面向垂直划分数据库的隐私保护分布式聚类算法

针对垂直划分的分布式数据库提出了一种基于隐私保护的分布式聚类算法PPDC-VP,该算法基于K-Means的思想实现分布式聚类,并且聚类过程中应用扰乱技术保护本站点真实信息不被传送到其它站点,从而达到隐私保护的目的.理论分析和实验结果表明PPDC-VP算法是有效的.     

典型电力用户用电负荷特性分类技术的研究

由于分布式发电的特性及影响,在电力系统控制当中能否对负荷特性做出准确的预测讲变的十分关键.通过对电力系统负荷特性常用的聚类的方法如K-means、凝聚型层次聚类等深入的研究,针对这几种算法,利用国际IRIS、曲线聚类审定通用指标、实际的特性曲线聚类结果 3个算法进行了验证,从而总结出含有分布式电源的系统电力负荷曲线高兴率聚类算法.     

基于GraphLab的分布式近邻传播聚类算法

为有效实现海量数据的非线性聚类,提出基于GraphLab的分布式流式近邻传播算法--GStrAP(GraphLab based stream affinity propagation)。该算法将数据抽象为有向无环图模型,采用“Gather-Apply-Scatter”的模式完成数据同步和算法迭代。在人工合成流形数据3D Clusters、Aggregation、Flame和Pathbased数据集上分别采用不同数据规模以及与传统K-means的聚类性能做对比,实验表明:基于GraphLab的近邻传播算法对数据规模具有良好的拓展性,在保持算法聚类效果的同时,有效降低时间复杂度。     

K-均值聚类算法的MapReduce模型实现

针对日益严峻的大数据处理时间长、执行速率低等问题,通过深入分析,提出了一种提高大规模数据聚类效率的方法。以K-均值聚类算法为原型,利用Map Reduce模型在大规模数据处理方面的优势,对原有算法进行并行化改进,设计出一种基于Hadoop分布式云平台的K-均值聚类Map Reduce模型。应用此模型,对淘宝用户仿真数据进行聚类试验,试验结果表明,对K-均值聚类算法的Map Reduce模型实现后,性能优于原算法性能,缩短了聚类时间,提高了聚类效率,特别适于对海量数据进行聚类处理。     

基于主成分分析的密度聚类算法

密度聚类算法可以描述任意形状的聚类,可以有效地处理异常数据,适合处理大数据集,但不适用于高维数据集的聚类,因此提出了基于主成分分析的密度聚类算法,将DBSCAN算法应用于PCA的k个主成分张成的子空间,解决了DBSCAN算法用于高维数据集的问题.运用气象数据进行实验,结果表明：主成分个数k值的选择严重影响聚类效果,故提出k的基本选择方法,正确选择k值情况下,该算法具有较好的聚类效果.     

AP聚类算法的分析与应用

Affinitypropagation（AP）聚类算法是通过消息传递实现聚类的,不需要事先指定聚类数目．对于规模较大的数据集,AP聚类是一种快速、有效的聚类方法,这是其他传统聚类方法所不能及的,如K—centers方法．研究了AP算法的原理和步骤,通过实验,证明了AP聚类算法的实用性和有效性．     

混合模糊谱系聚类算法

针对模糊C-均值聚类算法对聚类数预先不可知和谱系聚类所具有的缺陷,提出了混合模糊谱系聚类算法,该算法结合模糊聚类和谱系聚类,自动确定聚类数目,并可以有效的对数据进行聚类．实验表明,该算法具有良好的有效性和可行性．     

基于近邻传播的限定簇数聚类方法研究

针对传统近邻传播聚类算法不能进行限定类簇数目的聚类缺陷,提出一种三阶段的改进聚类方法。该方法通过近邻传播聚类从数据集中获得中心代表点集合,利用K-means算法对中心代表点集合进行指定类簇数目的聚类进而获得初始训练集,结合改进的K最近邻算法实现数据的聚类分析。采用人工仿真数据及UCI数据集进行对比实验,实验结果分析表明,与近邻传播聚类算法和传统限定类簇数目的聚类算法相比,新聚类算法具有更好的聚类效果。     

基于特征加权理论的数据聚类算法

针对数据挖掘过程中数据聚类操作的初始聚类数目和初始聚类中心确定困难的问题,提出了一种软子空间结合竞争合并机制的模糊加权聚类算法.通过对软子空间聚类算法的目标函数进行改写,并结合数据簇势的大小对各数据簇进行竞争与合并操作,实现了对数据的聚类处理.结果表明,该算法能够准确地对数据样本进行聚类,并且聚类结果与初始数据簇数目和初始聚类中心无关,能够满足对高维数据聚类处理的需要,具有较好的实际应用价值.     

