视觉采样聚类方法VSC

基于视觉采样原理,该文提出了一般化的视觉采样聚类方法VSC。该方法将视觉原理与著名的Weber定律结合起来,其特点是：对聚类初始条件不敏感;Weber定律提供了新的聚类有效性标准,并且该方法所得到的合理的聚类数可以依据Weber定律而得到。大量的实验结果表明了算法VSC的有效性。文中讨论了算法VSC与由Yang Miin-Shen等人(2004)新近提出的基于相似度量的聚类算法SCA之间的内在联系,得出了这两个算法具有一定的同解性质,从而揭示了该文所提方法VSC能够有效地克服算法SCA中参数 不易确定的困难。     

基于划分的聚类算法研究综述

在数据挖掘的所有算法中,聚类分析尤为重要.基于划分的聚类算法就是用统计分析的方法研究分类问题.本文介绍了聚类的定义及聚类算法的种类,详细阐述了K均值聚类算法和K中心点聚类算法的基本原理并对它们的性能进行分析,对近年来各学者对基于划分的聚类算法的研究现状进行了梳理,对其具体应用实例做了简要介绍。     

基于Spark框架和ASPSO的并行划分聚类算法

针对划分聚类算法处理海量的数据存在的数据离散系数较大与抗干扰性差、局部簇簇数难以确定、局部簇质心随机性及局部簇并行化合并效率低等问题,提出了一种基于Spark框架和粒子群优化自适应策略(ASPSO)的并行划分聚类(PDC-SFASPSO)算法.首先,提出了基于皮尔逊相关系数和方差的网格划分策略获取数据离散系数较小的网格...     

一种基于效用函数的系统划分聚类算法

提出了一种基于效用函数划分系统的聚类算法，本算法中给出的效用函数能同时兼顾系统划分的相关性、可理解性、整体性、可分离性等原则。     

划分系数和总变差相结合的聚类有效性函数

划分系数是聚类有效性检测中常用方法之一.针对划分系数存在的严重不足,本文从一个新的角度对划分系数进行修改.结合数据的模糊划分得到的总变差,提出了二个新的聚类有效性标准.实验结果表明,本文提出的方法具有良好的分类性能.     

可能性划分系数和模糊变差相结合的聚类有效性函数

基于可能性分布描述因子定义的可能性划分系数有随类数增加而单调递减的趋势,缺乏与数据集几何结构的直接联系。该文考虑到数据集的几何结构信息,对可能性划分系数进行改进,提出了新的聚类有效性标准。实验结果表明,该文提出的方法具有良好的分类性能。     

机群系统上基于映射和抽样划分的并行聚类算法

采用映射和抽样划分方法,基于MPI消息传递编程模式,在机群系统上设计与实现一种并行聚类算法.该算法将生物基因序列映射成整数值,采用整数值取代字符串进行聚类,使得聚类过程快速,通过多次抽样一次聚类寻找初值在一定程度上避免了聚类结果陷入局部解的问题,优化了聚类质量.在PC机群系统上对基因序列进行并行聚类的实验结果表明该算法获得了较好的加速和可扩展性.     

LTE高负荷小区聚类优化方法研究

随着低资费套餐的快速普及,LTE高负荷问题日渐突出,高负荷小区整治成为网络运维的重要任务。本文提出LTE高负荷小区聚类优化方法,将问题小区聚类至五大类十三小类,并对各类问题提出针对性的优化处理建议,形成系统的高负荷小区整治方法。     

基于快速地标采样的大规模谱聚类算法

为避免传统谱聚类算法高复杂度的应用局限,基于地标表示的谱聚类算法利用地标点与数据集各点间的相似度矩阵,有效降低了谱嵌入的计算复杂度。在大数据集情况下,现有的随机抽取地标点的方法会影响聚类结果的稳定性,k均值中心点方法面临收敛时间未知、反复读取数据的问题。该文将近似奇异值分解应用于基于地标点的谱聚类,设计了一种快速地标点采样算法。该算法利用由近似奇异向量矩阵行向量的长度计算的抽样概率来进行抽样,同随机抽样策略相比,保证了聚类结果的稳定性和精度,同k均值中心点策略相比降低了算法复杂度。同时从理论上分析了抽样结果对原始数据的信息保持性,并对算法的性能进行了实验验证。     

测试性分析中基于模糊聚类的系统划分方法研究

针对测试性分析阶段系统划分问题,提出了一种对系统LRU划分的模糊聚类法.首先,建立系统结构和系统功能属性之间的映射关系;然后,利用逻辑矩阵中元件与元件之间的相似性进行聚类.聚类结果使得划分类内的LRU对某一功能属性的失常有决定作用,并且每一功能的测试诊断策略都能引导维修人员快速定位故障.理论分析和仿真结果表明,该方法实现简单,可以有效划分待诊断系统,具有良好的实际应用效果.     

