机械多级设计问题的超图映射方法研究

提出了复杂机械系统多级设计问题的2种超图映射方法。在建立机械设计问题的函数依赖表与超图的映射关系模型的基础上，获得了基于自由超图的机械多级设计问题的分解模型。通过提出连接度的概念，建立了基于非自由超图的机械多级设计问题的分解模型。这些模型为进一步实现复杂机械设计问题面向网络或分布式环境求解提供了良好的理论基础和方法。     

近地卫星网络的一致随机超图数据传输模型

容忍延迟网络的架构提供了一种通信系统,更大程度地符合逐渐复杂的空间通信。针对近地卫星轨道网络,利用容忍延迟网络的bundle协议,数据块被封装成bundle包,在小卫星与地面基站之间进行传输。经过一段时间的传输和出错bundle包重传过程,利用随机超图构建了一致随机超图模型,建立bundle包传输的图结构,得出bundle包出错的概率和超图结构的关系,刻画了卫星与地面基站的消息传输过程。仿真实验证实了bundle出错概率和传输的图结构之间存在着紧密的关系。     

一种基于网格和密度凝聚点的快速聚类算法

提出的快速聚类算法通过凝聚点来准确反映数据空间的几何特征,然后采用网格和密度相结合的方法,利用爬山法和连通性原理进行聚类处理,克服了传统网格聚类算法聚类质量降低的缺点．实验结果证明,本算法的聚类效率优于传统爬山法、Clique算法和DBSCAN算法．     

基于链接的模糊聚类集成方法

针对多数聚类集成方法忽视潜在信息或获取潜在信息方法复杂这一缺点,提出一种基于链接的模糊聚类集成方法。该算法首先利用模糊聚类算法建立集成信息矩阵,然后使用相应的链接方法将集成信息矩阵转化为反映数据相关性的权重图,最后运用图划分技术得到最终结果。实验结果表明,新提出的算法可以有效地获取潜在信息,同时提高聚类质量。     

一种基于高斯混合模型的无监督粗糙聚类方法

针对数据统计分布的随机性和复杂性,从统计聚类的角度出发,采用高斯混合模型来描述整个数据的概率密度函数,提出了一种基于高斯混合模型的粗糙聚类分析方法.该方法首先利用粗糙集理论的不可区分关系性质以及生成的逻辑规则来设定EM算法的初始近似参数,然后通过Expectation-M axim ization(EM)算法估计各分量概率密度分布的最大似然参数集,最后通过密度分布概率大小来确定类别的归属.与传统的k-m eans聚类算法的试验结果比较表明,该方法是有效的,并且具有较高的聚类精度,用规则集来描述聚类的结果具有可解释性和合理性.     

基于模拟退火聚类的室内定位算法

针对大型室内场景下现有指纹定位算法运算复杂度高、定位精度低的问题,提出一种基于模拟退火聚类的室内定位算法。该算法采用模拟退火聚类的方法完成对指纹空间的聚类和划分,有效降低了指纹匹配所需的候选指纹数量,并消除了具有一定特征相似性的奇异点,从而降低了运算复杂度,提高了定位精度。实验结果表明,该算法可计算出定位环境下指纹空间的最优聚类数从而确保定位精度,较K 均值聚类定位算法和KNN算法定位精度高,且定位精度不受初始值影响。     

密度峰值聚类的自适应社区发现算法

为减少社区发现算法中参数的选择对社区划分的影响,同时使算法能够自适应地进行社区划分,本文提出一种基于核密度估计的密度峰值聚类的社区发现算法KDED.首先,定义一种基于信任度的距离度量,将社交网络中的用户关系量化为距离矩阵,使用矩阵元素的大小度量用户关系的紧密程度;然后对距离矩阵进行核密度估计,统计各个节点在网络中的影响大小,结合热扩散模型改进计算流程,使其自适应不同规模的数据集以提高计算精度;结合密度峰值聚类原理和社区属性确定社区中心节点后,可根据节点间的距离得到社区内部层次结构和社区外部的自然结构;最后将剩余节点按距离分配到相应的社区当中以完成社区划分.仿真结果表明:通过可视化软件可观察到,通过KDED算法得到的社区划分结果具有清晰的自然结构和内部层次结构;随着社区规模的提升以及划分难度增加,KDED算法具有出色的稳定性;在真实数据集以及LFR基准网络上均得到较为接近真实划分结果的社区划分,自适应性良好,验证算法的可行性与有效性.     

