新的模糊核聚类入侵检测方法

针对人工标记数据类别代价太高以及传统聚类方法在处理高维数据时产生的维度效应,提出了一种针对无标签数据的新型模糊核聚类方法。通过将K-means与DBSCAN聚类算法相结合生成关联矩阵,设置约束条件的阈值得到初始聚类结果,并在模糊支持向量数据描述方法的基础上完成聚类过程。通过在网络连接数据的对比实验,验证了该方法的可行性与有效性。     

改进自适应变空间差分进化算法

在基本差分进化算法的基础上融入自适应变空间思想,提出自适应变空间差分进化算法,在进化代数达到预设周期整数倍时,按变空间算法自动扩展或收缩搜索空间,实现了自动寻找合适搜索空间、提高收敛速度和精度的目的.此外为了进一步的加快收敛速度,对原变空间算法进行了改造,对其上下限的变化规则进行了修改和添加,提出了改进的变空间算法.仿真结果表明改进方法在收敛精度、速度上优于基本差分进化算法和基于原变空间算法的差分进化算法.最后将其应用到热连轧机精轧机组负荷分配优化计算中,为其提供了一种有效的优化手段.     

基于统计聚类随机椭圆检测方法

本文提出一种基于统计聚类的随机椭圆检测方法。利用椭圆的几何性质和形状大小限定采样区域避免无效采样，获得候选椭圆时．检验边缘点集中位于候选椭圆上的点，通过统计候选椭圆上的点与其外切矩形上的点的个数的比值来验证候选椭圆的真伪。该方法与传统的Hough变换的参数空间累积验证相出，其计算简单，速度快，不需要为可能产生的虚假椭圆分配内存空间．更无需进行参数单元集的搜索，并能够快速的去除已验证的真实椭圆上的边缘点集，进一步减少了无效采样的产生。     

一遍完成的平衡布点外存模型简化算法

现存的自适应采样的外存模型简化算法均需要多次读取原模型，算法效率较低。该文给出一种仅仅需要读取原模型一遍的自适应顶点聚类算法－平衡布点算法（Balanced Tilling,BT），用于外存模型简化。其关键思想在于通过表面编码记录模型表面，通过对原模型的二次量化（quadric quantization）得到原模型上的细节分布。该算法可以定位出所有类型的细节区域，而其它一些算法只能定位细节边。细节区域将被进一步细化，而平滑区域将被进一步简化。该算法大大减少了输入输出时间，尤其适合处理超大规模模型。内存需求很小，只与输出模型规模有关。     

蚁群聚类能量分簇在802．11无线网络定位中的应用

IEEE 802．11无线网络以快速灵活的组网方式得到广泛部署和应用,其定位方法也成为近年研究热点。论文提出了一种基于蚁群聚类能量分簇RSSI指纹定位算法,利用蚁群信息素反馈机制优化能量聚类分簇和收敛速度,再根据能量指纹匹配定位节点位置。仿真实验表明,该算法定位精确,能很好地减小由信号波动引起的定位误差。     

一种基于用户情境聚类的个性化推荐算法

面向基于情境感知的推荐问题,提出一种基于用户情境聚类的个性化推荐算法。该算法利用情境预过滤的思想,首先运用模糊聚类的方法对历史数据集中用户的情境进行聚类,构造与当前用户情境相似度较高的用户集合,再与传统的基于用户的协同过滤算法相结合进行个性化推荐。实验采用公开数据集,结果表明该算法在多维情境信息条件下可用,并且推荐准确度要高于传统协同过滤算法,在聚类粒度不同的情况下对推荐结果也会产生不同的影响。     

采用模糊C均值聚类改进模糊综合评判模型

在对模糊综合评判法进行分析的基础上,提出使用FCM算法改进模糊综合评判法的新评价模型,并以在教师教学质量评价中的应用为例对新模型的效果进行了验证,说明了模型的可行性与方法的正确性。     

基于时间序列相似性聚类的应用研究综述

在综合分析近年来时间序列数据挖掘相关文献的基础上从时间序列分割、相似性度量、时间序列聚类等方面对时间序列数据挖掘进行了综述,简要分析了基于时间序列相似性聚类的研究现状,对比较流行的算法进行了比较分析,对当前一些未解决的问题进行了简要介绍,并在此基础上对未来的发展趋势进行了展望,为研究者了解最新的基于时间序列相似性聚类研究动态、新技术及发展趋势提供了参考.     

一种基于子镜头聚类的情节代表帧选取方法

情节代表帧选取方法是视频语义分析和基于内容的视频检索的很重要的方法。代表帧的使用大大减少了视频索引的数据量,同时也为视频摘要和检索提供了一种快捷的方法。该文在子镜头的关键帧提取方法基础上,利用模糊C-均值聚类算法,实现了一种基于子镜头聚类的情节代表帧选取方法。实验证明该方法计算简单,可以较好地代表视频情节。     

能量均衡的无线传感器网络非均匀分簇路由协议?

提出了一种能量高效均衡、非均匀分簇和簇间多跳路由有机结合的无线传感器网络分布式分簇路由协议DEBUC(distributed energy-balanced unequal clustering routing protocol).该协议采用基于时间的簇头竞争算法,广播时间取决于候选簇头的剩余能量和其邻居节点的剩余能量.同时,通过控制不同位置候选簇头的竞争范围,使得距离基站较近的簇的几何尺寸较小.这样,网络中不同位置节点之间的簇内和簇间通信能耗得以互相补偿.DEBUC 采用簇间多跳路由,根据节点剩余能量、簇内通信代价和簇间通信代价,每个簇头在邻居簇头集合中运用贪婪算法选择其中继节点.仿真实验结果表明,DEBUC能够有效地节约单个节点能量、均衡网络能耗、延长网络生存周期.