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.     

改进的模糊核聚类算法

将核学习方法的思想和改进的选择C-均值聚类算法相结合,提出了一种改进的模糊核聚类算法,使其能对非超球体、含有噪音和离群点及样本不均衡的数据进行有效的聚类.通过引入高斯核函数,原样本的特征被非线性变换到高维核空间,提高了聚类性能.实验结果表明,该改进算法具有有效性.     

联合模型初始化独立谱聚类算法

针对原始谱聚类算法初始化敏感的缺点,提出了一种基于联合模型的初始化独立谱聚类算法并将其用于图像分割．通过引入联合模型可以充分利用待聚类数据所包含的空间邻近信息和特征相似性信息,得到更精确的聚类结果;通过引入K-调和平均算法克服了原始谱聚类算法对初始化的敏感性,从而得到更稳定的聚类性能．最后,通过对纹理图像和合成孔径雷达图像分割验证了新算法的有效性．     

结合代表点和密度峰的增量动态聚类算法

为了解决增量大数据聚类速度缓慢问题,提出了一种结合密度峰和代表点分析的快速聚类算法.先对样本集进行初始化聚类,然后根据删除失效的聚类数据调节聚类簇群的密度均值,再利用代表点的算法对样本集进行更新,最后采用密度峰算法进行重复聚类从而更新聚类核心点.通过实验分析表明:该算法可有效提高算法收敛速度.在应用方面,将这种聚类算法引用到大数据量的人脸聚类工作中,优化人脸聚类的效果.     

基于离群点识别的聚类结果属性特征簇发现

对聚类结果的理解有助于评价聚类效果,可以据此调整聚类过程,更高效地使用聚类结果.但是,聚类结果的理解仍然是一个尚未解决的问题.提出了基于离群点识别技术分析任意聚类算法的聚类结果,发现了聚类结果属性特征簇的方法;提出一种基于不相似性比值的离群点识别算法.通过对全部数据簇的属性描述进行离群点分析,发现各数据簇的特征属性,实现对聚类结果的理解.所提方法适用于任意聚类算法结果的分析.对UCI的iris、ZOO和Housing数据集的采用X-means、Frozen和DBScan算法的聚类结果进行聚类结果分析,实验表明所提方法较成功地发现了不同聚类算法的属性特征簇,有助于对聚类结果的深入理解.     

一种结合紧致性与分离性的模糊联合聚类算法

为了同时对数据对象和特征进行聚类分析以提高聚类准确率,在模糊紧致性和分离性算法(fuzzy compactness and separation,FCS)基础上,提出一种结合类内紧致性和类间分离性的模糊联合聚类算法(fuzzy compactness and separation co-clustering,FCSCC)。该算法在FCS的基础上增加了对特征维度的隶属度关系与熵最大化原理,能够在数据对象和特征2个维度上同时聚类。为验证该算法的有效性,另选择了3种算法在5个数据集上进行了对比实验,结果表明,FCSCC算法的聚类准确率高于其他3种算法。     

采用粒子滤波和模糊聚类法的非线性多目标跟踪

提出一种新的非线性多目标跟踪方法,用模糊聚类算法实现数据关联,采用粒子滤波实现对各目标的独立跟踪．首先利用最大熵模糊聚类对目标和观测数据进行关联,采用模糊隶属度重建多目标滤波中的联合关联概率矩阵．然后利用粒子滤波适于处理非线性问题的特点,通过联合关联信息,采用粒子滤波独立对各目标进行滤波,实现对目标状态的更新．最后,将该算法应用于多传感器多目标纯方位角跟踪．仿真结果表明,相比于联合概率数据关联算法及MEF-JPDAF,新算法具有更高的跟踪精度．     

核最优变换与聚类中心的算法

基于核化原理,提出核最优变换与聚类中心算法．算法通过非线性变换,将数据映射到核空间,并在核空间中执行最优变换与聚类中心算法．该算法可提取稳健的非线性鉴别特征,解决复杂分布数据的模式分类问题．同时,基于训练样本在核空间所张成的子空间的一组基,提出一个快速提取鉴别特征的计算方法,解决了一般核方法面临的“大训练集”难题．基于IRIS,YEAST,GLASS等数据的分类实验验证了该方法的有效性．     

