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。     

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。     

基于类内差异和类间重叠的有效性函数

模糊C-均值(FCM)聚类算法的一个主要问题是需要事先确定聚类的数目,为此定义了类内差异度和类间重叠度来分别度量同一个聚类中数据的相似度和不同聚类间的分离程度,进而基于这两个度量提出一个新的有效性函数用于判定最佳聚类数目。实验结果表明,该有效性函数能有效地判定聚类数目,并且有较好的鲁棒性。     

一种基于属性空间相似性的模糊聚类算法

模糊C均值(FCM)聚类算法及其相关改进算法基于最大模糊隶属度原则确定聚类结果,没有充分利用迭代后的模糊隶属度矩阵和簇类中心的样本属性特征信息,影响聚类准确度。针对这个问题,该文提出一种新的改进思路：改进FCM算法输出定类原则。给出二元属性拓扑子空间中属性相似度的定义,最终提出一种基于属性空间相似性的改进FCM算法(FCM-SAS)：首先,选择FCM算法聚类后模糊隶属度低于聚类置信度的样本作为存疑样本;然后,计算存疑样本与聚类后聚类中心的属性相似度;最后,基于最大属性相似度原则更新存疑样本的簇类标签。通过UCI数据集实验,证明算法不仅有效,还较一些基于最大模糊隶属度原则定类的改进算法具有更优的聚类评价指标。     

应用于WiFi室内定位的自适应仿射传播聚类算法

在室内覆盖的大量的WiFi信号可以用来室内定位。尽管很多WiFi室内定位技术被提出,但其定位精度仍然未达到实际应用的需求。针对这个问题,该文提出一种自适应仿射传播聚类(AAPC)算法用以提高WiFi指纹的聚类质量,从而提高定位精度。AAPC算法通过动态调整参数生成不同的聚类结果,然后采用聚类有效性指标筛选出其中最佳的。采集大量真实环境数据进行试验,试验结果表明采用AAPC算法产生的聚类结果具有更高的定位精度。     

Clustering routing protocol based on improved PSO algorithm in WSN

Aiming at the problem that the location distribution of cluster head nodes filtered by wireless sensor network clustering routing protocol was unbalanced and the data transmission path of forwarding nodes was unreasonable,which would increase the energy consumption of nodes and shorten the network life cycle,a clustering routing protocol based on improved particle swarm optimization algorithm was proposed.In the process of cluster head election,a new fitness function was established by defining the energy factor and position equalization factor of the node,the better candidate cluster head node was evaluated and selected,the position update speed of the candidate cluster head nodes was adjusted by the optimized update learning factor,the local search and speeded up the convergence of the global search was expanded.According to the distance between the forwarding node and the base station,the single-hop or multi-hop transmission mode was adopted,and a multi-hop method was designed based on the minimum spanning tree to select an optimal multi-hop path for the data transmission of the forwarding node.Simulation results show that the clustering routing protocol based on improved particle swarm optimization algorithm can elect cluster head nodes and forwarding nodes with more balanced energy and location,which shortened the communication distance of the network.The energy consumption of nodes is lower and more balanced,effectively extending the network life cycle.     

基于改进力导向模型和局部密度的聚类算法

在没有先验知识的前提下,聚类是分析样本集中不同类簇的有效方式。文中提出了一种基于改进力导向模型的聚类算法。为实现样本数据预处理的类内聚集和类间分离效果,设计了基于样本点局部密度和样本间距离的吸引力计算方法、基于样本点近邻连通图中边的介数的排斥力计算方法。实验结果表明,文中算法能够使得类内样本点更加聚集、类间样本点更加分离,可以有效地提高聚类的正确率。     

基于证据空间有效性指标的聚类选择性集成

首先针对距离空间在描述数据复杂结构信息方面的不足给出证据空间的概念。然后基于证据空间扩展有效性指标Davies-Bouldin,同时利用聚类成员的类别相关矩阵度量差异性。最后以较高有效性和较大差异性为目标选择聚类成员并用于集成。实验结果显示所提方法能够有效提高聚类集成算法的有效性。     

基于改进SSIM的HEVC率失真优化

HEVC继承了传统的客观率失真模型,主要采用均方误差、平方误差和或绝对误差和等客观评价方法作为失真测度.然而,这些方法并不能得到很好的主观视觉感知质量.为了进一步解决HEVC的计算复杂度,提出了将结构相似度(Structural Similarity,SSIM)引入到HEVC的率失真代价函数中.该方法使用失真测度均方误差对SSIM进行改进,将改进后的SSIM对率失真代价函数进行优化,求解出拉格朗日乘子,从而实现率失真性能的提升.实验结果表明,该方法与HEVC参考测试模型相比,在全Ⅰ帧(All Intra,AI)配置下,率失真性能平均提高了2.6％,同时可以获得很好的编码质量,以及可忽略的编码时间增长.     

