改进的PRCCL聚类方法及在遥感影像分割中的应用

RPCCL(rival penalized controlled competitive learning)方法被认为是一种性能良好的聚类方法,但是将RPCCL聚类方法应用于高分辨率遥感影像分割任务中存在着聚类性能不稳定的局限.基于此,论文提出了基于簇初始化的RPCCL方法.研究表明,该方法能在保证聚类精度的情况下,改善RPCCL方法的聚类性能.     

基于视线跟踪的智能界面实现机制研究

针对传统用户界面难以满足普适计算发展的需求,提出一种基于视线跟踪的智能界面解决方案。首先,以视觉注意力选择机制为理论基础,对智能界面交互框架中用户、界面和系统三要素进行统一描述和说明;然后,以三要素的映射关系为研究依据,采用模糊聚类方法来计算用户对界面对象的注意程度值,并使用视觉注意分配策略来预测用户对界面对象的兴趣程度;最后,设计相关实验来验证智能界面实现机制的有效性。实验结果表明,智能界面预测用户决策意图的准确率高达85%,是一种能够主动标注用户兴趣目标的智能界面可选方案。     

基于自适应伽马转换函数的遥感图像增强

针对传统的遥感图像增强方法视觉效果不够理想的缺点,提出了一种基于平稳小波变换和分段自适应伽马灰度转换函数的遥感图像对比度增强方法。首先,对遥感图像进行平稳小波变换,接着对得到的最大尺度低频子带图像采用基于核函数的样本加权模糊C-均值聚类算法将该图像分为低、中和高亮度区域,并对各亮度区域依据其各自特点分别采用不同的自适应伽马灰度转换函数进行增强,然后利用贝叶斯萎缩阈值法和非线性自适应增益函数相结合计算高频子带的增益系数,从而得到增强后的高频子带图像;最后,由低频子带图像和高频子带图像重构得到增强后的图像。实验表明,该方法提高了遥感图像的全局对比度,改善了视觉效果,增强了图像的细节并抑制了噪声,获得了较好的图像增强整体效果。     

彩色图像色彩聚类算法研究

在介绍图像色彩自适应聚类算法的分析的同时,进行针对任意真彩色图像进行色彩聚类的算法。设计一种能够将BMP格式的真彩色图像进行色彩聚类处理,形成基本不失真的、最多具有256种色彩的伪彩色图像算法。     

领域本体半自动化建模工具的设计与实现

现有的大多数本体都是通过手工构建的。然而,本体的构建是一项非常费时费力的过程,近年来如何半自动地构建领域本体的研究越来越多。文章提出了基于中文分词以及数据挖掘技术的半自动领域本体建模方法,该方法能大大提高本体构建的效率,并且一定程度上保证本体的质量。实验证明该方法是可行的。     

基于数据挖掘的符号序列聚类相似度量模型

为了从消费者偏好序列中发现市场细分结构,采用数据挖掘领域中的符号序列聚类方法,提出一种符号序列聚类的研究方法和框架,给出RSM相似性度量模型。调整RSM模型参数,使得RSM可以变为与编辑距离、海明距离等价的相似性度量。通过RSM与其他序列相似性度量的比较,表明RSM具有更强的表达相似性概念的能力。由于RSM能够表达不同的相似性概念,从而使之能适用于不同的应用环境,并在其基础上提出自组织特征映射退火符号聚类模型,使得从消费者偏好进行市场细分结构研究的研究途径在实际应用中得以实现。     

一种基于非负矩阵分解的聚类集成算法

为了解决通过原始数据集获得的基聚类结果存在一定的信息丢失,从而使得集成阶段的有效信息减少的问题,提出了一种基于非负矩阵分解的K-means聚类集成算法。该算法先利用K-means聚类算法获得集成信息矩阵,然后从原始数据集获取数据相关性,将两者结合后通过非负矩阵分解(NMF)技术构建共识函数以获得最终结果。实验证明,所提算法可以有效获取原始数据的潜在信息,并提高聚类质量。     

模糊聚类在课堂教学评估中的应用研究

以目前的高等学校教育为平台,就如何将数据挖掘技术与课堂教学质量相结合的问题进行了研究。首先介绍了模糊C均值聚类算法的原理及实现步骤,并通过对课堂教学评估指标体系的有效挖掘,选取适当的聚类参数,建立模糊划分矩阵,然后用模糊C均值聚类算法进行聚类,较好地实现了聚类目标。     

基于特征映射的互联网频繁模式识别算法

提出了一种基于特征映射的互联网频繁模式识别算法,采用特征映射与聚类相结合的方法,解决了SPADE算法不能反映类信息的问题与大量数据聚类时的效率低下,同时,提出了比较合理的频繁模式定量评价体系,从而完成了识别系统的整体设计,对于处理互联网海量用户数据有着相当重要的作用,同时,可以根据此算法提供个性化推荐等服务来提升用户体验.     

基于知识库分割的多知识库整合方法

知识库是集团企业云制造平台中知识服务的重要基础,知识库的质量直接决定着知识服务的质量。目前单一分散的知识库不能提供统一的知识资源全局视图,不利于知识资源的共享。多知识库整合技术已经成为该领域的研究热点之一。提出一种基于知识库分割的多知识库整合方法,采用基于蚁群聚类的分割策略,将知识库有效划分为知识块集。在知识块间利用语义概念映射生成知识块间映射图,从而实现多知识库整合。通过对算法的时间复杂度进行分析,表明该方法在时间复杂度方面要优于基于最小概念集的多知识库整合方法;实验结果也表明该方法在运行性能方面明显优于已有的方法。