约束聚类算法研究

约束聚类是聚类研究中的热点之一.文章就此探讨了在聚类过程中引入领域知识进行“约束”的方法.介绍了约束聚类的定义,并按约束的应用将约束条件归并为全局约束、实例约束、其它约束等,然后概括了相应约束条件下的算法,最后介绍了约束对于聚类带来的益处和问题.     

基于增量DFT概要的数据流聚类算法

数据流聚类分析是数据流挖掘领域的重要分支。由于数据流海量、快速、动态到达,传统的静态数据挖掘技术不能满足在线分析的需求。数据流聚类的核心是设计单遍数据集扫描算法,在有限的内存中存储少量概要特征信息,实现数据流实时、在线聚类分析。采用数据流处理中广泛应用的滑动窗口模型,提出一种新的基于增量傅立叶变换(DFT)的数据流概要算法,并在此基础上运用k-均值(k-means)聚类,实现数据流的在线挖掘。基于增量DFT概要的数据流聚类算法可减少运行时间,节省内存空间,实际用电负荷数据证明了算法的有效性。     

自适应谱聚类算法研究

谱聚类能识别出在原空间中线性不可分的聚类, 且其效果优于传统聚类算法.谱聚类要想获得好的效果必须选择一个合适的尺度参数,本文在传统谱聚类算法的基础上引入类似核选取的技巧,提出了一个能自动选取该尺度参数的自适应谱聚类算法.将该算法和现有的谱聚类参数选择算法作了比较,在人工数据集和UCI数据集上的实验表明,自适应谱聚类算法在很多情况下优于其它参数选择算法.     

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。     

自适应属性加权近邻传播聚类算法

针对多维数据属性对聚类分析结果有不同重要程度影响的问题,提出一种基于自适应属性加权的近邻传播聚类算法。该方法通过考虑多维数据属性权值的重要度,在近邻传播聚类过程中引入属性加权相似性矩阵计算,并根据当前数据聚类划分的结果来分析目标评价函数,计算各个属性对当前聚类的贡献程度。随后根据贡献程度的计算结果自适应地更新属性权值,并通过属性加权相似性矩阵来重新计算近邻传播算法中的两种竞争信息,进而提高聚类结果的质量。数值实验结果表明,新方法能够有效实现属性权值的自适应调整,提高近邻传播算法的聚类效果,与其他传统聚类算法相比新方法具有更好的聚类质量。     

数据挖掘中Fuzzy c—means的自适应聚类算法

聚类算法是数据挖掘算法中的重要解决方法。针对现有聚类算法模糊c均值算法FCM中的不足,如需要预先确定聚类参数c,随机性较强、局部最优等弱点,对其算法结构加以改进,提出模糊c均值自适应算法（FCMA),增加聚类有效性问题的分析,在聚类过程中可动态调整聚类数目,这种方法可以避免在确定参数时的随机性和经验性,提高聚类算法的可靠程度。     

基于多层自适应聚类模型的密集人群分群检测算法

针对存在更复杂运动模式的无序运动人群密集场景,提出了一种基于多层自适应聚类模型的分群检测算法.以基于高斯混合模型的背景去除算法和自适应初始化聚类算法为核心,通过建立多层自适应聚类模型实现密集人群的分群检测.实验数据库选用了大量真实室内外密集人群运动场景视频,并通过大量对比实验验证了算法的有效性、可靠性和优越性.     

利用自适应阈值的聚类算法实现关键帧提取

聚类算法是关键帧提取的一种常用方法,然而,在对视频内容一无所知的情况下,预先指定聚类算法的阈值是一个很困难的问题,文章首先提出了一种自适应确定聚类阈值的算法,再以视频中的帧序列为数据样本进行聚类,得到最终聚类结果,最后从每一类中提取离类中心最近的帧作为关键帧。实验表明,该方法能较好的提取出视频序列的关键帧。     

自适应选取聚类中心K-means航迹起始算法

为揭示多传感器观测数据的正态分布态势,实现对源于异类目标的跟踪,提出一种新的多传感器航迹起始算法,本算法主要特点是初始聚类中心的自适应选取以及对逻辑估计法的起始夹角修正。估计算法中采用不相似性度量阈值的角度衡量方法,同时还结合聚类数目自适应归纳及初始聚类中心的推演逼近,从而使单传感器的航迹起始估计算法可以应用于多传感器的航迹起始根据;然后对聚类后的数据采用修正的逻辑航迹起始算法起始目标航迹。蒙特卡洛估计表明,新的自适应K-means聚类估计区分呈团状分布的不同目标的能力好,且通过估计算法得到的目标非常接近真实目标位置。经过自适应聚类处理后的目标航迹起始估计可有效滤除杂波干扰,降低虚警概率,能够获得较好的多传感器航迹起始。     

基于小世界聚类的网格资源查找算法

在网格环境中分布着大量不同类型的资源,为了更有效地解决网格资源的搜索和定位问题,提出了一种基于小世界聚类的网格资源查找算法. 它以小世界模型作为理论依据,确定聚类中心,按照分级扩散的原则对网格资源进行全局搜索. 为了提高算法的可扩展性,以一定概率增加网络连接,使节点连接的概率随距离的增大而衰减,缩短了查找平均路径长度. 仿真实验证明,基于小世界聚类的网格资源发现算法具有良好的搜索能力和扩展性.     