Spark环境下基于数据倾斜模型的Shuffle分区优化方案

针对Spark分布式平台在shuffle阶段中导致数据量分配不均衡的问题，首先分析了Spark平台中数据倾斜的原因，建立了一个可以统一量化shuffle后key-value数据倾斜程度的倾斜模型；基于倾斜模型提出了一个可以解决Spark平台中多种数据倾斜问题的shuffle分区方案.该分区方案首先对Map阶段的输出数据进行采样，预测出全局中间数据的大小，再根据基于哈希的最佳适应算法对采样数据进行预分区，得到一张预分区表，最后根据预分区表对全部的中间数据完成分区.在key和value这2种不同倾斜情况下的实验结果表明，该shuffle分区方案具有普适性和高效性，可以有效处理key和value倾斜的情况.     

人才市场多媒体信息服务系统中的聚类模型解析方法

以人才市场多媒体信息服务系统为背景,其中人才数据挖掘子系统应用聚类分析方法建立了人才特征聚类模型,解析人才特征聚类模型,并结合数理统计方法,实现了人才智能匹配。在ADO技术和架构行集的基础上,提出具体解析人才特征聚类模型的方法,其中运用了笛卡尔积原理,并且提出了大概率特征值的概念,以及判断大概率特征值的标准。     

非均匀数据的变异系数聚类算法

针对现有基于划分的聚类算法无法有效聚类簇大小和簇密度有较大差异的非均匀数据的问题,提出一种基于变异系数聚类算法。从聚类优化目标的角度出发,分析了以K-means为代表的划分聚类算法引发“均匀效应”的成因;提出以变异系数度量非均匀数据的分布散度,并基于变异系数定义一种非均匀数据的相异度公式;基于相异度公式定义了聚类目标优化函数,并根据局部优化方法给出聚类算法过程。在合成和真实数据集上的试验结果表明,与K-means、Verify2、ESSC聚类算法相比,本研究提出的非均匀数据的变异系数聚类算法(coefficient of variation clustering for non-uniform data, CVCN)聚类精度提升5%~40%。     

Sonar Image Detection Algorithm Based on Two-Phase Manifold Partner Clustering

According to the characteristics of sonar image data with manifold feature, the sonar image detection method based on two-phase manifold partner clustering algorithm is proposed. Firstly, K-means block clustering based on euclidean distance is proposed to reduce the data set. Mean value, standard deviation, and gray minimum value are considered as three features based on the relatinship between clustering model and data structure. Then K-means clustering algorithm based on manifold distance is utilized clustering again on the reduced data set to improve the detection efficiency. In K-means clustering algorithm based on manifold distance, line segment length on the manifold is analyzed, and a new power function line segment length is proposed to decrease the computational complexity. In order to quickly calculate the manifold distance, new all-source shortest path as the pretreatment of efficient algorithm is proposed. Based on this, the spatial feature of the image block is added in the three features to get the final precise partner clustering algorithm. The comparison with the other typical clustering algorithms demonstrates that the proposed algorithm gets good detection result. And it has better adaptability by experiments of the different real sonar images.     

共享自行车系统调度区域的分形树自平衡划分算法

为了满足大型共享自行车系统（BSS）快速响应调度的需求并降低调度成本,针对目前缺少调度区域合理划分研究的问题,提出 BSS调度基于分形树的自平衡区域划分模型.该模型由具有自相似性结构的叶子级、枝节级和根级调度区域组成,给出衡量同级邻近区域租/还需求互补性的互平衡强度计算方法.根据分形树的自相似性特征,设计分形树自平衡区域划分算法（FSPA）,包括考虑快速服务响应的分形树叶子级与枝节级调度区域范围计算方法和基于同级区域互平衡强度的自平衡区域划分动态聚类算法,将BSS周转率杠杆引入共协矩阵来实现自平衡区域聚类融合.以杭州市下沙地区锁桩式BSS运营历史数据为例,对构建模型方法进行实验验证,划分了具有分形树特征的三级自平衡调度区域.结果表明,采用自平衡区域划分方法,有助于实现区域内的自平衡,减少跨区调度次数和调度车行驶路程,可以有效地降低调度成本和提升BSS工作效率.     

