一种采用新型聚类方法的最佳类簇数确定算法

聚类分析是统计学、模式识别和机器学习等领域的研究热点.通过有效的聚类分析,数据集的内在结构与特征可以被很好地发掘出来.然而,无监督学习的特性使得当前已有的聚类方法依旧面临着聚类效果不稳定、无法对多种结构的数据集进行正确聚类等问题.针对这些问题,首先将K-means算法和层次聚类算法的聚类思想相结合,提出了一种混合聚类算法K-means-AHC;其次,采用拐点检测的思想,提出了一个基于平均综合度的新聚类有效性指标DAS（平均综合度之差,difference of average synthesis degree）,以此来评估K-means-AHC算法聚类结果的质量;最后,将K-means-AHC算法和DAS指标相结合,设计了一种寻找数据集最佳类簇数和最优划分的有效方法.实验将K-means-AHC算法用于测试多种结构的数据集,结果表明：该算法在不过多增加时间开销的同时,提高了聚类分析的准确性.与此同时,新的DAS指标在聚类结果的评价上要优于当前已有的常用聚类有效性指标.     

CSR外靶实验数据获取原型系统设计

介绍了为兰州重离子加速器冷却储存环外靶实验设计实现的一套数据获取原型系统。系统借鉴流处理、Map-reduce和Bigtable等技术或模型的思想,采用一套流处理节点构成的网络完成数据获取任务。系统支持对流处理网络拓扑结构自由调整,灵活地实现并行处理和负载均衡。同时通过为不同类型探测器定义接口标准以及支持用户自定义节点添加,实现大型物理实验调试和实验过程中的各种数据获取需求。目前系统已与探测器及前端电子学一起进行了一系列联合测试,验证了系统的可行性和稳定性。