Squeezer: An efficient algorithm for clustering categorical data

This paper presents a new efficient algorithm for clustering categorical data,Squeezer,which can produce high quality clustering results and at the same time deserve good scalability.The Squeezer algorithm reads each tuple t in sequence,either assigning t to an existing cluster (initially none),or creating t as a new cluster,which is determined by the similarities between t and clusters.Due to its characteristics,the proposed algorithm is extremely suitable for clustering data streams,where given a sequence of points,the objective is to maintain consistently good clustering of the sequence so far,using a small amount of memory and time.Outliers can also be handled efficiently and directly in Squeezer.Experimental results on real-life and synthetic datasets verify the superiority of Squeezer.     

人工势场法在多机器人运动中的研究

多机器人运动主要包括避障避碰、群集运动、队形控制三个模块.人工势场法在这三方面的理论基础已比较成熟,但在具体应用上还有一些值得改进的地方,如局部最小问题的解决、多机器人运动存在的特殊碰撞问题、复杂环境下的运动以及队形控制算法的探讨等.针对这些问题,分析了势场法在多机器人运动规划中的研究方法和现状,并对势场法在该研究领域的前景和研究方向做出了展望.     

工作站网络上协作任务的调度

在利用工作站群集系统进行的协作模式并行计算中，任务调度在很大程度上决定并行计算的性能．本文给出了一个任务调度的模型和算法，它考虑了协作模式并行计算中任务间的同步时间、通信时间、数据加载及结果收集时间．根据这个调度模型，可以选择一组并行执行时间最短的工作站，从而获得较好的并行计算性能．     

基于中间件的移动BOSS系统的设计与实现

自Client／server体系结构问世以来,中间件作为分布式网络上异构平台的互联桥梁应运而生,使用中间件进行大型应用系统的设计开发已经成为潮流。针对移动BOSS系统当前存在的一些问题,结合移动BOSS系统的结构和功能,设计并实现了基于中间件的4层体系结构的移动BOSS系统。系统增强了安全性、稳定性。     

基于boltzmann选择策略的人工蜂群算法

人工蜂群算法（ABC）是一种基于蜜蜂行为的优化算法。基于Boltzmann选择机制提出了一种改进的人工蜂群算法（BABC）用来优化多变量函数。BABC算法使初始群体均匀化;采用Boltzmann选择机制来代替轮盘赌以防止算法过早收敛。经过实验证明,该算法具有全局搜索能力好,收敛速度快,参数设置少等优点。     

群集智能算法研究现状及进展

基于群集智能的算法研究,近年来受到了广泛的关注.本文讨论了群集智能的两种算法,蚁群智能与微粒群智能.分别阐述了它们的原理、基本算法及其一些改进算法.最后讨论了群集智能算法的一些应用实例以及它们的应用领域和未来的研究方向.     

基于改进孤立森林算法的异常用电行为识别方法

针对传统异常用电行为识别方法准确率低、时效性差且人工消耗较高等问题，提出了一种基于粒子群算法的改进孤立森林识别方法。该方法通过总结异常用电行为规律，重构相关行为的特征指标，并侧重于对异常样本的学习与训练，进而在集成算法套袋思想的基础上构建了孤立森林。同时利用粒子群算法的群集寻优能力选择出精准度较高、差异度较大的孤立树形成子集，进一步优化了异常用电行为的识别效果。实验结果表明，改进方法的AUC值和识别效率均高于聚类算法及孤立森林算法，能够对异常用电行为进行准确识别。