基于图划分的网状高阶异构数据联合聚类算法

目前已有的高阶联合聚类算法主要集中于分析星型高阶异构数据,然而实际应用中,存在大量网状高阶异构数据。为了有效挖掘网状高阶异构数据内部隐藏的结构,本文提出一种基于图划分的高阶联合聚类算法(简称为GPHCC),该算法将网状高阶异构数据的聚类问题转化为多对二部图的最小正则割划分问题。为了降低计算复杂度,将此优化问题转化为半正定问题求解。实验结果表明GPHCC算法优于目前已有的5种二阶联合聚类算法和5种高阶联合聚类算法。     

面向机械多级设计的超图生长型二分算法

提出了一种新型的在机械多级设计中实现超图二分的生长型分解算法。该算法由生长过程和平衡过程组成。通过提出超图中核心点集和边界点集的划分、种子的选取原则以及顶点的卫星云图等概念和方法,实现了机械多级设计中超图二分生长型算法的生长过程,并以Tabu算法实现了其边界点的平衡过程。对比测试结果表明该算法具有较好的适应性和较高的搜索效率。     

基于信任与能耗均衡的安全分簇路由协议

针对现有信任感知路由协议中信任模型较为简单且能耗优化不足的问题,提出了一种基于信任与能耗均衡的安全分簇路由协议（SCR-TBE）.采用模糊综合评判模型并引入多种评判因素计算直接信任,根据偏离度对推荐信任进行过滤与权重分配,并在计算综合信任时考虑历史信任.同时设计簇头惩罚系数,加快恶意簇头的识别与隔离的速度.通过划分监控区域进行非均匀分簇,缓解能量空洞现象.将节点信任值、剩余能量以及数据传输距离作为路由选择因素.设计入簇函数与转发函数,降低恶意节点参与数据传输的几率.仿真结果表明,所提协议与LEACH-C协议和TLES协议相比,数据包数目与能耗均衡性均得到较大提高,提升了无线传感器网络的安全性与可靠性.     

市场机遇发现的超图路径及其应用

在市场竞争日益激烈的今天,及时、有效地发现市场机遇已成为企业决策者面临的问题.为市场机遇发现提供技术支持,以超图理论为基础,根据市场机遇发现的多维特征,研究了市场机遇发现的超图模型表示、市场机遇发现的超图路径求解算法,给出了市场机遇发现的超图路径语义映射规则和应用实例.     

基于改进T-S模型的热工系统在线辨识算法

提出用一种改进的T-S模型实现非线性系统在线辨识的算法。通过样本与聚类中心矢量之间的贴近度来修正聚类中心,并根据样本到中心矢量的距离对输入数据空间进行划分。在此基础上利用递推最小二乘算法辨识出模型的结论参数。给出了具体的算法步骤,将该方法与其他模糊辨识方法进行比较。结果表明,该方法具有简单、实用、辨识精度高等优点。     

基于聚类的超闭球CMAC神经网络改进算法

针对CMAC神经网络的网络节点随输入维数的增大呈几何级数增加的问题,提出了基于模糊聚类的超闭球CMAC神经网络改进算法。该算法通过对输入数据进行模糊聚类确定网络节点数和节点值,并根据输入输出数据通过模糊推理优化算法计算神经网络初始权值。与原算法比较,该算法可有效降低神经网络节点数,提高系统的学习精度。对一个多步时延的非线性系统的辨识仿真结果表明了该算法的可行性与有效性。     

基于稀疏方位超图匹配的图像配准算法

为提高超图匹配的正确匹配率并降低其计算复杂度,提出了一种基于稀疏方位超图匹配的图像配准算法。提取图像的结构特征点为图节点,采用最小生成树算法获取节点间的主要连接关系,并用包含邻近的节点与边的三元组结构定义超边,计算超边的方位角度信息,由此构建稀疏方位超图;利用方位信息构建亲近矩阵,并采用全局最优匹配方法实现匹配。实验表明,对于实际图像的配准,该算法既具有较低的计算复杂度,又有良好的匹配效果。     

基于熵权的模糊聚类模型在洪水分类中的应用

在分析传统洪水分类方法不足的基础上,将基于熵权的模糊聚类模型应用于洪水分类问题中.运用熵权的方法确定分类指标的权重,并利用模糊聚类模型得出历史洪水样本的自然分类.实例表明：该方法不但计算简单,克服了重赋值的人为干扰,而且直接由历史洪水样本数据来驱动,不需预先给出不同洪水类型所对应的洪水要素的分类指标值,有较高的应用价值.