一种结合蚁群聚类算法的DBSCAN算法

DBSCAN算法对输入参数Eps敏感,尤其当数据密度分布不均时,采用全局Eps导致聚类效果差;该算法对高维数据的处理能力也不理想。提出一种改进的DBSCAN算法LF-DBSCAN,结合蚁群聚类算法实现数据集的划分以获取参数Eps的值组,然后根据不同的Eps值分别调用DBSCAN算法,从而实现对非均匀数据集的聚类。实验结果表明,改进后的算法的有效性有所提高。     

ABC-KHM混合聚类算法

使用调和均值的KHM聚类算法,不像KM聚类算法,具有对初始值不敏感的优点。但它作为一个基于中心聚类算法,难以摆脱早熟收敛的问题。为了克服KHM算法的不足,本文提出结合ABC和KHM的ABC-KHM混合聚类算法。在混合算法中,聚类行为可以分为两个阶段:全局搜索的ABC聚类阶段和局部求精的KHM聚类阶段。通过仿真实验,并与KHM聚类算法进行了比较,结果表明:ABC-KHM混合聚类算法,不仅对聚类初始值不敏感,而且具有较快的聚类速度、良好的全局聚类效果,是一个不错的聚类算法。     

基于改进谱聚类算法的航路辨识

为解决船舶自动识别系统(automatic identification system, AIS)数据挖掘不够充分,对航路辨识分析不够全面等问题,提出一种基于改进谱聚类算法的数据挖掘方式。利用Sliding Window算法对船舶轨迹AIS数据进行压缩,减少数据冗余提高聚类效率。改进亲和距离函数,提出新的亲和矩阵的标准,提高聚类的稳定性,进一步对数据去噪,减少噪声敏感。通过优化初始中心对k均值算法进行改进,优化全局搜索能力,缓解初始值的选取对聚类效果的影响。以天津港AIS数据为样本进行算法验证。结果表明,该聚类算法能准确提取和划分某水域船舶主要航迹段,算法消耗系统资源少,计算速度快。改进后的算法可为航路辨识、分道通航制定等提供理论支持。     

一种基于谱聚类算法的高光谱遥感图像分类方法

结合K-means算法和谱聚类方法的优点,提出一种新的高光谱图像聚类方法。该方法在对高光谱图像数据进行特征降维的基础上,采用K-means算法对图像进行粗聚类处理,然后采用谱聚类方法对粗聚类结果进行较高精度的聚类。与K-means聚类算法相比,该方法有效提高了高光谱图像聚类的分类精度。对模拟数据和真实的高光谱数据的对比实验表明,相对于K-means和谱聚类方法,该方法具有良好的聚类性能。     

基于MPI的并行K-Means算法研究

聚类分析中处理数据量的急剧增加,面对大规模数据,传统K-Means聚类算法面临着巨大挑战.K-means聚类算法在面对海量数据时,时间和空间的复杂性已成为K—means聚类算法的瓶颈;在传统的K均值算法的基础上,详细介绍了基于大规模集群环境下的并行K-means聚类算法,给出了计算速度和效率的方法,并通过实验证明了该算法的正确性以及对传统算法在速度的上优势;研究结果可以为以后设计更好的大规模数据快速并行聚类划分算法提供研究依据.     

基于K-modes聚类分组的大数据相似重复记录检测研究

相似重复记录检测是数据清洗的重要环节,大数据环境下对相似重复记录检测方法的效率和精度提出了更高的要求。文章针对大数据环境下对相似重复记录检测提出了一种聚类分组检测的KCG算法。该方法首先采用改进的K-modes聚类对大数据进行有效的分组,然后在各分组中采用Pair-wise比较算法检测出所有相似重复记录检测。实验分析结果表明,该方法对大数据环境下的相似重复记录检测的效率和精度有明显提高。     

