数据仓库中基于密度的批量增量聚类算法

数据仓库为数据挖掘提供了很好的平台,当数据仓库中的数据发生变化时,原来挖掘出来的模式也要相应地进行更新。MartinEster等最先提出了增量聚类算法,但算法在增量聚类过程中,更新对象依次一个个地单独处理,而没有考虑更新对象之间的关系,效率较低。该文提出了基于DBSCAN算法的批量增量聚类算法,减少了对象的检索,提高了增量聚类的效率。     

基于半监督聚类的3维肢体分割算法

行为分析已经成为计算机视觉研究领域的热点,行为主体的肢体部件分割是行为分析中很重要的一部分同时也是一个难点问题,为了对3维肢体进行有效分割,提出了一种基于半监督聚类的肢体分割算法。该算法首先利用前一帧姿势估计反馈的时域信息来对3维主体进行初始的肢体部件分割;然后根据人体结构信息进一步确定行为主体上各个点与肢体部件之间的关系来得到半监督聚类的初始值;之后基于各个肢体部件的形状信息进行半监督聚类,迭代求解肢体部件分割的最优解;最后利用分割后的各个肢体部件进行行为主体的姿势参数估计。通过对IXMAS数据库中6种行为下的6个行为主体进行的肢体部件的分割实验结果证明,该新算法具有主体适应性、视角适应性以及行为适应性。     

基于文档标引图模型的文本相似度策略

文档标引图是一种基于短语的图结构文本特征表示模型,能更加全面、准确地表达文本特征信息,实现渐增的文本聚类和信息处理。该文基于文档标引图特征模型,提出文档相似度计算加法策略和乘法策略,采用变换函数对文档相似度值进行调整,增强文档之间的可区分性,改进文本聚类和分类等处理的性能,实例证明了策略的有效性。     

Linux协作关系的网络化特性分析与软件负载鲁棒性研究

介绍了复杂网络的特性参数,将复杂网络理论引入Linux类协作软件图中,把其中的实体和关系转换成为网络拓扑的形式;研究了其复杂网络的特性,并分别通过对两类不同的软件图进行实验来验证分析的正确性;提出了利用网络拓扑特征可以改善软件系统的设计,开发和测试方法,对提高Linux网络服务具有有益的启示和指导意义.     

基于SOM网络的股票聚类分析方法

无监督的自组织映射(SOM)神经网络是用于聚类的主要人工神经网络模型之一.在SOM网络的基础上改进了网络中的邻域函数,并将其用于对股票进行分析和选择,得到了令人满意的结果.为了提高解的精度,避免多个输入样本映射到同一输出节点还提出了禁忌映射的方法.数值模拟表明该模型对于上市公司的聚类结果令人满意,对于股民客观、准确地选出真正具有投资价值的股票具有指导意义.     

一个ad hoc网络中的簇结构模式

提出一种ad hoc网络中新的簇结构模式。采用约束特征值的概念对ad hoc网络中节点移动的约束环境进行数学抽象,定义了节点属性的数学表达式。以节点的通信能力值和状态变化值作为选择簇头节点的依据,在此基础上提出了分簇算法GM-BFS,对平面ad hoc网络进行分簇,最后使用偏移度概念实现节点在簇间的移动和动态切换。     

