改进的AP聚类算法研究

AP聚类算法是Frey和Dueck在2007年提出的一个先进的聚类方法.该算法具有较传统聚类算法更好的聚类性能,已被成功地应用于计算机科学的研究领域.为了获得高质量的聚类集,原始AP算法的迭代是在全部数据点之间交流信息,直到收敛.由于这种算法在计算数据时需要占用二次CPU时间,不适用于大规模的数据集,因此,本文在AP算法的基础上提出了一种有效的聚类算法.该算法在迭代时可修剪不必要的信息,且在计算消息收敛的同时确定迭代集群,并对算法进行了实验,证明算法是有效的.     

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．     

两阶段近邻传播半监督聚类算法

近邻传播聚类算法(affinity propagation, AP)受偏向参数影响较大,很难确定最优聚类所需的参数。设计了两阶段近邻传播半监督聚类算法(two-stage semi supervised clustering algorithm based on affinity propagation, 2SAP),在整个数据集上运行半监督近邻传播算法(semi-supervised clustering based on affinity propagation, SAP),得出类代表点集合,在类代表点集合上运行SAP算法得出结果。在实际数据集上进行实验,结果证实:与算法SAP和并行近邻传播半监督聚类算法(parallel computation of semi-supervised clustering algorithm based on affinity propagation,PSAP)相比,2SAP算法的CRI和FCRI值较高,而相应的离散系数较小,说明2SAP受偏向参数的影响较小。     

基于蚁群系统的聚类算法研究

针对传统聚类算法在对复杂密集型数据集聚类时不能取得较好聚类结果的问题,利用进化聚类算法对复杂密集型数据集进行聚类,提出一种基于蚁群系统的聚类算法(clustering algorithm based on ant colony system,CAACS),利用蚂蚁在行进路径中释放信息素且追求浓信息素的原理来实现蚂蚁的随机搜索,并引入近邻函数值的概念来确定样本数据之间的相似性,通过蚂蚁在行走过程中不断建立样本数据之间的最相似连接来形成各个子连通图,各个子连通图中的样本数据构成一个类。实验采用随机产生的不规则数据集以及一系列合成的数据集将CAACS算法与DBSCAN算法(density-based spatial clustering of application with noise)及面向非规则非致密空间分布数据的蚁群聚类方法进行比较。实验结果表明CAACS算法对复杂密集型数据集能达到较好的聚类结果。     

基于最小树切割的自适应聚类方法

为了简单有效地对数据集进行结构分析,提出了一种基于最小树进行聚类的算法(MSTCA)．其基本思想是在最小树中切割所有大于一定阈值的边,对数据集进行子类划分,同时对较小的子类进行合并．MSTCA产生的聚类结果在不考虑子类次序时是唯一的。对它的递归调用还可在若干不同粒度层次上形成数据集的聚类结构．计算实验表明,MSTCA不仅能为具有各种不同聚类形状的数据集自适应地选择较好的聚类个数,而且只需简单的参数选择就能准确地分析出数据中存在的合理聚类和例外样本．     

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。     

一种基于协同进化方法的聚类集成算法

针对单一聚类算法存在的不能泛化的问题,将集成学习技术应用于聚类算法中,集成学习技术可以显著提高学习系统的泛化能力。提出了1种基于粒子群和遗传算法的协同进化聚类集成算法,粒子群算法保证算法快速收敛,遗传算法全局搜索扩大搜索范围,提高了聚类的性能和收敛速度。将本研究提出的算法在多个UCI数据集上进行试验验证,结果表明该算法是有效的。     

一种基于网格查询的改进DBSCAN算法

针对DBSCAN算法聚类时时间复杂度较高、当边界点同时属于多个类时其聚类准确率较低的问题,在网格查询思想和OPTICS算法的基础上,提出一种改进的DBSCAN算法(GO-DBSCAN算法)。进行聚类操作前,为降低聚类的时间复杂度,先基于网格查询的思想将数据集划分成不同的网格,在进行项目邻域查询时,只须遍历项目附近网格数据而不必遍历整个数据集;在进行项目聚类时,主要考虑该项目与其附近核心项目的最小可达距离,因此,将OPTICS算法中的最小可达距离引入到DBSCAN算法中,以提高算法对边界点处理的准确度。仿真实验结果表明,GO-DBSCAN在边界点处理的准确率和运行效率方面较DBSCAN都有所提高。     

基于 k-m eans 算法改进的蚁群聚类算法

传统的k-means算法是一种局部搜索算法,对初始化敏感,容易陷入局部极值。针对此缺点,提出一种基于k-means算法的改进的蚁群聚类算法,选择相距最远的处于高密度区域的k个数据对象作为初始聚类中心,把正反馈、精英机制和变异算子引入到蚁群聚类。实验结果证明,算法不仅对初始数据具有弱依赖性,而且能够提高聚类的准确率,加快收敛。     

