时间序列数据挖掘中的聚类研究综述

鉴于时间序列数据的高维性和复杂性给数据挖掘带来的困扰以及聚类分析在时间序列数据挖掘领域中的重要性,对目前该领域国内外相关时间序列数据聚类研究的状况进行综述。时间序列聚类总体上可分为整体时间序列聚类、子序列聚类和时间点聚类3种,分别从特征表示、相似性度量、聚类算法和簇原型等方面来研究,同时也结合了具体的应用分析。根据时间序列数据挖掘中聚类存在的主要问题,提出了部分未来值得关注和研究的内容和方向,以便更好地促进时间序列数据聚类分析的研究与发展。     

一种基于网格的障碍约束下空间聚类算法

障碍约束下的空间聚类问题具有很强的实用价值，是近几年来空间数据挖掘研究领域的一个热点，研究和分析了现有的障碍约束空间聚类算法，针对其中存在的问题，提出了一种新的基于密度和网格的障碍约束下空间聚类算法，该算法在CLICQU算法的基础上，引入障碍网格的概念和障碍物的网格化表达，使其能够处理任意形状的障碍约束聚类，通过理论分析和实验验证，该算法具有较好的时间复杂度和聚类效果。     

采用属性聚类的高维子空间聚类算法

为了解决现有子空间聚类算法时间复杂度偏高以及对输入参数敏感的问题,提出了一种基于属性聚类方法的高效子空间聚类算法.算法首先通过计算每个属性的基尼值来过滤冗余属性,而后通过基于二维联合基尼值的关系函数建立非冗余属性的关系矩阵,以衡量任意两个非冗余属性的相关度, 进而在关系矩阵上应用可产生交叠的聚类算法,聚类结果即为所有兴趣度子空间的候选集合,最后调用聚类算法得到所有存在于这些子空间内的簇.在人工数据集和真实数据集上的实验表明,新算法不仅在时间复杂度和子空间簇的寻找能力方面均有较优表现,而且对输入参数的取值不甚敏感.     

常用的聚类技术分析

聚类分析是数据挖掘的关键技术之一,聚类分析的典型应用包括物种的分类和分生物学的基因分类。同时在数据分析、模式识别、市场分析、流行病分析等领域也有较深入的应用。聚类分析中的典型数据结构分为数据矩阵和相异度矩阵两种。文章重点分析了典型的几类聚类算法,并指出了每一类算法的优缺点,最后对聚类分析技术的发展进行了展望。     

基于最近邻优先的高效聚类算法

针对高维空间中任意形状的多层次聚类问题，基于“同类相近”的思想，提出并实现了最近邻优先吸收聚类算法NNAF算法。证明了最近邻点搜索定理，基于这一定理又提出了SNN(Searching Nearest Neighbors)算法和GSNN(Grid-based Searching Nearest Neighbors)算法，其时间复杂度为O(n*log(n))，当用扫描图像所得数据时，时间复杂度会降为O(n)；而使用传统的搜索算法，时间复杂度为O(n^2)；提出了实现任意形状高维空间聚类的NNAF算法，时间复杂度为O(n)；提出了MLCA(Multi-layer Cluster Algorithm)算法并证明了两个相关的定理，在改变阈值后重新聚类时，使用MLCA算法可以节省90％以上的时间。实验结果显示，以上算法适应于任意形状的高维空间数据的聚类，可以有效过滤噪声数据，且用户需要的先验知识少、可快速获得各种层次的聚类结果。     

数据挖掘中聚类算法的比较研究

数据挖掘算法是数据挖掘的核心部分.对数据挖掘中的聚类算法进行了较详细的比较研究.     

流形自适应结构化子空间聚类算法

为了解决高维数据维数灾难影响数据相似性度量的问题,提出一种流形自适应结构化子空间聚类方法,通过构造相似矩阵获取数据的全局和局部流形结构信息,将亲和矩阵的构造和聚类分割统一到一个优化框架中,得到相似图和最终的聚类结果.在YALE、JAFFE、COIL20等10个真实数据集上与多个经典聚类算法进行对比试验,提出的算法在Ac...     

模糊加权流数据软子空间的聚类算法

现有的软子空间聚类算法都是基于批处理技术的聚类算法,不能很好地应用于高维数据流或大规模数据的聚类研究．利用模糊可扩展聚类框架,与模糊加权软子空间聚类算法相结合,提出了一种有效的模糊加权流数据软子空间聚类算法（FWSSC）．实验结果表明,FWSSC对于高维流数据可以得到与批处理软子空间聚类方法近似一致的实验结果．     

WWW聚类引擎的研究

在当今的信息时代,搜索引擎是Web信息检索的主要工具,Web的数字挖掘技术逐渐成为了研究的热点.把Web数据挖掘技术与搜索引擎相结合,从而构建一个基于数据挖掘的搜索引擎原型系统,它能够以语义的、在线的、树型的和文本的方式对搜索引擎的搜索结果进行聚类,帮助使用者更容易和快速的找到相关信息.     