基于模糊谱聚类的不确定蛋白质相互作用网络功能模块挖掘

针对谱聚类融合模糊C-means（FCM）聚类的蛋白质相互作用（PPI）网络功能模块挖掘方法准确率不高、执行效率较低和易受假阳性影响的问题，提出一种基于模糊谱聚类的不确定PPI网络功能模块挖掘（FSC-FM）方法。首先，构建一个不确定PPI网络模型，使用边聚集系数给每一条蛋白质交互作用赋予一个存在概率测度，克服假阳性对实验结果的影响；第二，利用基于边聚集系数流行距离（FEC）策略改进谱聚类中的相似度计算，解决谱聚类算法对尺度参数敏感的问题，进而利用谱聚类算法对不确定PPI网络数据进行预处理，降低数据的维数，提高聚类的准确率；第三，设计基于密度的概率中心选取策略（DPCS）解决模糊C-means算法对初始聚类中心和聚类数目敏感的问题，并对预处理后的PPI数据进行FCM聚类，提高聚类的执行效率以及灵敏度；最后，采用改进的边期望稠密度（EED）对挖掘出的蛋白质功能模块进行过滤。在酵母菌DIP数据集上运行各个算法可知，FSC-FM与基于不确定图模型的检测蛋白质复合物（DCU）算法相比，F-measure值提高了27.92%，执行效率提高了27.92%；与在动态蛋白质相互作用网络中识别复合物的方法（CDUN）、演化算法（EA）、医学基因或蛋白质预测算法（MGPPA）相比也有更高的F-measure值和执行效率。实验结果表明，在不确定PPI网络中，FSC-FM适合用于功能模块的挖掘。     

模糊规则模型的粒度性能指标评估方法

模糊规则模型广泛应用于许多领域,而现有的模糊规则模型主要使用基于数值形式的性能评估指标,忽略了对于模糊集合本身的评价,因此提出了一种模糊规则模型性能评估的新方法。该方法可以有效地评估模糊规则模型输出结果的非数值（粒度）性质。不同于通常使用的数值型性能指标（比如均方误差（MSE））,该方法通过信息粒的特征来表征模型输出的粒度结果的质量,并将该指标使用在模糊模型的性能优化中。信息粒性能采用（数据的）覆盖率和（信息粒自身的）特异性两个基本指标得以量化,并通过使用粒子群优化实现了粒度输出质量（表示为覆盖率和特异性的乘积）的最大化。此外,该方法还优化了模糊聚类形成的信息粒的分布。实验结果表明该指标对于模糊规则模型性能评估的有效性。     

欧元硬币年份检测与识别

目的 硬币上的发行年份是判别硬币外观质量的一个重要信息,为了对流通中的欧元硬币进行准确清分,有必要对欧元硬币上的发行年份进行检测与识别。但由于欧元硬币年份数字位姿的不确定性、尺寸的非归一化、其他文字符号的干扰、数字排列方式的多样性使得利用计算机视觉算法实现欧元硬币年份的自动检测、识别与判读存在较大困难。本文针对欧元硬币年份检测与识别的特殊性,提出基于Faster-RCNN（faster-region convolutional neural network）模型的数字检测方法,以及基于聚类算法和先验规则的年份排序算法。方法 首先对训练数据进行增量化处理,例如旋转、缩放等方式极大地扩充训练样本的规模;然后重新训练Faster-RCNN网络模型,使其能够适应硬币中数字的各种位姿和尺寸变化;进而利用K-means聚类算法将获得的数字候选框聚成4类,选取每类中置信度最大的候选框;最后根据预先确定的不同国别硬币的年份排列方式,通过适当的排序算法即可得到正确的年份信息。结果 在自建的实验平台上对欧盟中的12个国家的5种较大币值的硬币进行采样获得4 429幅图像,按1 ∶1比例划分为训练样本和测试样本。实验表明,本文方法的年份检测识别准确率达到89.62%,计算耗时约215 ms,基本满足准确性和实时性要求。结论 本文算法具备实时、鲁棒、高精度的良好性能,具有较高的实际应用价值。     

一种面向运行可靠性的短期负荷预测方法研究

与传统可靠性相比,电力系统运行可靠性反应的是系统短期运行行为对可靠性的影响,需建立一种面向运行可靠性的短期负荷预测模型,既能提供充裕度指标评估所需的概率模型,又能提供系统安全性评估所需的精确模型。因此,文章通过对历史气候数据进行模糊聚类,提取相似日负荷构成样本数据并进行小波分解,利用改进的PSO-RVM算法对各小波分量进行预测和叠加,以得到预测日负荷序列的均值和概率模型,仿真表明该方法预测准确率较高,可为运行可靠性充裕度、安全性评估提供负荷数据支撑。