执行机构非线性特性在线补偿方法研究

为了在发电过程中自动补偿执行机构的非线性特性,提出非线性特性的在线补偿方法,并对其中的数据处理与非线性特性模型求取环节所使用的方法进行重点研究。首先提取运行数据进行稳态工况筛选和数据滤波,接下来基于K-means算法的核心思想研究了一种改进的聚类方式,并用其对数据进行规约,然后使用万有引力粒子群混合算法(PSOGSA)求取非线性特性模型,最后求取逆模型进行补偿修正。使用减温水阀的实际运行数据进行仿真,结果表明改进的聚类方式比K-means算法的聚类速度更快,相比粒子群算法(PSO)和万有引力算法(GSA),通过PSOGSA算法获取的非线性特性模型更加准确。在线补偿方法可以自动修正执行机构的非线性,有利于提高控制系统的调节品质。     

一种基于非线性降维的聚类算法

针对K-均值聚类算法不能发现任意形状的聚类的问题,提出了一种基于非线性降维的聚类算法.在该算法中,首先用ISOMAP算法对数据集进行优化,然后再用K-means算法聚类.由于ISOMAP算法不能处理不连通的流形,本文提出了一种改进的ISOMAP算法,它能够发现不连通流形的低维嵌入.改进后的ISOMAP算法与K-means算法结果得到了一种有效的聚类算法.实验结果表明该算法能够发现任意形状的聚类.     

基于故障比重比的加工中心整机故障分析及可靠性改进措施

在探讨传统故障分析法的基础上,提出了应用故障比重比分析加工中心整机可靠性的新方法。该方法综合考虑了各子系统在整机中的重要程度和可靠性指标,能够更加快捷、准确地确定可靠性改进的主攻方向。以某型号加工中心整机为例,对故障数据进行了统计分析,指出其可靠性薄弱环节为润滑系统、冷却系统和电气系统,分析了薄弱环节产生故障的原因,并提出相应的改进措施。结果证明该方法实用、合理。     

基于平稳小波与BP神经网络的换相失败检测算法

针对高压直流输电系统中换相失败检测问题,提出了一种采用平稳小波分析和BP神经网络的换相失败检测算法.通过平稳小波提取换相失败信号不同尺度的小波能量,作为特征向量输入神经网络中进行训练,并得到能够进行自动化识别的分类模型.在实际采集得到的200组数据集上进行了算法验证,结果表明,文中算法可以有效地区分直流输电系统中的换相失败和正常信号,其平均检测精确度达到95%以上,为进一步系统准确无功补偿提供保障.     

直井中钻柱非线性屈曲的DQ法分析

采用微分求积法(DQ method)对直井中钻柱非线性屈曲控制微分方程进行了求解,在力学模型中考虑了钻柱重力和井壁切向摩擦的影响,摒弃了传统分析中的等螺距和小位移假设。分析表明:无摩擦时的DQ法计算结果与有限元的分析结果吻合,DQ法能对钻柱的非线性屈曲问题进行正确分析;井壁的切向摩擦能减缓钻柱的屈曲,井壁摩擦对钻柱屈曲的影响不可忽略。为直井中钻柱非线性屈曲的摩阻分析提供了一种新的算法,同时也将DQ法应用到石油机械工程领域当中。     

基于非线性扩散与小波变换的混合图像去噪算法

利用小波变换能够很好地保留图像细节信息的特点,提出了一种将非线性扩散方程和小波变换相结合的图像去噪方法。采用由小波系数估计的非线性扩散方程扩散函数对图像进行非线性扩散,取得了较好的去噪效果。仿真试验证明了算法的有效性。     

可拓学理论在边坡破坏模式识别中的应用

提出了边坡破坏模式的可拓识别方法；构建了边坡破坏模式识别的经典域物元和节域物元；应用物元和可拓集合中的关联函数建立了识别边坡破坏模式的简单模型；利用该模型可得到边坡的破坏模式．应用所建立的模型对某露天矿边坡的滑动模式进行了实例分析，得到的结果与监测和钻探揭示的滑动模式是一致的，说明边坡破坏模式的可拓识别方法是可行的．     

