利用区域划分的多密度快速聚类算法

针对基于网格的聚类算法存在簇边缘网格中包含噪声点、利用网格相对密度差进行网格合并时不能区分密度均匀变化的网格等问题。提出一种利用区域划分的多密度快速聚类算法MFCBR。算法把数据空间划分成密度不同的网格,利用网格索引表和网格中心密度差合并网格形成簇,然后分别计算每个簇的边界网格质心、边界网格和最近簇网格中心位置,利用三者之间的关系来排除簇边界网格数据中包含的噪声点。实验表明,该算法在降低噪声数据对聚类干扰的同时,且对密度均匀变化的多密度数据集也有较优的处理效果。     

一种基于网格框架下改进的多密度SNN聚类算法

针对数据集中数据分布密度不均匀以及存在噪声点,噪声点容易导致样本聚类时产生较大的偏差问题,提出一种基于网络框架下改进的多密度SNN聚类算法。网格化递归划分数据空间成密度不同的网格,对高密度网格单元作为类簇中心,利用网格相对密度差检测出在簇边界网格中包含噪声点;使用改进的SNN聚类算法计算边界网格内样本数据点的局部密度,通过数据密度特征分布对噪声点进行类簇分配,从而提高聚类算法的鲁棒性。在UCI高维的数据集上的实验结果表明,与传统的算法相比,该算法通过网格划分数据空间和局部密度峰值进行样本类簇分配,有效地平衡聚类效果和时间性能。     

基于网格相对密度的多密度聚类算法

提出网格相对密度的概念和边界点提取技术,在此基础上给出了一种多密度聚类算法。该算法使用网格相对密度识别具有不同密度聚簇的相对高密度网格单元,聚类时从相对高密度网格单元开始逐步扩展生成聚簇。实验结果表明,算法能有效地识别不同形状、不同密度的聚簇并对噪声数据不敏感,具有聚类精度高等优点。     

基于密度网格的数据流聚类算法

针对基于密度网格的数据流聚类算法中存在的缺陷进行改进,提出一种基于D-Strcam算法的改进算法NDD-Stream。算法通过统计网格单元的密度与簇的数目,动态确定网格单元的密度阂值;对位于簇边界的网格单元采用不均匀划分,以提高簇边界的聚类精度。合成与真实数据集上的实验结果表明,算法能够在数据流对象上取得良好的聚类质量。     

一种基于密度和网格的簇心可确定聚类算法

以网格化数据集来减少聚类过程中的计算复杂度,提出一种基于密度和网格的簇心可确定聚类算法.首先网格化数据集空间,以落在单位网格对象里的数据点数表示该网格对象的密度值,以该网格到更高密度网格对象的最近距离作为该网格的距离值;然后根据簇心网格对象同时拥有较高的密度和较大的距离值的特征,确定簇心网格对象,再通过一种基于密度的划分方式完成聚类;最后,在多个数据集上对所提出算法与一些现有聚类算法进行聚类准确性与执行时间的对比实验,验证了所提出算法具有较高的聚类准确性和较快的执行速度.     

基于网格密度影响因子的多密度聚类算法

提出了网格密度影响因子的概念,通过加权处理考虑了相邻网格的综合影响,能较好地代表当前网格相对密度,然后利用它来识别具有不同密度聚簇的高密度网格单元,并从高密度单元网格进行扩展,直至生成一个聚簇骨架,对边缘网格边界点进行识别和提取,提高网格聚类精度.通过实验验证,新算法能对不同大小与形状的聚簇进行聚类,可以识别具有多个密度的不同类组成的数据集,能捕获聚簇边界点,聚类效果较好.     

基于Zipf分布的网格密度峰值聚类算法

网格密度峰值聚类在兼顾密度峰值聚类算法可识别任意形状类簇的基础上,通过数据集的网格化简化整体计算量,成为当前备受关注的聚类方法.针对大规模数据,如何进一步区分稠密与稀疏网格,减少网格密度峰值聚类中参与计算的非空网格代表点的数量是解决“网格灾难”的关键.结合以网格密度为变量的概率密度分布呈现出类Zipf分布的特点,提出一种基于Zipf分布的网格密度峰值聚类算法.首先计算所有非空网格的密度并映射为Zipf分布,根据对应的Zipf分布筛选出稠密中心网格和稀疏边缘网格;然后仅对稠密中心网格进行密度峰值聚类,在自适应确定潜在聚类中心的同时减少欧氏距离的计算量,降低算法复杂度;最后通过对稀疏边缘网格的处理,进一步优化类簇边界并提高聚类精度.人工数据集和UCI数据集下的实验结果表明,所提出算法对大规模、类簇交叉数据的聚类具有明显优势,能够在保证聚类精度的同时降低时间复杂度.     

基于网格的多密度增量聚类算法

提出一种基于网格的多密度增量聚类算法MICG,定义含网格单元间的相对密度和重心距离的判别函数。当数据集的部分数据发生变动后,不需要对全部数据重新聚类,只需分析有数据变更的单元与邻居单元的关系,结合原有的聚类结果形成新的聚类,有效地提高了聚类分析的效率。时间复杂度与空间复杂度同数据集大小、属性个数成线性关系。实验结果表明,MICG算法能够处理任意形状和不同密度的类,有效地解决数据更新时的增量聚类问题。     

.基于网格梯度的多密度聚类算法*

大多数现有的聚类算法都致力于发现任意形状、任意大小的类,但很难有效处理多密度的数据集。提出的算法利用网格聚类速度快的特点,先通过高斯平滑去除噪声,再采用网格梯度的思想找出隐藏在多密度数据集中的簇。算法在人工数据集上进行了实验,结果表明该算法能有效地去除噪声,发现多密度的簇,具有较好的聚类效果。     