基于QoS的多用户OFDM系统自适应资源分配算法

在多用户OFDM系统中,为满足用户的服务质量要求并降低算法复杂度,提出一种基于QoS的自适应资源分配算法。该算法将子载波和功率分配算法分开进行,给出了基于QoS的子载波分配方案,并将用户分为VIP用户和普通用户,对两种用户分别采用不同的功率分配算法,在保证VIP用户达到所需要速率的前提下,尽量满足普通用户的速率要求,使MU-OFDM系统成为一个具有服务质量保障的系统。仿真结果表明,该算法既保证了VIP用户和普通用户的性能指标,又降低了算法的整体计算复杂度。     

基于比特位操作的自适应约束传播算法

在现有约束传播算法研究的基础上,提出了一种基于比特位操作的自适应约束传播算法AC_MaxRPC_Bitwise。该算法在寻找AC支持及PC支持中引入基于比特位的数据结构,并利用比特位操作加速AC支持和PC证据搜索,从而提高自适应约束传播的效率。对几类典型benchmark问题的测试结果表明,算法AC_MaxRPC_Bitwise在总体性能上明显优于AC及原自适应约束传播算法。     

一种基于弱实时的加权公平队列调度算法

针对目前的一些实时应用，例如视频传输应用、网络传输延迟和网络资源利用率相矛盾的问题，结合弱实时理 论，提出了基于弱实时约束的广义处理器共享(WGPS)的调度策略以及面向分组模型的基于弱实时约束的加权公平队列 (W2FQ) 调度算法.该算法以加权公平队列(WFQ)调度算法为基本算法，根据丢失率参数和弱实时约束的要求，适当丢失一 些分组，从而可以降低网络传输延迟和减小网络服务带宽.理论分析和仿真结果表明，该算法是一个公平可行的调度算法 ，而且与WFQ算法相比，实时应用能够得到更及时的传输且保证服务质量不受影响.     

自适应的模糊C均值聚类算法

针对模糊C均值聚类算法对聚类数预先不可知的缺陷,提出了自适应的模糊C均值聚类算法,该算法利用已有的有效性函数自动确定聚类数目,继而进行模糊聚类,实验表明,该方法无须人工的干预,并且具有良好的有效性和可行性．     

基于空间约束的自适应单目3D物体检测算法

引入无须先验模版匹配的3D目标检测算法,通过简化消失点（VP）计算和改进角点提取等步骤,提出一种自适应的单目3D物体检测算法. 针对复杂场景下VP 计算易受干扰的问题,根据室内场景中世界坐标系、相机以及目标物体之间的空间关系,建立目标、相机偏航角与VP之间的约束模型,提出一种基于空间约束的 M 估计子抽样一致性（MSAC）消失点计算方法;为了提高3D框的估计精度,在VP透视关系的基础上,提出一种自适应估计3D框角点的方法,通过建立目标3D轮廓线与2D框的空间约束关系,实现目标物体的3D框快速检测. 相关数据集的实验结果表明,所提方法相比于其他算法不仅在室内场景下具有估计精度高、实时性好的优势,而且在室外场景实验下也具有更好的精度和鲁棒性.     

基于算法改进的ART2数据聚类方法研究

为提高聚类精度和产生更多类别相关信息,在分析了传统聚类方法对最初样本集过分依赖,不能动态适应样本空间变化,不能动态决定聚类数目等不足后,通过介绍其特性和优点提出应用自适应谐振神经网络(ART2)作为聚类算法;针对经典ART2模型的主观设置警戒参数、输出无组织等不足,提出基于改进算法的ART2模型用于聚类分析;通过自组织、迭代、加权等过程推导合理类别的聚类所需要的警戒参数,仿真实验证明了本算法的有效性.     

特征矢量约束的近程杂波抑制鲁棒自适应波束形成算法

针对机载非正侧视阵在距离模糊条件下的近程杂波抑制问题,提出了一种俯仰滤波算法.利用杂波协方差矩阵特征分解形式,建立了一种特征矢量选择方法.用该方法挑选出对应于近程和远程的特征矢量作为波束形成算法的约束.相对于传统算法,这种特征矢量约束的波束形成算法指向误差和导向矢量失配更具鲁棒性,并克服了主瓣畸变的问题.仿真结果验证了该算法的有效性.     

一种基于协同进化方法的聚类集成算法

针对单一聚类算法存在的不能泛化的问题,将集成学习技术应用于聚类算法中,集成学习技术可以显著提高学习系统的泛化能力。提出了1种基于粒子群和遗传算法的协同进化聚类集成算法,粒子群算法保证算法快速收敛,遗传算法全局搜索扩大搜索范围,提高了聚类的性能和收敛速度。将本研究提出的算法在多个UCI数据集上进行试验验证,结果表明该算法是有效的。     

自适应半监督邻域聚类算法

为了充分利用监督信息指导聚类过程,提出自适应半监督邻域聚类算法(adaptive semi-supervised neighborhood clustering algorithm,SSCAN).引入监督矩阵与距离度量结合,构造合理的相似矩阵;充分利用监督信息,通过标签信息矩阵与流形正则项结合调整模型,改善聚类效果.在...