数据挖掘与知识发现专题

1. 前 言

数据挖掘理论

1. 一种三参数统一化动量方法及其最优收敛速率
2. 消除随机一致性的支持向量机分类方法
3. 蒙德里安深度森林
4. 基于选择性模式的贝叶斯分类算法
5. 线性正则化函数Logistic模型
6. 基于邻域多核学习的后融合多视图聚类算法
7. 基于自适应邻域嵌入的无监督特征选择算法

学术活动

1. 2021年《计算机研究与发展》专题(正刊)征文通知
   ——人工智能安全与隐私保护技术
2. 2021年《计算机研究与发展》专题(正刊)征文通知
   ——虚假信息检测
3. 2020年《计算机研究与发展》专题(正刊)征文通知
   ——人机混合增强智能的典型应用

数据挖掘与分析技术

1. 一种度修正的属性网络随机块模型
2. 条件变分时序图自编码器
3. 基于复合关系图卷积的属性网络嵌入方法
4. 基于随机投影的高维数据流聚类
5. 基于列表级排序的深度生成推荐方法
6. 基于双向线性回归的监督离散跨模态散列方法

编者专栏

1. 2018年《计算机研究与发展》高被引论文TOP10
2. 《计算机研究与发展》征订启事

应 用

1. 一种基于序列到序列时空注意力学习的交通流预测模型
2. 基于双路注意力机制的学生成绩预测模型
3. 基于多源情境协同感知的药品推荐
4. 基于层级注意力机制的互联网用户信用评估框架
5. SCONV：一种基于情感分析的金融市场趋势预测方法