基于加权锚点的多视图聚类算法

大规模多视图聚类旨在解决传统多视图聚类算法中计算速度慢、空间复杂度高,以致无法扩展到大规模数据的问题.其中,基于锚点的多视图聚类方法通过使用整体数据集合的锚点集构建后者对于前者的重构矩阵,利用重构矩阵进行聚类,有效地降低了算法的时间和空间复杂度.然而,现有的方法忽视了锚点之间的差异,均等地看待所有锚点,导致聚类结果受到低质量锚点的限制.为定位更具有判别性的锚点,加强高质量锚点对聚类的影响,提出一种基于加权锚点的大规模多视图聚类算法(Multi-view clustering with weighted anchors,MVC-WA).通过引入自适应锚点加权机制,所提方法在统一框架下确定锚点的权重,进行锚图的构建.同时,为增加锚点的多样性,根据锚点之间的相似度进一步调整锚点的权重.在9个基准数据集上与现有最先进的大规模多视图聚类算法的对比实验结果验证了所提方法的高效性与有效性.

基于华为“智能基座”的模式识别课程案例库建设与实践

为解决本科生模式识别课程基础内容多、数学理论繁多且难度较高,但实践案例缺乏、学生学习过程缺乏趣味性的问题,分析了模式识别课程的主要内容体系,结合华为“智能基座”产教融合协同育人项目资源,设计模式识别课程案例库建设与实践教学方案,以此增强教学过程的完整性,提升学生的思维能力,吸引学生在课堂上的注意力。实际调查统计数据表明,该方案有效激发了学生课堂学习的主动性与课后实践的积极性,可达到使学生学以致用的教学效果。

波浪浮标数据处理算法研究

利用数学中的多项式拟合算法，消除了数据处理过程中简单积分产生趋势项而对海浪参数估计带来的间接误差，提高了海态参数反演精度。实例仿真和实际数据测量结果表明，运用此方法处理波浪浮标数据时可以得到更加精准的海浪波高、周期等参数。

近海测波多传感器优化配置模拟与设计研究

研究了测波浮标中GPS传感器和加速度传感器共同作用下对近海测波的影响。介绍了测波浮标数据采集系统的基本框架和硬件设计;为提高测波浮标系统的测量精度,对多传感器进行了优化配置和信息的融合处理,并通过仿真验证了该设计性能的优越性。

自适应样本和特征加权的k-means算法

针对k-means算法在处理一些同时具备样本噪声与特征噪声的数据集时表现不佳的问题,提出一种自适应样本和特征加权的k-means聚类算法(ASFW)。所提算法引入负熵和一种正则化项,在每次迭代中自适应地调整样本和特征权重,并通过一种新的距离度量函数向最优解进行退火,可以有效避免得到较差的局部最小值,同时保持经典k-means算法的简单性。在人工合成数据集的聚类结果表明,相较于同类算法,ASFW的聚类效果更好,且对噪声样本和特征赋予的权值更正确合理,说明所提算法能够有效识别噪声,降低噪声对聚类结果的影响;在6个真实数据集下的聚类结果显示,ASFW在各个数据集的聚类性能均优于对比算法,且在大多数数据集上取得了最佳的标准互信息(NMI)和调整兰德系数(ARI),充分验证了ASFW具有良好的聚类性能。

基于近邻子空间划分的高光谱影像波段选择方法

在降低高光谱遥感影像数据的冗余度方面,波段选择一直是一种有效的方法.近年来,提出了许多用于高光谱波段选择的聚类算法,但大多数算法只有在选择足够多的聚类中心时才能够表现出良好的性能.在选择少量波段时,往往效果很不理想,不能满足实际使用的目的.而且,随着聚类中心数量的增加,大多数波段选择算法的精度存在不同程度的下降趋势.针对当前基于聚类的波段选择方法存在对聚类中心数的强敏感性和选择的特征波段子集高相关性的问题,提出了一种基于近邻子空间划分的波段选择方法(SEASP).该方法主要包括近邻子空间划分和特征波段选取两个步骤.考虑到高光谱波段之间的有序性,SEASP首先计算出相邻波段之间的相关系数,得到相关系数向量.若两个波段之间的相关性在某个区间内最小,即相关系数的变化率在该区间内最大,说明这两个波段在很大概率上不属于同一组,为两个相邻分组之间的分割点.因此,在相关系数向量的基础上,计算出其对应的若干个极小值,通过极小值的选取来确定最终划分的子空间.最后以信息熵为度量标准从划分的子空间中选出特征波段子集.在3个公开数据集的实验结果表明,提出的SEASP算法与其他算法相比,不仅原理简单,而且在精度和计算效率方面,均表现出了更好的效果.