峰值点非负矩阵分解聚类算法

非负矩阵分解模型是一种常见的数据降维方法。在现有非负矩阵分解算法用于聚类的研究中,每个类别一般仅由一个或者指定多个中心点表示,然而这种表示方式往往无法准确描述其类别的特征和结构,从而影响聚类效果。为了解决这个问题,本文提出了峰值点非负矩阵分解算法。该算法首先为数据集找到多个密度峰值点,并构建密度峰值点和样本点的二部图,然后利用二部图完成聚类。此外该算法引入流形图正则化项来充分利用数据间的流形结构信息,并给出了算法的迭代更新规则。在大量真实数据集上的实验结果表明,该方法可以更加有效地利用数据本身的结构信息,从而提高聚类效果。

自适应时间平滑的演化谱聚类

传统的聚类算法一般只适用于静态数据的处理,而真实世界的数据往往数据量大且变化多,静态的聚类算法不能为动态数据提供其演化规律的分析学习。演化数据的聚类,一方面要正确反映每一时刻数据的合理簇划分,另一方面又要使动态的聚类结果在演化过程中尽可能平滑。本文提出了一种自适应时间平滑的演化聚类框架,该模型考虑到当前时刻数据与历史时刻数据的未知关联,通过限定时间回溯的范围,自适应地寻找与当前快照最相关的历史快照,并通过有机融合基于Itakura-Saito距离的静态相似度和基于时间序列的动态相似度,计算各个时间片快照上的相似度矩阵。本文进一步提出了两种自适应时间平滑的演化谱聚类算法,从不同的角度定义时间代价,得到不同的演化聚类结果。在真实数据集上的实验表明这两种算法能够有效地利用历史数据,在聚类结果上准确性更高,时间平滑性也更好。

《共产主义者同盟文件集》导言

共产主义者同盟的历史就是工人阶级第一个革命政党的历史;这个政党在一百二十多年以前领导了刚刚觉醒的无产阶级的解放斗争。共产主义者同盟的纲领《共产党宣言》证明了,科学共产主义第一次成了无产阶级阶级斗争的准绳。“这个政党及其举世闻名的纲领为革命工人运动后来的全部历史奠定了基础。

娱品、精品、藏品——三品玩具堂

据中国社会调查事务所最近的一项调查表明,64％的消费者表示如有条件,可以考虑购买适合自己的玩具,其中33％的成人认为自己喜欢并愿意购买玩具。与此形成反差的是,我国城市成年人玩具年消费仅为16元,农村基本为零。

国际工人协会——它的创立、组织、政治社会活动和扩展

建立国际工人协会的直接起因是最近的波兰起义。伦敦工人派了一个代表团,带着一封声援书去见帕麦斯顿公爵,请他签名声援波兰人。他们同时还向巴黎工人发出一封呼吁书,呼吁巴黎工人同他们共同行动。巴黎工人为此派代表到伦敦。为了欢迎巴黎工人的代表,1864年9月28日在朗-爱克街圣马丁堂举行公开集会,有许许多多的英国人、德国人、法国人。

分裂高精度法求解非线性薛定谔方程

针对描述玻色爱因斯坦凝聚体(Bose-Einstein condensates,BEC)动力学行为的二维非线性薛定谔方程(nonlinear Schrdinger equations,NLSE)的求解,首先基于算符分裂思想将方程分裂为2个子齐次方程,然后基于分步有限差分法提出一种在空间上具有四阶精度的分裂高精度方法,最后利用存在精确解析解的二维NLSE分析该方法的精度和收敛性,同时对不存在精确解析解的二维BEC系统进行数值模拟.结果表明,在一类特殊的初始条件下,随着时间的延长,涡旋晶格自由扩散,涡旋结构则对称扩散.