檢索結果(共4筆)

1. Extended Self-Organizing Map on Transactional Data 

廖文忠;許中川;
頁: 185-216
日期: 2012/01
卷期: 19(1)
關鍵字: 交易型資料;自組映射圖;概念階層;交易型資料距離函數;概念樹;
Keywords: transactional data;self-organizing map;concept hierarchy;distance function on transactions;concept tree;
摘要: 在許多應用領域，交易紀錄反映個人行為上的偏好或習慣，若將交易紀錄適當分群，即可將不同行為類型的個人分到不同群組。交易型資料通常有概念階層伴隨，概念階層反映所有可能交易項目之間的相關性，然而，概念階層卻被大多數的分群演算法忽略，因此，易將相似度高的交易...

引用     導入Endnote

2. Concept Hierarchy-Based Pattern Discovery in Time Series Database: A Case Study on Financial Database 

黃燕萍;許中川;
頁: 219-237
日期: 2007/10
卷期: 14(專)
關鍵字: 資料探勘;分群演算法;樣板探勘;時間序列分析;
Keywords: Data mining;Cluster analysis;Pattern discovery;Time series analysis;
摘要: 資料探勘是從大量資料中擷取隱藏、未知與潛在，但具有實用性的資訊分析方法。在資料探勘領域中，知識探勘的相關研究已有長足的進步。時間序列資料，包含大量未知與潛在的資訊。財務類型的資料庫中，通常存有大量的時間序列資料。過去時間序列相關研究以迴歸分析為主，傳...

引用     導入Endnote

3. 改良自組映射圖處理種類型及混合型資料 

許中川;
頁: 61-84
日期: 2004/04
卷期: 11(2)
關鍵字: 自組映射圖;資料探勘;概念階層;類神經網路;群集分析;
Keywords: self-organizing maps;data mining;concept hierarchy;neural networks;cluster analysis;
摘要: 自組映射圖是一種非監督式學習類神經網路，可以將高維度資料投射到低維度空間，並以視覺化方式呈現，反映高維度資料之間的相似度。自組映射圖應用廣泛，包括工程方面及商業方面，例如圖紋辨識、語音辨識、監督處理及流程控制、文件地圖及消費者資料分析等。然而，傳統自...

引用     導入Endnote

4. 探勘中文新聞文件 

許中川;陳景揆;
頁: 103-122
日期: 2001/01
卷期: 07(2)
關鍵字: 文件資料探勘;知識發覺;關鍵詞彙擷取;關聯法則;趨勢分析;
Keywords: text data mining;knowledge discovery;keyword extraction;association rules;trend analysis;
摘要: 新聞報導每天發生的重要事件，大量的新聞文件中，往往蘊含重要的資訊。文件資料探勘技術用來發覺隱藏在大量文件中的特徵。然而，目前的文件探勘研究集中在歐美語系文件，且代表文件的關鍵詞彙的擷取，都是人工處理。本研究以中文新聞文件為探勘對象，試圖發覺其中隱含的...

引用     導入Endnote