二维非均匀介质目标重建中选择阻尼因子修正的Feltcher算法

二维介质目标的重构是通过在目标外获得的散射场实现的。为克服问题的病态性，本文采用多方向的横磁波(TM)照射目标，用矩量法(MOM)将散射的积分方程离散为矩阵方程，对方程组的求解采用阻尼最小二乘法，其中对阻尼因子的选取采用修正的Feltcher算法。数值结果表明：该方法的收敛性较好，能获得好的重构结果。     

长航时惯导系统的模糊控制内阻尼算法

针对惯导系统长时间工作时导航误差舒拉振荡幅度随时间发散的问题,提出了一种适用于长航时惯导系统的内阻尼算法.设计了二阶阻尼网络,采用模糊控制器判断载体当前时刻的运动状态,制定数据融合策略,控制惯导系统在无阻尼与内阻尼状态之间切换.算法利用满足内阻尼条件时刻的惯导速度作为参考进行阻尼,摆脱了对外部信息的依赖,保证了惯导系统工作的自主性.海上试验结果表明,该算法明显地抑制了导航误差的舒拉周期振荡,可有效提高长航时惯导系统的导航精度.     

Gravitational search algorithm for coordinated design of PSS and TCSC as damping controller

A newly developed heuristic global optimization algorithm, called gravitational search algorithm (GSA), was introduced and applied for simultaneously coordinated designing of power system stabilizer (PSS) and thyristor controlled series capacitor (TCSC) as a damping controller in the multi-machine power system. The coordinated design problem of PSS and TCSC controllers over a wide range of loading conditions is formulated as a multi-objective optimization problem which is the aggregation of two objectives related to damping ratio and damping factor. By minimizing the objective function with oscillation, the characteristics between areas are contained and hence the interactions among the PSS and TCSC controller under transient conditions are modified. For evaluation of effectiveness and robustness of proposed controllers, the performance was tested on a weakly connected power system subjected to different disturbances, loading conditions and system parameter variations. The eigenvalues analysis and nonlinear simulation results demonstrate the high performance of proposed controllers which is able to provide efficient damping of low frequency oscillations.     

FFT结合神经网络的低频振荡主导模式识别

为提高电力系统低频振荡主导模式识别的抗噪性,提出一种FFT结合神经网络的识别方法.首先,基于加窗插值FFT算法求解各振荡模式的频率及其能量权重;然后利用神经网络分段逼近低频振荡信号,根据相邻两段的幅值变化求解衰减因子;最后拟合求出低频振荡信号的幅值和相位.仿真结果表明,该方法能可靠、准确地识别低频振荡主导模式,与Pro...     

The influence of fiber type and conformation on the damping property of FRP composite

In order to get a fiber reinforced plastic(FRP) composite with good damping property as well as good mechanical properties, different types of reinforcing materials were used to reinforcing a damping resin. The influence of fiber types and conformation on the damping property of the composite are tested. Compared to the glass fiber(GF), carbon fiber(CF) can improve the damping factor of the composites; the highest tanδ value is 0.827 while the Tg is 22.5 ℃. The style of the fibers also influences the damping factors of the composite. The composite reinforced with mat has higher loss factors than that composite reinforced with clothe for the reason that the former has the ability to deform and the composite has higher resin content. The loss factor of GF mat reinforced composite is 0.704 while the Tg is 27 ℃. Both composite has good damping properties and can be used as the damping layer of the structural damping composite.     

基于复模态的非比例阻尼结构参数识别研究

在地下结构地震响应的简化分析模型中,无限地基的辐射阻尼通常以附加阻尼罐的形式与结构动力刚度阵耦合在一起,其阻尼形式不同于结构阻尼或比例阻尼.由于复杂地质条件以及计算规模的限制,采用理论或数值分析方法得到的无限地基辐射阻尼参数与实际情况往往有较大的差别.引入节点阻尼,并提出利用复特征对进行参数识别的思想.同时为了解决由于阻尼阵与刚度阵的耦合而产生的非线性问题,构造了一种迭代算法.结果表明,算法能够比较准确地识别各类参数.     

亏损阻尼系统的模态灵敏度分析算法

提出了亏损振动系统的模态灵敏度分析的算法。首先将N维向量空间中描述的亏损振动系统转入2N维广义状态空间中,再利用广义状态向量及其伴随向量系的解耦性能,解耦广义状态空间中的灵敏度控制方程,并利用移频技术求解广义状态向量的灵敏度;其次建立了2N维广义状态向量与N维亏损系统模态向量之间的联系;最后将广义状态向量灵敏度算法平移至模态向量,从而建立了亏损振动系统模态向量灵敏度分析的移频算法。该算法可用于拥有各种类型Jordan块的亏损系统,结构紧凑,应用灵活,具有较强的工程应用性。数值算例的结果说明了该算法是可行且有效的。     

基于SVD算法的瑞雷波频散曲线的快速稳定反演

利用奇异值分解算法对瑞雷波频散曲线进行反演,提高横波速度的反演精度,引入权重矩阵提高数据分辨率,采用自适应修改阻尼因子提高迭代效果并协调分辨率与解的关系。某高速公路软土路基实测资料试算结果表明,用该算法对瞬态瑞雷波频散曲线进行反演,不但具有稳定性好、精度高、分辨能力强的特点,而且能自动分层和反演地层参数。