DSNE:一个新的动态社会网络分析算法

为了更好地对社会网络提供动态分析,提出了一种新的基于事件的动态社会网络分析算法(Dynamic Social Network Analysis Algorithm Based on Events,DSNE)。该算法基于隐空间和两阶段聚类方法充分利用实体和事件的动态信息,能够很好地确定每个簇的核心节点,并根据时间步的变化观察到节点位置的变化趋势。实验结果表明了算法的可行性、有效性和准确性。     

一种新的聚类算法:等密度线算法

提出了一种新的聚类算法:等密度线聚类算法。该算法从样本分布等密度线图的思想出发,从图中找出样本分布比较集中的区域,从而发现隐含在样本集中的类。等密度线聚类算法不需要输入任何参数,是一种无监督式聚类。它能够自动发现任意形状的类,并且能有效地排除噪声干扰。实验结果表明,等密度线聚类算法具有较快的聚类速度和较好的聚类效果。     

聚类分析算法在入侵检测中的应用研究

从数据挖掘的基本技术着手,分析了K-means聚类算法、基于相似度的聚类算法和蚁群聚类算法的特点,探讨了3种聚类算法在入侵检测系统中的应用步骤、计算方法,并通过实验测试,验证了3种算法对未知入侵行为检测的可行性。     

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。     

半监督语义动态文本聚类算法

针对传统的动态文本聚类将描述方式不同的同类文本划分到不同组中;以及聚类类别个数与真实类别数之间差距明显等问题,该文提出了一种半监督语义动态文本聚类算法（SDCS）。该算法以语义表征文本的方式来捕获文本间的语义关系,在聚类过程中动态学习类别语义,让文本能根据语义准确聚类。同时该算法利用半监督聚类的方法对新类的产生进行监督,学习符合实际情况的聚类结果。实验结果表明该文提出的算法是有效可行的。     

无线传感器网络中的动态聚类分簇算法研究

能耗问题是无线传感器网络的关键问题之一。通过深入分析已有算法存在的诸多不足,该文提出了一种基于动态聚类的分簇算法。该算法首先分析了低能耗自适应分簇的一阶能耗模型,给出了基于最小能耗的簇首数计算公式,然后在此基础上引入动态聚类思想,以最优簇首数将传感器网络内的所有节点进行聚类,得到最优的簇首节点及其内部簇成员。仿真结果表明：算法划分的网络具有低能耗、高稳定性等特点,弥补了已有算法的不足。     

基于两阶段聚类的机会社会网络路由算法

为提升机会社会网络路由过程中消息投递率、降低消息平均时延,对其消息转发过程进行了研究,提出一种基于两阶段聚类分析的机会社会网络路由算法。以分组路由策略为基础,通过两阶段聚类分析方法降低簇划分过程对节点资源的需求,并分别为簇内/间消息设计转发策略,优化了消息转发与中继节点选取的过程。此外,在聚类分析的过程中引入事件链分析的方法,深入挖掘节点间的内在社会关联,提高簇划分的准确性。仿真结果表明,在大规模复杂网络环境中该算法能够提高投递率5%~10%,降低投递时延10%以上,而在资源不足的情况下也能够获得接近80%的投递率。     

一个新的动态约束因子PSO算法

根据带约束因子PSO算法,推导出认知因子c1、社会因子c2和惯性权重w之间应满足的关系.提出新的DCF-PSO算法,随着其中的惯性权重非线性递减,动态调整c1和c2值.通过Benchmark验证了改进后算法的高效性能.实验结果表明,算法表现优异.     

一种新的通信网络动态路由算法

针对通信网络中的路由问题,提出了一种虚令牌动态路由算法,并用Ｈｏｐｆｉｅｄｌ神经网络实现该算法。该Ｈｏｐｆｉｅｌｄ神经网络,其神经元之间的连接强度固定不变,通信网络的物理逻路值和呼叫请求被反映到神经元的偏置电流中,地用硬件实现。同时,当通信网络中的业务量发生变化时,算法能够自动调整最短路径与负载均衡之间的关系,计算机仿真结果表明,该算法能接入更多的网络连接。     

基于形状相似距离的K-means聚类算法

把向量作为空间中的物体展开相似度的评估,分析了向量间各维差值与形状差异的间的近似关系,提出了基于形状相似距离的K-means算法。在三个UCI(University of California,Irvine)标准数据集上的聚类结果表明,对于有关形状信息的数据,基于形状相似距离的K-means算法比采用传统距离的K-means算法,聚类准确度显著提高。     

一种基于查询聚类的物化视图动态调整策略

为了提高数据仓库的查询响应性能,避免视图集频繁调整引发的"抖动性",提出了一种基于查询聚类的物化视图动态调整策略,运用关联规则挖掘方法计算属性字段相似性,进而计算查询语句相似性,并对一个查询周期内的查询语句集进行聚类,产生候选视图集,根据效益模型计算候选视图的效益,再运用物化视图动态调整算法生成物化视图.在航空公司机票结算数据集上的实验结果表明,在单机环境和分布式环境下,较基准算法相比,所提出的方法均能显著提升数据仓库的查询响应性能,尤其是对高频查询语句的响应性能.     

