数据挖掘是当前信息和决策科学的前沿,迄今主要问题是高维数据处理及其带来的泛化能力差,大数据的计算效率及鲁棒性等问题。本项目拟提出多种能处理高维数据及泛化能力强,鲁棒性好,计算效率高的神经网络与粗集理论及机器学习等相融合的数据挖掘模型,并研究多种基于自组织投影的聚类挖掘模型和可用于高精度股市预测的时间序列数据库挖掘模型。
{{i.achievement_title}}
数据更新时间:2023-05-31
涡度相关技术及其在陆地生态系统通量研究中的应用
论大数据环境对情报学发展的影响
硬件木马:关键问题研究进展及新动向
基于多模态信息特征融合的犯罪预测算法研究
端壁抽吸控制下攻角对压气机叶栅叶尖 泄漏流动的影响
用于空间环境分析的自主航天测控数据挖掘技术研究
WEB数据挖掘技术研究
数据挖掘驱动的水沙模型时序耦合关键理论与技术研究
多声呐系统目标识别中的数据融合和数据挖掘综合处理的理论与技术研究