基于距离的最大聚类数探索算法的探讨

聚类是数据挖掘中用来发现数据分布和模式的一项重要技术，它是数据挖掘中的一个很活跃的研究领域，目前提出了许多聚类算法。这些聚类算法中，聚类数一般需要给定，但是在多数情况下，聚类数事先无法确定。由于各种聚类算法一般依赖于初值，即使聚类数保持不变，算法决定的聚类结果也可能有所不同，因此对同一个数据集，如何评价聚类算法给出的不同聚类结果就成了一个关键问题，这一问题人们称之为聚类有效性问题。     

一种优化的Key-Value型NoSQL系统

Key-Value(KV)是NoSQL系统中使用较为广泛的一种存储模型。针对当前主流NoSQL系统存在检索功能有限、内存容量小和宕机等问题,提出一种KV型NoSQL系统设计方法。使用可持久化的混合主索引结构解决范围查询和快速重启,采用数据分布算法和内外存混合存储技术,通过数据在内存和固态硬盘之间的智能调度,实现了大规模数据的高效存取和低成本存储。实验结果表明,与Redis相比,对于典型大小Value,该系统在单节点读写性能上提升约8倍,配置成本降低约3/4,在海量数据的低成本高效存储上有明显优势。     

熔化极气保焊焊接电流和电弧电压的数据属性

熔化极气保焊在不同的工况条件下,因焊接工艺需要不同的金属过渡形式而对焊接电流与电弧电压输出波形提出了相应要求.与此同时,焊接过程因受多方面因素影响产生随机、偶发的信息亦反映在焊接电流或电压波形的数据构成中,从而使源于焊接过程中各种影响因素的数据信息结构是由多个不同性质的概率密度函数的叠加.以往对弧焊参数的表达一般都以大数定律为前提,对数据是按照正态或近似正态的总体假设计算其统计值.然而,这一统计假设及其计算方法,对熔化极气保焊过程的数据信息处理仅仅是部分可行,对于基于波控或脉冲电流模式的弧焊信息在大多数工况下已不再有效,不仅会导致参数平均值、热输入等物理量的误差,而且会使弧焊过程中偶发的离群数据及其隐性关键信息无法获知.文中的工作在对熔化极气保焊焊接电流和电弧电压数据分析的基础上,解释了焊接过程产生不同数据分布性质的原因,提出了在当前焊接向自动化和信息化深度发展中,重构弧焊参数的表达方式,提高数据统计分析的科学性和有效性,从而防止和避免对弧焊过程信息认识和应用中可能产生的误读和误导.     

金属导体直流电阻率的能力验证分析

为提高实验室的测试能力以及在行业内的影响力,EMTC组织行业内28家检测机构进行了金属导体的直流电阻率测试能力验证活动。主要介绍了此次能力验证的方案设计内容、误差数据分布和各参比实验室反馈数据的比对结果,同时还分析了部分参比实验室产生不满意结果的原因。     

一种基于给定标准对数据进行正态修正的算法

在数据随机采样与统计的过程中,根据实际情况可能需要对数据分布进行正态化调整。本文研究的内容是在给定平均值和标准差的前提下,将样本数据的分布修正为理想正态曲线的一种方法,此方法可适用于数据信息偏离正态分布的各种情况,比如土壤元素、年降水量等。     

基于数据分布一致性最小最大概率机

针对既包含有标记样本又包含未标记样本的分类数据,提出数据分布一致性原理,并将其融入到最小最大概率机中。把有标记样本和无标记样本映射到决策超平面所在空间（简称超空间）,通过最小化有标记样本和无标记样本在超空间的概率分布差异,充分利用无标签样本来修正最小最大概率机的误差,使得修正后的决策超平面更接近于真正的分类超平面。实验证明,数据分布一致性最小最大概率机（DCMPM）比最小最大概率机（MPM）具有更好的分类性能。     

网格不敏感结构应力的焊接疲劳数据分布

为分析网格不敏感结构应力的焊接疲劳S-N数据分布具有高收敛性的机理,基于钛合金焊接接头疲劳试验数据,分别基于名义应力、主S-N曲线法中的结构应力及等效结构应力建立焊接疲劳数据坐标,并以最小二乘法拟合S-N曲线,应用粗糙集分析方法,以接头类型、相对板厚、载荷比、应力比等焊接疲劳主要影响因素作为条件属性,以疲劳数据对于S-N曲线的偏离度作为决策属性,对基于三种应力的焊接疲劳数据分布规律对比分析.结果表明,基于网格不敏感等效结构应力所建立的S-N数据分布更为集中和均匀,在预测焊接接头疲劳寿命方面具有更高的准确性.     

面向数据异构的联邦学习性能优化研究

参与联邦学习的客户端只需在各自的本地数据集上训练本地模型,并在服务器上聚合全局模型.然而,数据异构会导致本地模型与全局最优模型收敛方向不一致,影响全局模型性能.现有工作主要集中在直接与全局模型做趋同,并未考虑全局模型合理性.本文研究了一种基于局部模型偏移的性能优化方案,本地训练过程中结合所有客户端模型关键参数,提高全局聚合模型可信度.具体来说,计算待训练模型与其他客户端模型参数差值,然后乘以其他客户端梯度,将结果作为正则项加入本地损失函数,从而抑制局部模型偏移.实验结果表明,该方案在MNIST,FMNIST,CIFAR上的图像识别正确率方面优于现有方法5个百分点以上.