动态网络桥系数增量聚类算法

提出了一种在动态网络中发现社团结构的增量式聚类算法.基于动态网络中相邻采样时刻网络拓扑变化较小的特点,将网络前一时刻的社团结构作为当前时刻的初始聚类结果,利用边的桥系数判断网络拓扑变化对聚类结果的影响,局部调整初始聚类,最终得到符合当前网络拓扑的社团结构.通过和马尔可夫聚类算法进行比较,验证了本算法的精确性和高效性.实验结果表明,利用增量聚类算法分析动态网络,避免了对当前网络的重新聚类,可以快速、准确地发现动态网络社团结构.     

动态社会网络的社团结构检测与分析

真实社会网络如邮件、科学合作、对等网络等均可以用图进行建模. 近年来, 基于图的社团挖掘吸引了人们越来越多的研究兴趣, 它不仅可以帮助识别网络的整体结构, 还可以发现社团演变的隐藏规律. 尽管使用静态图进行社团挖掘已经被广泛采用, 但基于动态图的研究还比较少. 通过使用时间序列, 对动态图上的社团挖掘包括社团检测与分析进行研究, 提出了一个新的动态社团结构检测模型, 并采用真实网络数据集进行了实验. 实验结果显示该模型在社团结构发现的有效性和效率性方面均有着良好的表现.     

基于社团结构的文本聚类算法研究

为了提高文本聚类的有效性,提出一种基于网络社团结构的文本聚类算法。基于语义知识库理论,利用文本集与词语间的关系,引入文本相似度概念,再结合Newman社团聚类算法特性,将文本集作为独立社团,用文本相似度表示社团联系的紧密程度,对网络文本进行聚类。实验结果表明,该方法有效可行。     

基于特征加权理论的数据聚类算法

针对数据挖掘过程中数据聚类操作的初始聚类数目和初始聚类中心确定困难的问题,提出了一种软子空间结合竞争合并机制的模糊加权聚类算法.通过对软子空间聚类算法的目标函数进行改写,并结合数据簇势的大小对各数据簇进行竞争与合并操作,实现了对数据的聚类处理.结果表明,该算法能够准确地对数据样本进行聚类,并且聚类结果与初始数据簇数目和初始聚类中心无关,能够满足对高维数据聚类处理的需要,具有较好的实际应用价值.     

基于聚类算法的C-R模糊模型结构辨识

工业过程中多数系统呈现出非线性、时变性和多模态性等特征,往往难于用机理建模的方法建立它的模型,因此利用系统的输入和输出数据进行非机理建模是非常有意义的。对C-R模糊模型进行了改进,应用关系度聚类算法在线辨识出系统的模态,即系统C-R模型的模糊子空间的数目,提出了C-R模糊模型的聚类建模方法,仿真结果表明了该算法的有效性,节省了运算时间,简化了运算过程。     

基于模糊对向网络的非线性动态系统辨识新算法

以模糊对向网络为辨识模型,利用它所具有的模糊逻辑系统和神经网络两者的优点,在模糊C－均值聚类方法的基础上引入新的聚类目标函数,并证明了它的优化条件,将模糊聚类和最小二乘法相结合,提出一种模型参数学习的新算法,在直流电弧燃弧时间建模研究中的应用结果表明提出的算法是有效的。     

融合LDA和GloVe模型的病症文本聚类算法

针对隐含狄利克雷分布(LDA)模型特征提取时忽略语义信息的问题,提出一种融合LDA和全局文本表示(GloVe)模型的病症文本聚类算法LG&K-Medoide.首先,利用LDA对病症文本数据建模,采用JS(Jensen-Shannon)距离计算文本相似度;其次,利用GloVe对病症文本数据建模获取词向量,根据病症词性贡献...     

一个新的自相似业务流在线生成算法

为了便于对ATM网络中的自似业务流的排队特性进行研究, 提出了一个新的自相似业务流在线生成算法, 并对这些算法的时间/空间复杂度进行了分析.分析表明, 该算法的时间/空间复杂度均较低, 模拟结果证明这种新的算法可以产生满足要求的自相似业务流.