抽样子空间约束改进大数据谱聚类算法

在分析经典谱聚目标函数与加权核k-means目标函数等价基础上,设计了一种基于抽样子空间约束的改进大规模数据谱聚类算法,算法通过加权核k-means迭代优化避免矩阵特征分解的大量资源被占用,通过数据抽样及聚类中心的子空间约束,避免全部核矩阵都被使用,从而降低经典算法的时间空间复杂度。理论分析和实验结果表明,改进算法保持与经典算法相近聚类精度,提高了聚类效率,验证了改进算法的有效性。     

基于最小二乘密度聚类的城市点云去噪算法

点云作为一种简便的三维表达方式,已经被大量应用在城市三维数字化中,但是城市对象的复杂多变,导致城市点云相较于其他场景点云,其较为复杂,去噪难度更高,去噪精度要求更高。为了解决城市点云的去噪问题,本文从高维特征密度空间出发,采用最小二乘密度聚类约束,遵循标准阈值原则设计了一种新的算法。本算法先构建高维特征密度空间,再用最小二乘算法求解各维度密度拟合曲线,最后根据标准阈值原则提取各维度合限点集的交集,即为目标点集。实验表明:本文算法针对城市场景中的点云具有较高的精度与较好的剔除效果,满足城市点云去噪任务的要求,达到了预期的效果。     

基于MATLAR的时域抽样和频域抽样定理验证

MATLAB应用范围广,包括信号和图像处理,通讯、控制系统设计、测试和测量等众多应用领域,是众多领域不可获缺的工具。本文基于MATLAB,对指数、序列信号进行不同频率的时域,频域抽样。根据不同抽样频率下还原的信号与原信号均方差,时域逼近程度的差别来验证时域和频域抽样定理。     

基于聚类学习算法的网络入侵检测研究

目前的入侵检测系统存在着在先验知识较少的情况下推广能力差的问题。在入侵检测系统中应用聚类算法,使得入侵检测系统在先验知识少的条件下仍具有良好的推广能力。首先介绍入侵检测研究的发展概况和聚类算法;接着提出了基于聚类算法的入侵检测方法;然后以KDD99这类常用的入侵检测数据为例,讨论了该方法的工作过程;最后将计算机仿真结果进行了分析。通过实验和比较发现,基于聚类学习算法的入侵检测系统能够比较有效地检测真实网络数据中的未知入侵行为。     

基于GSM/TD-SCDMA/TD-LTE/WLAN的数据业务互切换技术的研究

研究如何在GSM/TD-SCDMA/TD-LTE/WLAN异构移动通信网络中使用数据业务,保证对各种用户在不同场景下提供相应数据业务的同时,最大化利用网络资源,并提高相应的收益率。通过在智能手机安装网络判决器软件,建立关于GSM/TD-SCDMA/TD-LTE/WLAN的用户行为模型和用户使用策略,根据该策略,指导手机用户终端进行网络判决,选择最优网络进行连接。通过本课题的研究,可以在数据业务方面,实现业务分流,从传统的GSM网络分流到TD-SCDMA网络,WLAN网络和TD-LTE网络中,以实现流量最大化。     

双向过采样系统点目标采样模型与检出方法

传统的采样系统对点目标的能量收集能力差,图像信噪比低,像斑面积小。为了克服传统采样的缺点,在对弱点目标进行探测时可以采用双向过采样技术。建立了点目标采样系统的数学模型,分析了双向过采样系统对点目标的检测性能。通过点目标采样系统的数学模型,得到了双向过采样系统点目标像斑分布均匀、灰度梯度小、有一定的面积的特点。从而设计出针对双向过采样系统的点目标检出方法。采样模型得到的像斑能量分布表明,双向过采样系统对点目标的能量收集能力强,点目标像斑面积大,信噪比稳定,采样系统对点目标的空间相对位置有很强的适应能力。仿真分析表明,目标检出方法能够有效提高点目标图像的信噪比。     

基于信道切换的车联网数据传输算法

提出一种基于信道切换的车联网数据传输算法（DTA）。DTA算法考虑由车辆节点、中继节点和汇聚节点组成的三层网络,根据车辆的行驶方向进行节点的分类,提出不同的信道分配和切换机制,减少了数据传输的干扰。提出中继节点信息的快速扩散方法。提出紧急路况信息的优先传输方法,采用不同的队列将数据分类,并根据队列优先级选择传输数据。仿真结果表明,DTA算法能够有效地实现有用信息的快速传输,减少不必要的损耗,提高汇聚节点数据接收率,降低数据分组平均跳数和提高数据传输的覆盖率。在一定的条件下,DTA算法比AODV算法和AODV-L算法更优,可适用于快速变化的车辆行驶环境。     

基于FPGA的等效时间采样

等效时间采样技术实现了用低速模数转换器件对周期性宽带模拟信号的高速采集,降低了系统对ADC器件的速度要求,进而降低了系统实现的复杂度。在这里介绍了等效时间采样的原理和方法并提出了一种基于FPGA的等效时间采样方法。这种方法在被采集周期性宽带模拟信号的一个周期中可以实现等效时间采样的变频采样。     

基于软切换的AC和热点拨测场技术研究

提出一种软切换方案,使AP能按拨测指令动态归属某AC管辖,并隶属某热点。使用该技术,可在核心机房建设集中拨测场,执行城域网范围内针对所有AC和热点的拨测,从而变分布式部署为集中式部署,彻底改变原有热点拨测依赖现场拨测的现状,具有很强的实用性和经济性。     

Unequal clustering algorithm for WSN based on fuzzy logic and improved ACO

This paper proposes a novel energy efficient unequal clustering algorithm for large scale wireless sensor network(WSN) which aims to balance the node power consumption and prolong the network lifetime as long as possible.Our approach focuses on energy efficient unequal clustering scheme and inter-cluster routing protocol.On the one hand,considering each node’s local information such as energy level,distance to base station and local density,we use fuzzy logic system to determine one node’s chance of becoming cluster head and estimate the corresponding competence radius.On the other hand,adaptive max-min ant colony optimization is used to construct energy-aware inter-cluster routing between cluster heads and base station(BS),which balances the energy consumption of cluster heads and alleviates the hot spots problem that occurs in multi-hop WSN routing protocol to a large extent.The confirmation experiment results have indicated the proposed clustering algorithm has more superior performance than other methods such as low energy adaptive clustering hierarchy(LEACH) and energy efficient unequal clustering(EEUC).