摘要：本文把birch算法应用于自适应WEB站点的设计中,具体给出聚类过程中的距离计算公式和聚类中心计算公式,并按数据挖掘的过程对自适应WEB站点的设计中的各个问题进行了介绍.

摘要：针对智能配电网设备量剧增导致的数据上传速率慢、数据存储性能较差等问题,提出了基于海量信息处理的配电网设备数据存储模型研究。利用Hadoop分布式平台搭建配电网设备数据存储模型架构,以此获取配电网设备海量数据。且应用CMCH算法并行关联配电网设备的多源数据,并采用了birch算法融合设备并行关联数据库,以此获取配电网设备多源数据融合结果。再通过一致性哈希算法存储配电网设备数据,实现配电网设备数据存储模型的运行。同时搭建了Hadoop分布式平台,准备实验数据集来进行设备数据存储仿真实验。实验结果显示,与传统模型相比,所构建模型的数据上传速率较高、数据压缩也比较大,充分说明了该模型设备数据的存储性能较好。

摘要：[目的/意义]结合深度学习技术和领域本体研究,提出了基于深度学习的领域本体构建方法,从概念抽取、层级关系构建、属性抽取三个模块,结合人工干预搭建起本体架构。[方法/过程]利用深度神经网络实现领域本体概念识别,以birch聚类算法划分本体层级关系,采用卷积神经网络结合远程监督抽取实体关系模型,来抽取领域本体属性。[结果/结论]以汽车领域评论语料为数据源,搭建起汽车领域本体架构,为领域本体构建提供了一种新思路。

摘要：支持向量机的计算复杂度依赖于训练样本点数量,无法应用到大规模的数据集。本文采用约简样本点的思想,通过对原始的样本点进行层次聚类,将各聚类的质心赋予不同权重并训练可以达到减小训练规模的目的。针对大样本集的聚类算法,对不同的聚类中心赋予不同的加权惩罚系数,不仅使得在聚类过程中的复杂度大大降低,而且能在保证精度的前提下起到加快训练速度的作用。理论分析及实验结果表明,新算法能在高精度下使数据规模大幅缩减,缩短支持向量机的训练时间。