面向位置大数据的快速密度聚类算法

本文面向位置大数据聚类,提出了一种简单但高效的快速密度聚类算法CBSCAN,以快速发现位置大数据中任意形状的聚类簇模式和噪声.首先,定义了Cell网格概念,并提出了基于Cell的距离分析理论,利用该距离分析,无需距离计算,可快速确定高密度区域的核心点和密度相连关系;其次,给出了网格簇定义,将基于位置点的密度簇映射成基于网格的密度簇,利用排他网格与相邻网格的密度关系,可快速确定网格簇的包含网格;第三,利用基于Cell的距离分析理论和网格簇概念,实现了一个快速密度聚类算法,将DBSCAN基于数据点的密度扩展聚类转换成基于Cell的密度扩展聚类,大大减少高密度区域的距离计算,利用位置数据的内在特性提高了聚类效率;最后,在基准测试数据上验证了所提算法的聚类效果,在位置大数据上的实验结果统计显示,相比DBSCAN、PR-Tree索引和Grid索引优化的DBSCAN,CBSCAN分别平均提升了525倍、30倍和11倍效率.     

网格技术及其应用

对网格系统的定义、特点、功能、体系结构和关键技术进行了研究，重点阐述了五层沙漏结构、网格操作系统的基本功能和安全认证技术，同时给出了网格体系结构模型、网格使用模式和一个基于代理的资源管理模型。讨论了网格的应用领域，指出了网格必将成为新一代网络计算模式以及新型的分布计算和协同工作环境。     

网格技术及其在远程教学中的应用

介绍了网格的概念、体系结构和各层功能特点,并对网格计算的应用和目前所存在的问题做了分析,提出了教育网格系统的构成。     

网格计算门户的研究与实现

网格技术为人们提供了一个全面共享网络资源的计算环境，网格计算门户是用户通过互联网访问网格资源、执行网格计算的入口，因此是网格计算环境的重要组成部分。本文介绍了当前通用的网格平台软件Globus，研究分析了网格计算门户的功能需求以及网格门户开发工具GPDK，最后介绍了基于GPDK开发的中国气象应用网格计算门户（CMAG）的研究成果。     

网格监控系统研究综述*

阐述了网格监控的基本概念和相关知识,分析了目前流行的网格监控工具及其组成部分,并对当前的网格监控工具进行了比较,分析各自优缺点。提出了服务网格下网格监控的重点,结合参考文献给出了解决问题的方法和意见。     

DSMT配电网格模型及其配电网规划体系设计研究

网格及网格化规划是配电网规划的一种新的理念及方法,但从实际应用上看,目前业界对“网格”及“网格化”规划的理解尚未形成真正的共识,对网格的定义、划分原则及基于网格的规划体系也均未给出明确的阐述。据此,我们在吸收国内外主流观点的基础上,通过规划实践,形成了包括电力需求侧、电力供给侧及运行管理三个视角的配电网格化模型;按照配电网格化规划的新理念,采用“先分区”,“后全域”,“再分区”的基本步骤,以先“自下而上”分析,再“自上而下”规划的工作模式,提出科学合理的、可用于实际操作的配电网格化布局规划新方法,呈现实用化规划成果;同时,在对网格特征进行规范化分析的基础上,按照“同类型网格标准化”,“不同类型网格差异化”的原则,实现“标准化”及“差异化”规划目标的融合。并以此为基础,给出了基于网格的配电网统筹规划体系,此规划体系对现行的配电网规划实务产生积极的指导作用。     

网格技术与信息资源存储和共享

“网格“是一个新出现的概念,代表了一种先进的技术和基础设施,是继Internet之后又一次重大的科技进步.网格旨在使互联网上所有资源(计算资源、存储资源、通信资源、软件资源、信息资源、知识资源等)实现全面共享与协同工作,使整个因特网整合成一台巨大的超级计算机,为用户提供“即连即用“式的服务.介绍了网格的内涵、特点及两种主要的网格体系结构,对网格环境下信息资源的存储和共享进行了论述.     

网格技术初探

网格(Grid)是一个计算资源池,网格技术适于大型的科学计算和项目研究,它是科技发展的必然产物。网格又称为虚拟计算环境,是这几年兴起的一种重要的网络信息技术,是继传统因特网、Web之后的第三个大浪潮,可称为第三代因特网应用。它将带来因特网的新生,极大地改变我们的工作和生活。     

电子商务中网格技术的应用

为适应我国电子商务系统建设的发展,结合网格技术的相关内容,重点研究了网格技术在电子商务领域的应用。电子商务与网格技术相结合不仅可以提高企业的效率、增强企业内外部的共享和交互能力,还可促进我国现代化建设。     

不同应用领域的网格体系结构研究

网格的体系结构是网格技术的核心,是网格的骨架和灵魂。选择设计适当的网格体系结构对网格系统的实现至关重要,因为只有设计出合适种类的网格体系结构,才能在网格环境中高效方便地运行应用程序。随着相关技术和网格应用的发展,网格体系结构将更加成熟和完善,这将直接推动网格的发展,对其研究产生深远的影响。文中主要分析比较了五种不同类型的网格体系结构,并列出最近研究成果。     

关于网格模拟器的研究

网格将广域分布的各种资源有效聚合和共享,并以统一的方式向用户提供服务。网格模拟器是一种对真实网格进行模拟的工具,是研究网格环境中资源管理和任务调度策略优化、改进的重要工具。文中分别对Bricks,MicroGrid,Cas-Sim,GridSim,SimGrid和GangSim进行了分析,论述了这些模拟器的应用领域、优势以及不足,最后指出了当前网格模拟器的局限性和发展趋势,可以为网格研究人员和网格模拟器设计者及应用者提供一些便利。