刘鹏
- 作品数：31 被引量：171H指数：7
- 供职机构：上海财经大学更多>>
- 发文基金：国家教育部“211”工程国家教育部博士点基金国家自然科学基金更多>>
- 相关领域：自动化与计算机技术经济管理社会学医药卫生更多>>
- 缺失数据处理技术与健壮性决策树改进模型研究
- 本论文重点研究缺失数据的归因技术，及在缺失数据环境下的健壮性决策树模型改进。
关于缺失数据的灵敏度分析显示，数据集中的缺失数据对所有分类器的预测准确率都有明显的冲击。不过缺失数据对朴素贝叶斯分类器(NaiveB...
- 刘鹏
- 关键词：缺失数据处理归因模型数据挖掘
- 高校人事数据的探索性分析与关联分析研究
- 本文针对一个真实的高校人力资源数据集,分析了在高校人力资源管理中适用的数据挖掘技术与过程。由于篇幅有限,本文仅关注于探索性数据分析和关联分析。通过探索性的数据分析进行了特征值的离散化和特征值的归约、特征选择和构造等方面的...
- 刘鹏孙莉孙珏妍许剑萍董瑾陈婷婷赵洁
- 关键词：高校管理人力资源管理关联规则数据挖掘
- 文献传递
- 缺失数据处理方法的比较研究
- 数据挖掘已被广泛用于医疗领域,而大多数医疗数据集都存在缺失值。本文介绍了一些缺失值估计算法。建立了5种模型来提高预测的有效性,它们是保留缺失模型、直接丢弃模型、贝叶斯补缺模型、贝叶斯重叠补缺模型和基于信息增益的贝叶斯重叠...
- 刘鹏雷蕾张雪凤
- 关键词：数据挖掘缺失值朴素贝叶斯分类器信息增益
- 文献传递
- 我国商品期货价格合理性研究
- 2007年次贷金融危机后，世界各国纷纷采取了积极的财政政策和量化宽松的货币政策参与救市，但在此过程中，各国通胀压力开始凸显，至2010年下半年，反映世界主要商品价格信息的CRB指数屡创新高，南华期货商品指数自2010年9...
- 刘鹏
- 关键词：商品期货价格合理性会计准则
- R-C4.5决策树模型及其在临床医疗数据挖掘中的应用
- 提出了一种健壮有效的决策树改进模型R-C4.5及其简化版本.该决策树模型基于著名的C4.5决策树模型,但在属性的选取和分枝策略上进行了有效改进.在R-C4.5算法中,通过合并分类效果差的分枝,有效避免了碎片等问题.该模型...
- 刘鹏姚正
- 关键词：决策树模型C4.5数据挖掘
- 文献传递
- 基于多Agent的板坯出/入库协同调度系统被引量：1
- 2015年
- 针对板坯库管理中的协同运输问题,以最小化板坯出/入库总运输时间为目标,建立数学模型。构建一个包括出库板坯、入库板坯、行车和台车等在内的板坯出/入库协同调度无主控多Agent系统,以统一的结构封装任务和资源,同时考虑板坯入库作业和出库作业2种任务,提出在Agent之间建立投标/仲裁机制,设计评价函数协调Agent之间的资源冲突,提高系统的柔性、并行性和自适应能力。通过系统仿真,将出/入库协同作业、完全出库作业和完全入库作业3种场景进行比较。实验结果表明,出/入库协同管理系统可有效提高板坯库的运输吞吐率,且在投标/仲裁机制的协商作用下,运输设备利用率也显著提高且保持均衡。
- 张琦琪刘鹏张涛
- 关键词：多AGENT系统黑板模型
- 一种有效的C4.5改进模型被引量：34
- 2006年
- 介绍了一种有效的决策树改进模型:R-C 4.5及其简化版本,旨在构造一棵简单的树,同时提高决策树属性选择度量的可解释性,减少空枝和无意义分枝,以及过度拟合。该决策树模型基于著名的C 4.5决策树模型,但在属性的选取和分枝策略上进行了改进。在R-C 4.5中,通过合并分类效果差的分枝,有效避免了碎片等问题。实验表明,R-C 4.5决策树在保持模型预测准确率的同时,有效改进了树的健壮性。作为R-C 4.5的简化版本,R-C 4.5c和R-C 4.5s可生成更为简单的树,而且R-C 4.5s通过数据预处理阶段完成,易于实现。
- 刘鹏姚正尹俊杰
- 关键词：决策树C4.5分类器数据挖掘
- 缺失数据处理方法与朴素贝叶斯分类器的应用
- 缺失数据处理是数据挖掘过程中数据预处理的一个重要内容.介绍了缺失数据的产生机制和处理准则以及目前流行的缺失数据处理方法,提出了基于朴素贝叶斯分类器的缺失数据处理模型.通过实验分析与比较,以及在一个真实的健康医疗数据集上的...
- 刘鹏雷蕾
- 关键词：缺失数据朴素贝叶斯分类器数据挖掘信息增益
- 文献传递
- 基于多维度映射的类圆簇识别算法
- 2011年
- 为了深入地探索聚类结果簇的形态特征,提出了一种基于维度映射的类圆簇识别算法。该算法将结果簇按维度进行映射,通过比较、分析簇在各个映射维度上的频数曲线及形态特征,自动将类圆簇从众多结构复杂的聚类结果簇中识别出来。算法经过大量实验验证,具有很好的识别能力和抗干扰能力,对于高维度数据集合也具有很强的扩展性。
- 肖升生刘鹏
- 关键词：维度分析聚类分析数据挖掘
- 灵敏度分析:分类器中的缺失数据被引量：4
- 2005年
- 在数据挖掘技术中,分类预测具有十分广泛的应用。由于数据集中总是存在着不同程度的数据缺失,降低了分类模型的预测准确率。主要通过灵敏度分析来研究缺失数据对分类算法的影响。对6种分类器进行实验,结果显示,当数据集中缺失数据超过20%,会对分类模型的预测准确率产生很大的不利影响,而且对于不同特征的数据集影响也不同。在这6种分类器中,朴素贝叶斯分类器对缺失数据最不敏感。对于目前流行缺失数据的处理方法———利用预测模型来预测并填补缺失数据,朴素贝叶斯分类器将是一个不错的选择。
- 雷蕾吴乃君刘鹏刘兰娟
- 关键词：分类器缺失数据数据挖掘
