[工学]硕士论文答辩.pptVIP

对阿拉伯口语数据集进行了测试，该数据集显示了阿拉伯口语数字的梅尔频率倒普系数时间序列，数据来自阿拉伯本地的44位男性和44位女性。该数据集曾应用于语音识别等领域[49]。数据集包含两部分，一部分用于实验测试，共有87063条实例，另一部分用于实验训练，共有269856条实例，两个数据集中每行都含有13个梅尔频率属性。本实验截取测试数据集的部分数据，逐步增加测试用例，来检验PCA、KPCA与GKPCA的运行效率。 实验分别采取了189 个测试样例，选取提取效率 p=0.95，过滤阈值 =0.8，分组数为9，时间消耗如上图所示。 * * * * * MOA数据生成器产生数据流的速度是与计算机软硬件环境直接相关的，数据维数和噪声是影响数据流的两个重要因素。实验中由于硬件条件所限，数据流速与噪声比例设的都比较小，将算法DDCS-Clustering与CluStream进行比较分析. DDCS-Clustering算法选取参数为 ，epslong=0.01, minPoint=10,beta=0.001,mu=1.1, initPoint=1000, windowSize=1000。 CluStream算法的参数为windowSize=1000，maxNumKernals=80，kernalRadFactor=2。 在MOA中主界面如图所示. 运行界面如图所示，图中左侧为DDCS-Clustering算法的运行窗口，右侧为CluStream算法运行窗口。 * GKPCA降维算法 执行步骤 重新采样并进行分组，形成分组样本； 对每一组执行KPCA，并对样本进行过滤； 组合过滤后的样本，形成新的样本数据集，并再次执行KPCA算法； 获得GKPCA的特征投影 实验与分析(PCA、KPCA、GKPCA降维后数据分布图) 图3 原始数据分布图 图4 经过PCA降维后的数据分布图 图5 经过KPCA降维后的数据分布图 图6 经过GKPCA降维后的数据分布图 实验与分析(降维效果) 数据集或算法 实例数× 维数 降维数目 计算时间（秒） 原始数据集 187× 45 ---- ---- PCA 187× 27 18 0.050 KPCA 187× 24 21 1.290 过滤后样本 51 ×45 ---- ---- GKPCA 51 ×19 26 0.521 表1 SpectFTest降维结果 实验与分析 0 189 378 756 567 945 1134 1323 100 200 300 400 500 600 700 数据量 时间（s） 图例 PCA GKPCA KPCA 图7 三种算法的时间消耗图 实验与分析 实例数×维数 189×13 378×13 567×13 756×13 945×13 1134×13 1323×13 PCA 189×11 378×11 567×11 756×11 945×12 1134×12 1323×12 KPCA 189×9 378×9 567×9 756×9 945×9 1134×10 1323×10 GKPCA 84×7 169×8 266×8 346×8 429×8 481×8 579×9 表2 对于不同组别的梅尔频谱倒普系数的降维结果 四、分布式密度和中心点数据流聚类算法DDCS-Clustering 数据流的数学描述 分布式数据流模型 三种基本窗口模型 密度、中心点 DDCS-Clustering算法流程 实验与分析 数据流的数学描述 数据流可以理解成一个不断增长的d维元组集合 ，对任意 各元组时间戳为 ，对任意 ， 三种基本窗口模型(1/2) 1. 界标窗口模型 Tb Tc X1 Xc Time axis 2.滑动窗口模型 Xi-N+1 Xi-N+2 Xi-1 Xi 当前窗口大小为N Xi* time axis 聚类数据对象 三种基本窗口模型(2/2) 3.衰减窗口模型 主要考虑了数据对象的权重，处理对象为数据从开始到当前 数据的集合，按照到达的先后顺序对数据赋予不同的权值， 一般情况下按某一指数衰减函数对其进行赋值。例如函数 是经常使用的衰减函数。 数据流聚类框架 无论采用何种窗口模型，其基本聚类框架类似。 输入数据流 数据流挖掘算法 内存中的概要 数据结构 数据挖掘请求 挖掘结果 图9 数据流聚类框架 分布式数据流聚类模型 Global Cluster S1 S2 SN … Users Requests Clustering Results Center Site site1 site2 siteN UpdateStream UpdateStream UpdateStream 图10 分布式数据流聚类模型 密度、中心点的含义(1/2) p q = 5cm r 密度：给定对