3D Model Retrieval Method Based on Affinity Propagation Clustering

In order to improve the accuracy and efficiency of 3D model retrieval, the method based on affinity propagation clustering algorithm is proposed. Firstly, projection ray-based method is proposed to improve the feature extraction efficiency of 3D models. Based on the relationship between model and its projection, the intersection in 3D space is transformed into intersection in 2D space, which reduces the number of intersection and improves the efficiency of the extraction algorithm. In feature extraction, multi-layer spheres method is analyzed. The two-layer spheres method makes the feature vector more accurate and improves retrieval precision. Secondly, Semi-supervised Affinity Propagation (S-AP) clustering is utilized because it can be applied to different cluster structures. The S-AP algorithm is adopted to find the center models and then the center model collection is built. During retrieval process, the collection is utilized to classify the query model into corresponding model base and then the most similar model is retrieved in the model base. Finally, 75 sample models from Princeton library are selected to do the experiment and then 36 models are used for retrieval test. The results validate that the proposed method outperforms the original method and the retrieval precision and recall ratios are improved effectively.     

灰色聚类算法在湿地生态旅游开发中的应用

以济南西部湿地发展生态旅游业为研究对象,利用灰色统计的方法处理专家评估意见,构建科学的评价指标体系,并采用灰色聚类算法对湿地发展生态旅游从地理条件、旅游资源和区域位置三个方面进行综合评价。结果表明,该方法为未来创造济西湿地的品牌价值,实现生态保护与经济发展的互动,从而创造出可持续性的发展模式提供了有价值的科学依据。     

Cruise missile multiple routes planning based on hybrid particle swarm optimization

In order to solve cruise missile route planning problem for low-altitude penetration,a hybrid particle swarm optimization( HPSO) algorithm is proposed. Firstly,K-means clustering algorithm is applied to divide the particle swarm into multiple isolated sub-populations,then niche algorithm is adopted to make all particles independently search for optimal values in their own sub-populations. Finally simulated annealing( SA) algorithm is introduced to avoid the weakness of PSO algorithm,which can easily be trapped into the local optimum in the search process. The optimal value obtained by every sub-population search corresponds to an optimal route,multiple different optimal routes are provided for cruise missile. Simulation results show that the HPSO algorithm has a fast convergence rate,and the planned routes have flat ballisticpaths and short ranges which meet the lowaltitude penetration requirements.     

公共文化PPP项目中承包商机会主义行为奖惩机制演化博弈

在公共文化PPP项目管理模式中,承包商为了追求自身利益在一定情况下可能会选择利用不对称信息采取机会主义行为转移项目利益,这将会损害政府建设单位的利益,影响公众的享受公共文化服务的权利,扰乱政府建设市场,因此建设单位需采取一定的管理手段来抑制承包商的机会主义行为.运用演化博弈理论分析政府建设单位应对承包商机会主义行为的演化路径,分别建立惩罚机制和补偿机制2种状态下的演化博弈模型,分别探究甲乙双方在惩罚机制和补偿机制下的演化均衡策略.结果表明,惩罚机制并未对承包商机会主义行为产生实质性的抑制效果,而补偿机制在一定条件下可显著影响承包商的机会主义行为.基于此,政府建设单位可充分利用补偿机制手段应对承包商的机会主义行为.     

基于相位信息与空间关系的路面裂缝检测

针对传统边缘检测算法的不足,分析路面裂缝低信噪比特点,提出了一种基于相位信息与区域空间关系的路面裂缝检测方法。首先,利用相位信息计算成对像素的相似性,并引入空间关系,使得位于边缘同侧的相似性增强,异侧的相似性减弱,然后应用谱方法进行聚类,完成裂缝边缘提取。实验结果表明方法有效。     

优化初始聚类中心选择的K-means算法

K-means算法的聚类效果与初始聚类中心的选择以及数据中的孤立点有很大关联,具有很强的不确定性.针对这个缺点,提出了一种优化初始聚类中心选择的K-means算法.该算法考虑数据集的分布情况,将样本点分为孤立点、低密度点和核心点,之后剔除孤立点与低密度点,在核心点中选取初始聚类中心,孤立点不参与聚类过程中各类样本均值的...     

基于突发词聚类的微博突发事件检测方法

微博突发事件检测是网络舆情分析的重要分支,近年来已受到国内外学者的广泛关注。分析用户行为特征,提出一种用户影响力计算方法,并将其与微博文本特征、传播特征相结合,提出词语突发度概念作为突发词的判定标准,进而抽取突发词集;引入凝聚式层次聚类算法,对突发词集进行聚类,并筛选出合适的突发词类簇用以描述突发事件,从而实现微博突发事件检测。通过实验检测,结果是正确率为63.64%,召回率为87.5%,F值为0.74,表明该方法可以在大量微博数据中有效检测到突发事件。     

基于co-occurrence相似度的聚类集成方法

首先提出了一种基于属性值的co-occurrence相似度概念,通过对其进一步的研究,提出了3个等价性表述;然后对属性值之间的co-occurrence相似度进行引申,给出了数据对象之间co-occurrence相似度的定义,并将其成功应用到聚类集成方法中。利用co-occurrence相似度在计算某个初始聚类结果中数据对象之间的相似度时,充分考虑了其他初始聚类结果和该初始聚类结果之间的相互影响和联系。实验表明, 基于co-occurrence相似度的聚类集成（CSCE）方法能有效识别数据之间的细微结构,有助于提高聚类集成的效果。     

基于量子遗传算法的XML聚类方法

主要用模式分析的核方法与量子遗传算法相结合研究XML聚类,提出了一种基于量子遗传算法混合核聚算法的XML文档聚类新方法。该方法先对XML文档约简,以频繁标签序列建立向量空间核的核矩阵,用高斯核函数求解初始聚类和聚类中心,然后用初始聚类中心构造量子遗传算法的初始种群,通过量子遗传算法与核聚算法相结合求得全局最优解的聚类。实验结果表明,使用该算法的聚类比改进的核聚算法、K均值算法等单一方法具有良好的收敛性、稳定性和更高的全局最优。     

基于密度权重Canopy的改进K-medoids算法

为了提高K-medoids算法的精度和稳定性,并解决K-medoids算法的聚类数目需要人工给定和对初始聚类中心点敏感的问题,提出了基于密度权重Canopy的改进K-medoids算法。该算法首先计算数据集中每个样本点的密度值,选择密度值最大的样本点作为第1个聚类中心,并从数据集中删除这个密度簇;然后通过计算剩下样本点的权重,选择出其他聚类中心;最后将密度权重Canopy作为K-medoids的预处理过程,其结果作为K-medoids算法的聚类数目和初始聚类中心。UCI真实数据集和人工模拟数据集上的仿真实验表明,该算法具有较高的精度和较好的稳定性。