一种基于k-means聚类的航运信息孤立点分析算法

为了从大量含噪的航运信息中挖掘出有用的知识,研究孤立点探测方法在航运信息处理中的应用.首先在对k-means聚类算法分析的基础上,定义中位数的概念及孤立点的判断标准,提出一种基于k-means聚类的孤立点分析算法;然后,针对航运信息的特点,采用一维数据和多维数据异常点探测方法挖掘AIS数据库中的异常信息.实验结果证明,基于k-means聚类的算法对孤立点更敏感,能够探测到一维统计方法中探测不到的异常点     

基于Universum学习的核聚类方法

为解决原始核聚类(Kernel Clustering, KC)中模式信息不足、聚类结果不佳的缺点,以KC为基础,利用Universum学习带来的优势,提出基于Universum学习的核聚类(Universum learning based Kernel Clustering, UKC)方法.首先利用Universum学习生成相应的Universum模式,再利用KC算法把数据集分割成多个簇,最后利用每个簇中所包含的Universum模式和训练模式来更新该簇,从而使得这些簇更加合理.实验表明,该算法可以更好地改善聚类效果和分类器的分类性能、泛化能力和计算效率.虽然该方法的步骤比KC多,但是其较好的聚类性能可以帮助人们处理分类问题.     

一种基于分布的空间聚类算法

提出一种基于最近邻居距离分布的空间聚类算法——NNDDB算法.实验分析表明,与划分聚类算法CLARANS相比,NNDDB能动态地决定聚类数目且能发现任意形状的聚类;与密度聚类算法DBSCAN相比,NNDDB算法无输入参数;在效率方面,NNDDB算法对于大型数据库是有效的.     

基于优化初始类中心点的K-means改进算法

K-means算法是一种重要的聚类算法,在网络信息处理领域有着广泛的应用。由于K-means算法终止于一个局部最优状态,所以初始类中心点的选择会在很大程度上影响其聚类效果。本文提出了一种K-means算法的改进算法,首先探测数据集中的相对密集区域,再利用这些密集区域生成初始类中心点。该方法能够很好地排除类边缘点和噪声点的影响,并且能够适应数据集中各个实际类别密度分布不平衡的情况,最终获得较好的聚类效果。     

八点算法的降维EVD技术

传统的应用于双视图三维复原的八点算法使用标准特征值分析(EVD)算法。通过统计分析可知,该技术存在估计偏差大和均方误差都大的缺点。其产生原因是数据噪声的有色性和自相关函数矩阵的条件数过大,因此白化数据噪声和正则化变换是提高性能的有效措施。通过理论分析和计算机仿真实验,表明文中所给出的降维EVD技术固有地同时具备噪声预白化功能和数据正则化功能,因此它能给出均方误差相当小的无偏估计。由于它无须进行预白化变换或正则化变换,并把最优化过程的维数从9降为4,所以它还具有计算快速、实现简单方便的优点。     

二次曲线拟合算法的统计性能分析与改进

传统的二次曲线拟合使用标准特征值分析算法。通过统计分析技术 ,可知该技术在拟合数字二次曲线时 ,存在估计偏差大、均方误差大的缺点。其产生原因是数据噪声的有色性和自相关函数矩阵的条件数过大 ,因此白化数据噪声和正则化变换是提高曲线拟合的有效措施。这从理论上有力地支持了Hartley提出的正则化算法。通过理论分析和计算机仿真实验 ,表明了降维EVD技术固有地同时具备噪声预白化功能和数据正则化功能 ,因此它能给出均方误差相当小的无偏估计。由于它无须进行预白化变换或正则化变换 ,并把最优化过程的维数从 6降为 2 ,所以它还具有计算快速、实现简单方便的优点。     

基于改进灰狼算法优化BP神经网络的无线传感器网络数据融合算法

为提高无线传感器网络数据融合精度,降低网络能耗,延长网络生存时间,提出基于改进灰狼算法优化BP神经网络的无线传感器网络数据融合算法(IGWOBPDA).首先为平衡灰狼算法全局与局部搜索能力提出改进控制参数和动态权重更新位置的改进灰狼方案,利用改进灰狼算法对BP神经网络初始阈值和初始权值进行优化以解决数据融合中BP神经网...     

