體光譜數(shù)據(jù)挖掘技術-資料下載頁
2025-05-15 00:00本頁面
【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值的挖掘時間和離群數(shù)據(jù)數(shù) (DENSE=，記錄數(shù) 8315) TS值 離群挖掘時間 離群數(shù)據(jù)數(shù) 872s 60 750s 31 591s 19 356s 6 表 24 不同 DENSE值的挖掘時間和離群數(shù)據(jù) (TS=，記錄數(shù) 8315) DENSE值 離群挖掘時間 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處的流量 強度 和 峰寬 ，同時還應描述波的 形狀 ，即：吸收線還是發(fā)射線，故對于光譜不僅需考慮波長處的強度和峰寬兩個因素，而且還需要考慮波的形狀。 可以利用三個特征變量 I、 J、 W來描述光譜在某一波長處的特征， I表示光譜波的強度， 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)中各個波長處的數(shù)據(jù)，轉變?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為 A=[Ai]， i=1， 2，3， … n ，其中 Ai表示 i個波長處的光譜特征， n表示共有 n個波長，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，從而適應于天體光譜數(shù)據(jù)概念格的構造。 離散化值 強度 寬度 類型 離散化值 強度 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 寬 發(fā)射線 3 一般 窄 發(fā)射線 9 一般 窄 吸收線 4 強 窄 發(fā)射線 A 一般 寬 吸收線 5 弱 寬 吸收線 B 強 窄 吸收線 6 弱 寬 發(fā)射線 C 強 寬 吸收線 0 無 無 無 功能與體系結構 光譜數(shù)據(jù)離群挖掘系統(tǒng) 數(shù)據(jù)預處理 構造概念格 離群數(shù)據(jù)挖掘 數(shù)據(jù)導入 光譜數(shù)據(jù)離散化 一般概念格構造 查看概念格文件 離散表 天體 光譜歸一庫 用戶接口 概念格構造 離群數(shù)據(jù)挖掘 構造參數(shù)輸入 挖掘結果輸出 數(shù)據(jù)處理 概念格數(shù)據(jù)文本 ? 開發(fā)環(huán)境與工具 采用 VC++和 Oracle9i作為開發(fā)工具，在 CPU， 512M內(nèi)存， Windows XP操作系統(tǒng)上，實現(xiàn)了天體光譜數(shù)據(jù)離群挖掘系統(tǒng)。 ? 關鍵模塊的實現(xiàn)技術 一、基于鏈表結構的概念格格構造 二、 STL和 ADO技術 ? 運行結果及分析 將以文本存儲的歸一化后的光譜數(shù)據(jù)導入到 oracle數(shù)據(jù)庫中。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為導入的 5412條高紅移類星體的運行界面。 數(shù)據(jù)離散化 概念格 離群數(shù)據(jù) 小結 ? 提出了一種基于約束 FP樹的天體光譜數(shù)據(jù)相關性分析技術。 首先采用一階謂詞邏輯作為背景知識表示技術，提出了一種新的 FP樹，約束 FP樹或 CFP樹，并給出了其構造算法 CFPConstruct，從而降低了 FP樹構造的復雜性，提高了關聯(lián)規(guī)則挖掘結果的針對性。其次，采用基于約束 FP樹的關聯(lián)規(guī)則挖掘方法作為天體光譜數(shù)據(jù)相關性分析手段，提出了一種新的基于約束 FP樹的天體光譜數(shù)據(jù)相關性分析。最后，采用 VC ++ 和 Oracle9i 作為開發(fā)工具，設計并實現(xiàn)了天體光譜數(shù)據(jù)相關性分析原型系統(tǒng)，實驗結果分析表明，該相關性分析方法是可行的和有價值的。 ? 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。 首先，通過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)識別方法。最后，采用 VC ++ 和 Oracle9i 作為開發(fā)工具，設計并實現(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)，實驗和系統(tǒng)運行結果分析表明，利用該方法挖掘出的天體光譜離群數(shù)據(jù)是準確的、完備的和有效的。 歡迎各位專家、學者多提寶貴意見！ 謝謝大家！
教學課件相關推薦
鄂ICP備17016276號-1