Energy dissipation of cavity expansion based on generalized non-linear failure criterion under high stresses

Based on the compression mechanism for analyzing the cavity expansion problem in soil under high stresses, generalized non-linear failure criterion and large strain and energy conservation in plastic region during the cavity expanding were adopted. The energy conservation equation was established and the limited pressure of cavity expansion under high stresses was given based on the energy dissipation analysis method, in which the energy generated from cavity expansion is absorbed by the volume change and shear strain caused in soil. The factors of large strain and dilatation were considered by the proposed method. The analysis shows that the limited pressure is determined by failure criterion, stress state, large deformation characteristic, dilatation and strength of soil. It is shown from the comparison that the results with the proposed method approximate to those of the in-situ method. The cavity expansion pressure first decreases and then increases nonlinearly with both of shear modulus and dilatation increasing.     

水工钢闸门主梁失效模式间相关性分析

分析了主梁受弯、受剪和弯剪复合破坏3种主要的失效模式.推导了不同失效模式中含有不完全独立亦不完全相关的随机变量时失效模式间相关系数的计算公式.采用JC法计算了主梁不同失效模式的可靠指标及其敏感性因子.在此基础上,采用Ditlevsen窄界限公式计算了水工钢闸门主梁的体系可靠指标.结果表明所提出的失效模式间相关系数计算公式更具有一般性,它既可以考虑不同失效模式中含有相同随机变量时的相关性,也可以分析不同失效模式间包含相关随机变量的相关性.该公式为Ditlevsen窄界限公式计算结构体系可靠度提供了有益的补充.如果忽略了失效模式间的相关性,水工钢闸门主梁的体系可靠度水平将会被低估.Ditlevsen窄界限公式计算的主梁体系可靠度范围非常小,它完全可以满足一般情况下主梁体系可靠度计算精度的要求.     

一种基于网络资本评价的关键核挖掘方法

为挖掘出网络中的多个关键点,定义了网络资本和关键核。根据网络特点,确定影响函数和衰减函数来计算网络的网络资本值,以网络资本的变化来反应网络性能变化。 根据投入产出分析的思想,提出了完全相关模型对网络的关键核进行挖掘,如果节点(集)动态删除后使网络性能下降到一定程度,则节点(集)为关键核。实验结果表明:当网络性能下降到原来的30％时,动态失效方法比按序失效方法挖掘关键核的点数少。本方法在对网络关键核的挖掘上更加准确和有效。     

数控车床故障传播机理分析

为探讨数控车床故障传播机理,即识别系统关键节点与关键故障传播路径,基于数控车床故障数据,应用有向图理论、集成决策实验室分析(DEMATEL)和解释结构模型(ISM)方法构建数控车床分层故障传播有向图模型;基于故障传播概率、边介数两指标定义故障传播强度表征故障传播行为;提出结合系统分层故障传播有向图模型和故障传播强度的数控车床故障传播机理分析方法.分析结果表明:系统分层故障传播有向图模型实现了系统层级分解,简化了故障传播分析过程,为关键路径识别奠定了基础;将故障传播强度作为关键路径识别的依据,避免了传统分析方法基于单一指标描述数控车床故障传播行为而产生的偏差,实现了准确定位故障源,准确识别系统关键路径.所提方法有助于系统故障诊断与维护.     

Simulation of failure process of jointed rock

A modified discontinuous deformation analysis (DDA) algorithm was proposed to simulate the failure behavior of jointed rock.In the proposed algorithm,by using the Monte-Carlo technique,random joint network was generated in the domain of interest.Based on the joint network,the triangular DDA block system was automatically generated by adopting the advanced front method.In the process of generating blocks,numerous artificial joints came into being,and once the stress states at some artificial joints satisfy the failure criterion given beforehand,artificial joints will turn into real joints.In this way,the whole fragmentation process of rock mass can be replicated.The algorithm logic was described in detail,and several numerical examples were carried out to obtain some insight into the failure behavior of rock mass containing random joints.From the numerical results,it can be found that the crack initiates from the crack tip,the growth direction of the crack depends upon the loading and constraint conditions,and the proposed method can reproduce some complicated phenomena in the whole process of rock failure.