An improved clustering analyzing algorithm for image index

This paper provides a survey of current clustering analysis in image indexing at first, then the problems are solved and the new directions in the future in this domain are pointed out. In the end, it proposes a new clustering algorithm with the combination of k-means clustering algorithm, genetic algorithm and chaotic optimization, a new idea of dimensionality reduction.     

基于CMT-FCM的自适应谱聚类算法

传统谱聚类对初值选取十分敏感,严重影响了聚类效果。为了解决初值敏感问题,提出了基于CMT-FCM(借鉴历史知识的类中心距离极大化聚类算法)的自适应谱聚类算法。该算法以样本空间的标准差作为尺度参数,实现了尺度参数的自适应选取,提高了算法效率;而通过借鉴历史知识,引入类中心距离极大化项,避免了干扰点对类中心的干扰,提高了算法鲁棒性。通过在模拟数据集以及真实数据集上测验,取得了比传统谱聚类更稳定的聚类效果,验证了算法的有效性。     

基于可变扇区的非均匀分簇算法

针对LEACH协议中簇首分布不均匀,网络能耗不均衡的问题,提出一种基于可变扇区的非均匀分簇的算法(UCBVS);首先,利用可变扇区和同心圆将网络合理的动态划分,使得距离基站近的区域分区较小;其次,选取簇内权值大的节点作为簇头,根据权值的大小判断是否进行簇头轮换;最后采用单跳和多跳相结合的方式进行网络通信;仿真结果表明,改进算法能够保证簇头节点能耗均匀,延长了网络生命周期.     

K-聚类的模糊神经网络对DO的控制研究

运用一种基于K-聚类算法的模糊径向基函数（RBF）神经网络对污水处理中的溶解氧质量浓度进行控制,该方法结合了模糊控制的推理能力强与神经网络学习能力强的特点,将模糊控制、RBF神经网络以及K-聚类学习算法相结合以在线调整隶属函数,优化控制规则。通过对阶跃输入仿真分析,其结果表明基于RBF的模糊神经网络控制器具有良好的动态性能、较强的鲁棒性和抗干扰能力,使其快速、准确地达到期望水平。     

基于异构网络的标签传播算法预测药物靶点关系*

识别新的药物靶点作用关系是当前药物研究的关键,在网络标签传播算法的基础上,提出了一种融合异构网络信息的药物靶点预测策略。首先计算药物相似性和靶点相似性,并结合已知的药物靶点作用关系构建异构网络。然后充分融合药物化合物和靶蛋白信息,分别在药物相似性和靶点相似性同构网络中轮流执行改进的标签传播算法,在传播过程中通过异构网络接收另一个同构网络的信息。最后通过在四个经典数据集上测试,并与网络方法BLM-NII,NRWRH算法进行比较,结果表明用本文策略可获得较高的ROC和PR曲线面积,具有较高的预测精度。     

一种NLOS环境下TOA定位算法和算法比较

本文提出了当基站在空间随意分布时考虑非视线(NLOS)传播影响的TOA算法.其主要思想把权值最大的基站即存在NLOS误差的基站的非视距误差当作未知量,把非线性问题转化为最大似然(ML)线性估计.此算法结构简单,计算结果有较高的精度.并把该算法与其他算法做了详细的比较.     

基于查询相关性分析的检索结果聚类算法

随着互联网的普及和网页数量的飞速增长,搜索引擎已经成为从网上获取信息的首选工具.然而,目前主流的搜索引擎在响应用户提交的检索请求时,往往以较长的一维列表形式分页展示结果,为了找到自己所需要的信息,用户必须对该结果列表进行耐心的浏览.为了进一步提高用户获取信息的效率和质量,减轻用户的劳动强度,研究者提出了对检索结果进行再挖掘、再组织的问题,聚类就是其中的研究热点之一.本文在分析现有检索结果聚类算法存在的问题的基础上,提出了基于查询相关性分析的标签驱动聚类算法,该算法通过分析短语与查询项的关联程度,提取作为候选簇标签的短语,然后根据这些标签确定网页摘要隶属的候选簇,最后基于对候选簇和标签的评价进行簇筛选和归并,得到聚类结果及每个簇的标签.在相同环境下进行的对比实验表明,所提出的算法优于相关工作,而且需要更少的信息资源支持.     

新型SFCM算法及其在故障诊断中的应用

为提高故障诊断模式分类的实时性和准确性,采用阈值化类内距离的方法,研究了一种新型SFCM聚类算法,数据验证了此算法较传统FCM算法在收敛速度和聚类精度方面的较好表现,以机载武器控制系统信息通道为诊断对象,采用该方法对通道进行了样本无监督分类验证和故障模式识别诊断试验,结果表明新型的SFCM聚类算法能对信息通道故障模式进行正确的分类识别。     

快速搜索与发现密度峰值聚类算法的优化研究

CFSFDP是基于密度的新聚类算法,可聚类非球形数据集,具有聚类速度快实现简单等优点。CFSFDP需人工尝试确定密度阈值dc且对一个类中存在多密度峰值的数据无法进行准确聚类,为解决该缺点,本文提出基于近邻距离曲线和类合并优化CFSFDP（简称 NM-CFSFDP）的聚类算法。首先,算法用近邻距离曲线变化情况自动确定密度阈值dc;然后,用本文提出自动确定dc的CFSFDP对数据聚类;最后用本文计算dc值的方法指导类的合并,引入内聚程度衡量参数解决了类合并后不能撤销的难题,从而实现对多密度峰值数据的正确聚类。通过实验对比,NM-CFSFDP算法确实比CFSFDP算法具有更加精确的聚类效果。     

一种基于混合因子分析的分布估计算法

提出了一种基于混合因子分析的分布估计算法．首先用次胜者受罚的竞争学习算法对选出的最优个体集合聚类，然后对每个类用因子分析模型进行分布信息的估计．为了保持种群的多样性，算法保留那些具有较好适应值并且与所选的最优个体集合较远的个体，并利用聚类的参数来减少计算量．试验结果证实了算法的性能．