一种高维数据集的子空间聚类算法

提出了一个基于密度和网格的子空间聚类算法.该算法运用启发式的密度连通思想来确定一维空间初始簇的生成,使用自底向上的搜索策略来发现存在子空间中的簇.实验结果表明,在处理高维数据时,在不牺牲算法的其他性能的同时提高了聚类的有效性,降低了对输入数据顺序及噪音数据的敏感性.     

自然语言语码转换研究述评

分析了自然语言码转换中有关语言学的一系列问题,认识到社会语言学主要研究语码转换的社会动机,揭示社会因素与语码转换之间的内在关系,心理语言学研究双语者在语码转换过程中的思维,这方面的研究成果较少."语法学"主要是研究参与语码转换的语言在转换过程中受到的语法限制,会话分析是通过对会话序列的研究说明语码转换的具体演绎过程及功能,揭示语码转换的动态过程.语用学从语言、认知、社会、心理等角度揭示了语码转换的原因和功能.     

国内组织认同研究回顾与展望

组织认同作为个体社会认同的重要组成部分,一直是西方组织管理研究者关注重要话题,国内组织认同研究起步较晚,近年来文献数量有增多趋势。从组织认同的概念与结构、前因与后果等方面对相关文献进行回顾与评价,并对未来研究方向进行展望。     

我国虚拟经济理论研究综述

对虚拟经济的研究主要在亚洲金融危机后为我国经济界所重视,且最近10年成为理论经济学研究热点。文章试图从虚拟经济概念的界定,与实体经济的关系,对宏微观经济的影响和运行规律四方面,对10多年来虚拟经济的相关研究成果进行梳理,以期为我国虚拟经济的进一步深入研究提供参考。     

物流集群研究综述

针对物流理论逐渐完善的现状,以集群的视角对物流业的发展进行探索.从物流集群的形成机理与竞争力、区位性与指向性,以及对区域经济的相互影响等方面,对国内外物流集群的相关研究进行了梳理和总结,指出了物流集群的研究中存在的一些问题,对物流集群进一步研究的方向进行了展望.     

一种混合递增NEM的空间聚类算法

由于EM算法不适合空间聚类对空间信息的要求,而邻域EM算法虽然结合了空间惩罚项,但是NEM在E-step步需要大量的迭代.为了既能满足空间信息的要求,又能避免过多的计算量,本文提出了EM与NEM二者相结合的混合递增NEM算法,算法首先在随机子样本中进行EM训练,直到似然判断条件下降,根据增量因子进行样本更新,然后样本转向NEM训练一次,如此进行循环递增的交叉训练,使得计算量降低,性能提高.实验结果显示,MNEM只需要较少的运算便可达到收敛,聚类质量结果优于NEM.     

国外高校教师绩效管理研究述评

国外高等教育管理日益与企业管理模式接轨。高校教师的绩效是个人能力、意愿与机会相互作用的结果。高校绩效管理受到国家教育制度、学校领导者和组织文化的影响,不同学校的绩效管理既有共性也有差异。高校教师的绩效包含学术研究、教学和社会服务三个方面的表现和成果,不同高校对上述三个方面的具体要求不同。绩效计划、绩效辅导和绩效评价形成一个管理系统,目标导向和绩效测量是教师绩效管理的关键。国外高校绩效管理的系统化和结构化值得国内高校管理者学习和借鉴。     

基于客户顾目的聚类协同过滤组合推荐算法研究

通过分析传统协同过滤存在的稀疏性、冷启动及实时性问题的根源后,提出一种改进的基于客户颅目的聚类协同过滤组合推荐算法;算法通过运用聚类技术和基于用户的协同过滤算法来预测计算邻居用户,并给出未评分的目标项目的最终预测评分以得到推荐列表,弥补协同过滤推荐在新项目推荐方面的不足的同时稀疏问题也迎刃而解;在预测评分中增加时间权重...     

深度聚类算法研究综述

聚类分析是挖掘数据内在结构的关键技术,在大数据时代,人们面对的数据通常具有规模大、维度高、结构复杂等特点,直接应用传统聚类算法往往会失效.深度学习凭借层次化非线性映射能力使得大规模深度特征提取成为可能,因此基于深度学习的聚类(深度聚类)算法迅速成为无监督学习领域的研究热点.该文旨在对深度聚类的研究现状进行归纳和总结.首先,从神经网络结构、聚类损失和网络辅助损失3个角度介绍深度聚类的相关概念;然后,根据网络的结构特点对现有的深度聚类算法进行分类,并分别对每类方法的优势和劣势进行分析和阐述;最后,提出好的深度聚类算法应具备的三要素:模型的可扩展性、损失函数的鲁棒性和特征空间的平滑性,并从这3个方面分别阐述未来可能的研究方向.     

聋哑学生自然语言学习过程中书面语问题研究综述

我国对聋哑学生自然语言学习问题的研究和实践始于上个世纪80年代中后期,经过三十多年的发展,取得了很大的成就,不仅使很多聋哑儿童不同程度地学会了自然语言良好的使用书面语,而且也积累了许多研究成果。试图对现有聋生自然语言学习过程中书面语的相关研究做一个梳理、总结。