基于视觉原理的密度聚类算法的改进

结合基于视觉原理的密度聚类算法对初始化参数不敏感、能发现任意形状的聚类、能够找出最优聚类及一趟聚类算法快速高效的特点,研究可以处理混合属性的高效聚类算法.首先简单改进基于视觉原理的密度聚类算法,使之可以处理含分类属性的数据,进而提出一种两阶段聚类算法。第一阶段使用一趟聚类算法对数据集进行初始划分,第二阶段利用基于视觉原理的密度聚类算法归并初始划分而得到最终聚类。在真实数据集和人造数据集上的实验结果表明,提出的两阶段聚类算法是有效可行的。     

基于HITS与MASEL算法的融合算法

HITS算法和MASEL算法分别实现针对用户的查询进行WEB结构挖掘和WEB使用挖掘，从而提供给用户查询所得信息。为了针对用户的某一查询搜索出更符合用户需求的信息，提出了一种新的挖掘算法．该算法是对HITS算法和MASEL算法的融合应用和改进，可以解决在HITS算法中所产生的主题偏移问题以及MASEL算法中不能很好的查找出中枢网页和权威网页的问题。模拟实验结果表明：针对某一查询，基于HITS和MASEL算法的融合算法具有更高的准确率，查询的结果路径更接近用户的经验兴趣路径。     

基于HITS与MASEL算法的融合算法

HITS算法和MASEL算法分别实现针对用户的查询进行WEB结构挖掘和WEB使用挖掘,从而提供给用户查询所得信息.为了针对用户的某一查询搜索出更符合用户需求的信息,提出了一种新的挖掘算法.该算法是对HITS算法和MASEL算法的融合应用和改进,可以解决在HITS算法中所产生的主题偏移问题以及MASEL算法中不能很好的查找出中枢网页和权威网页的问题.模拟实验结果表明:针对某一查询,基于HITS和MASEL算法的融合算法具有更高的准确率,查询的结果路径更接近用户的经验兴趣路径.     

CONWIP环境下流水型生产系统排序启发式算法

研究了流水型CONWIP生产系统中的加工次序问题，提出了流水型CONWIP生产系统的排序算法（CFA），依此得到产品的较优加工次序．     

基于遗传算法的无干涉刀位轨迹计算

无干涉刀位轨迹的生成是复杂曲面数控加工编程中的核心问题.以最小有向距离原理为基础，通过对遗传算法进行改进，采用实数编码，引入局部最优徘徊策略和小生境遗传算法思想，充分发挥其全局寻优的特点，获得无干涉刀位轨迹.将其与局部寻优算法得到的刀位轨迹进行比较，可以确定加工中的欠切区域和欠切削量.该方法不仅可以在数控加工中生成无干涉刀位轨迹，而且可以为后续补充加工提供编程数据，在复杂螺杆数控加工的自动编程系统中应用，稳定可靠，收敛性好，计算效率较高.     

一种改进SPIHT算法的图像压缩算法

一种改进的SPIHT算法在原算法的基础上,以图像的平均值为临界点进行分解,形成分裂图像分别进行压缩,并利用小波分解的特点及人眼的视觉特性,对分解的低频子带的重要系数做特殊的处理。经仿真实验证明,改进SPIHT算法在相同的情况下得到重构图像的PSNR值高于原算法,压缩的整体性优于原SPIHT算法。     

一种基于遗传算法的受限制的分类器学习算法

提出了一种基于遗传算法的受限制BAN分类器算法-GBAN(genetic algorithm based BAN)。新算法采用了遗传算法进行网络结构的学习,限制了所学习的BAN分类器结构的复杂度。同时对TAN分类器的结构进行了扩展,得到了一种受限制的BAN分类器。针对这种分类器的结构学习,设计了结合对数似然的适应度函数及相应的遗传算子,并给出了网络结构的编码方案,使得该算法能够收敛到全局最优的结构。实验结果表明,当数据集属性之间关系相对复杂的时候,GBAN比TAN的分类准确率高,分类效果较好。     

二叉树生成算法的智能实现算法

二叉树是计算机科学中最基本也是最重要的树型结构,最常见的二叉树生成算法通常是使用递归或者其他描述类语言的方法来实现,在实际使用时不容易理解同时实现过程较烦琐。另外,某些方法只能建立一棵完全二叉树,满足不了算法实用性的要求。文章根据二叉树结点自身有顺序的性质,使用指针向量存储结点的地址,论述了一种生成一棵任意形状二叉树的思想,并用类C语言描述其智能实现算法。该算法满足了实用性和灵活性的要求,在理论教学和实践操作中具有较高的应用价值。     

基于免疫算法的球形译码算法研究

在多输入多输出(MIMO)系统的信号检测算法中,球形译码算法的性能最接近最大似然检测算法,是目前应用最为广泛的一种信号检测方法,但传统的球形译码算法在低信噪比时计算复杂度较高,在高信噪比时误码率性能不够理想.该文提出了一种改进的球形译码方法,利用免疫算法的寻优能力来获得最佳的初始搜索半径,从而达到在保证译码性能的同时有效地降低计算复杂度的目的.实验仿真结果表明,与传统的球形译码算法相比,基于免疫算法的球形译码方法在高信噪比下可以达到最大似然译码的性能,同时能有效降低低信噪比时的运算复杂度,从而更符合现代无线通信实时性的要求.     

CONWIP环境下流水型生产系统排序启发式算法

研究了流水型CONWIP生产系统中的加工次序问题,提出了流水型CONWIP生产系统的排序算法(CFA),依此得到产品的较优加工次序.     

基于自适应遗传的E-CID定位算法研究

针对LTE系统NLOS（非视距）环境下基于传统遗传的E-CID（增强小区识别）定位算法过早收敛于某局部最优解而非全局最优,文章提出了一种改进的自适应遗传E-CID定位算法,该算法通过对LTE终端位置数据进行加权最小二乘估算,利用遗传算法进行非线性最优解全局搜索,自适应的改变交叉及变异概率,避免了传统遗传算法过早收敛于局部最优解缺点。仿真结果表明：自适应遗传法比传统遗传算法优势更明显,定位精度更准确。