实时校正模型的抗差递推算法

利用遥测系统实时监测水情资料,由于遥测系统自身的原因以及水文要素测量的具体要求,数据常常携带异常误差。采用有异常误差的实测流量资料对实时校正模型进行参数辨识,要求算法既能抵御异常误差的影响,又具有较强的实时跟踪能力,以适应实时洪水预报的要求。在递推最小二乘算法的基础上,引入抗差理论,削弱异常值对参数估计的影响;引入遗忘因子,实时跟踪模型时变参数的变化。计算实例表明,带有遗忘因子的抗差递推最小二乘算法对异常误差不敏感,又具有较强的实时跟踪能力。     

单视图摄像机自标定

首先定义基于模型的单视图情况下的单应性矩阵、外极线约束和基础矩阵,然后通过对基础矩阵的SVD分析,证明使用经其左奇异变换阵变换过的数据集合可最优地估计一个能解析地确定单应性矩阵的四维参数,并进而计算摄像机内参数阵、三维运动参数和目标三维结构,从而开发了一个基于目标模型的从单视图特征点集进行摄像机自标定和三维重建的线性算法。     

自适应阈值收缩算子的稀疏正则化图像重建算法

针对图像重建中采用稀疏正则化算法时,阈值收缩算子的阈值参数难以选取的问题,提出一种采用自适应阈值收缩算子的稀疏正则化算法。该算法收缩算子的阈值参数在迭代求解过程中根据解的稀疏度进行更新;同时在该算子中引入权重系数,研究阈值算子的衰减特性对图像重建质量的影响;并将该算法应用于电学层析成像的仿真和实验图像重建。结果表明：与传统的稀疏正则化算法相比,使用具有衰减特性的阈值收缩算子的稀疏正则化算法重建图像的性能指标有所提高。当被测物场的内含物分布较为简单时,采用较大的权重系数;当被测物场的内含物分布相对复杂时,使用较小的权重系数,有利于提高重建图像的质量。     

应用扩展卡尔曼滤波算法的船舶运动模型参数辨识

为确定船舶运动模型中的未知参数,提出1种以增广的状态方程和扩展卡尔曼滤波算法进行船舶运动模型参数辨识的算法,并设计辨识实验.在辨识实验中,采用固定区间卡尔曼平滑算法进行数据预处理,用辨识实验结果确立船舶运动模型.仿真验证实验表明,用该方法确立的模型是可靠的.     

一种DTN节点自定位方案及其性能分析

在节点的移动规律无法预知的情况下,针对“移动空间（MobySpace）”中DTN（Delay Tolerant Network）概率路由算法中节点预先定位问题,提出了一种自我定位方案。该方案能够在节点移动的过程中根据一个修正因子不断对节点坐标进行调整,最后使坐标收敛到一个可用的范围。实验证明,该方案可以通过一个合适的修正因子确保路由算法具有很好的稳定性和可移植性。     

一种有效的超分辨率重建计算方法

本文对于获取模型进行理论分析,导出一种有效的可以直接计算的方法,计算过程中主要采用快速傅立叶变换及小矩阵求逆,计算效率高,并将该结果扩展应用到GCV法求相应的规整化参数,并在文中给出仿真结果。     

惩罚逻辑回归的击穿点

击穿点是估计未知参数稳健性的重要度量。在常规的低维逻辑回归模型中,极大似然估计的击穿点已有了广泛的研究,但少有对高维惩罚似然估计击穿点的分析。通过研究高维逻辑回归模型的惩罚似然估计的增加和替换击穿点来分析这个问题。特别地,证明惩罚极大似然估计的L₂范数总是有界的,这表明有限样本的击穿点达到了最大值0.5。此外,还提供了斜率参数的内爆击穿点的上界。模拟学习很好地支持了该理论结果。