Robust subspace clustering based on inter-cluster correlation reduction by low rank representation

Subspace clustering refers to clustering data points into their respective subspaces and finding a low-dimensional structure to fit each group of points. In subspace clustering, the inter-cluster correlation of data which is caused by noise such as illumination and background affects the performance of subspace clustering algorithms. To solve this problem, a new approach is proposed to detect the unusual data with strong inter-cluster correlation based on the representation matrix obtained from low-rank representation (LRR). Then a low-rank model was established by reducing the unusual part of data and subspace clustering is performed. In addition, in order to apply subspace clustering algorithm on unaligned data, the preprocessing is required to make the data aligned, and the preprocessed data is used in experiments. Experimental results on the face dataset and texture dataset show the efficiency of the proposed method. The experiment also indicates that with the signal ratio increasing, the inter-cluster correlation is becoming more obvious.     

基于相似度的词聚类算法

基于类的统计语言模型是解决统计模型数据稀疏问题的重要方法.传统的统计方法基于贪婪原则,常以语料的似然函数或困惑度(perplexity)作为评价标准.传统的聚类方法的主要缺点是聚类速度慢,初值对结果影响大,易陷入局部最优.本文提出了词相似度定义、词集合相似度定义,一种自下而上的分层聚类算法.这种方法不但能改善聚类效果,而且可根据不同的模型选择不同的相似度定义,从而提高聚类的使用效果.     

局部显著单元高维聚类算法

以等宽或随机宽度网格密度单元为基础的高维聚类算法不能保证复杂数据集中的聚类结果的质量。该文在核密度估计和空间统计理论的基础上,给出一种基于局部显著单元的高维聚类算法来处理复杂数据的高维聚类问题。该方法以局部核密度估计和空间统计理论为基础定义了局部显著单元结构来捕获局部数据分布;设计了能快速发现覆盖数据分布的局部显著区域的贪婪算法;对具有相同属性子集的局部显著单元执行Single-linkage算法发现其中的聚类结果。实验结果表明,以局部显著单元为基础的高维聚类算法能够发现复杂数据集中隐含的高质量聚类结果。     

近邻半监督聚类算法的MATLAB实现

本文提出了一种用Matlab实现近邻半监督聚类算法的实例,补充进入MATLAB工具箱,并使用该算法对三个UCI数据集进行聚类,并通过F-measure指标验证了该算法的有效性。     

基于聚类分析和神经网络的时间序列预测方法

文章提出了一种组合聚类分析和神经网络的预测方法。聚类分析将大的数据集聚类划分为几类小的数据集，这样在每一类中，数据的相似度比较高，然后再分类训练相应的模型，最后做预测。建立加入聚类分析的径向基神经网络模型，用金融时间序列做试验，并跟径向基神经网络模型进行比较。试验结果表明．加入聚类分析的径向基神经网络模型提高了连续预测的趋势准确率，降低了时间代价，并减小了模型的复杂度。     

基于奇异值优化的图像复制粘贴篡改检测算法

数字图像篡改检测是数字取证领域的一个迅速发展的研究方向。复制－粘贴篡改作为一种最常见的图像篡改方式,它是通过复制一幅图像的部分内容粘贴至同幅图像另一处来隐藏或克隆对象的目的。针对已有检测算法效率不高的问题,本文提出了一种基于改进的奇异值分解的复制－粘贴篡改检测算法。该算法降低了奇异值特征向量的维度,并增加了向量相似度判别的步骤以提高准确性。实验结果表明,该算法能有效的检测复制－粘贴篡改区域,而且计算量小、检测效率高,并具有良好的检测精度和鲁棒性。     

基于模糊聚类的文本分类器

文章提出了一种基于模糊聚类的文本分类器构造方法,介绍了文本中特征词之间模糊相似度的度量方法,给出了利用“编网法”思想实现模糊聚类的算法。通过比较文本中特征词之间的模糊相似度,实现特征词的聚类,最终获取能够识别文本主题类别的特征词集合,并给出了分类器性能的测试结果。     

基于无监督神经网络聚类算法的研究

本文讨论了基于自组织特征映射网络聚类算法的基本原理，并指出了算法的缺陷。在此基础上，提出了改进的算法，给出了算法的流程，并做了分析。     

基于改进结构相似度的立体图像质量评价方法

文中提出了一种基于改进结构相似度的立体图像质量客观评价算法。针对结构相似度方法不能较好地评价噪声与模糊失真的立体图像质量的缺陷,文中将结构相似度函数引入频域,并用纹理信息作为权重计算平均结构相似度。实验结果表明,文中方法针对噪声和失真立体图像评价分数与主观评价结果存在较强的相关性。     

基于上下文模糊C均值聚类的图像分割算法

像素间的上下文相关信息对图像分割算法的抗噪性和准确性具有重要意义,现有的模糊C均值(FCM)聚类算法对此缺乏充分考虑.该文基于对空间上下文的可靠性度量,提出一种模糊C均值聚类算法(RSFCM)应用于图像分割:通过对空间上下文有效建模来提高聚类算法的抗噪声干扰性能,并研究了一种新的可靠性模糊度量指标,使聚类算法能更好地平...