一种三层加权文本聚类集成方法

为了提高聚类集成效果,本文设计了一种对点、簇、划分进行加权的统一框架,提出一种三层加权文本聚类集成方法。首先根据基聚类生成超图邻接矩阵,然后依次对点、簇、划分进行加权获得加权邻接矩阵,最后用层次凝聚聚类算法获得最终结果。在多个真实文本数据集上进行实验,结果表明,与未加权及其他层面加权相比,三层加权方法可以获得更好的聚类效果,三层加权相较于未加权的平均提升幅度为12.02%;与近年来的其他8种加权方法相比,该方法在所有数据集上的平均排名位列第一,验证了本文方法的有效性。

一种结合谱聚类与关联规则的轴承故障诊断方法

针对现阶段机械设备轴承故障诊断方法难以挖掘隐含特征、诊断精准度低等问题,将谱聚类(spectral clustering, SC)算法与关联规则算法Apriori相结合,提出SC-Apriori算法;首先根据美国西储大学轴承数据中心网站公开发布的轴承故障数据集,选取0负载下的数据,计算得到滚动轴承振动信号的9个时域特征和3个频域特征;其次使用Pearson相关系数进行特征筛选,留下9个有效特征,再利用SC-Apriori算法挖掘出训练数据集中轴承不同特征数据之间的关联关系,并引入提升度来去除冗余的关联规则,进而构建一个规则库;再将测试数据进行处理,并与已建立的规则库进行比对,根据匹配率来判断其故障类型;在测试数据上的实验结果表明,与已有算法相比,文章设计的SC-Apriori算法挖掘出的规则数量大幅减少,匹配速度更快,且匹配效果更好。

基于双连通分量覆盖图的稀疏大图最大流并行加速方法

最大流问题是图论中重要的基础性问题,大规模网络中的最大流加速已成为重要研究方向,已有工作包括并行计算加速和图缩减加速2种思路,但仍有较大改进空间:(1)图缩减和并行计算2种加速思路并未充分融合,导致各自加速效果受限;(2)已有加速算法对常见的多次最大流求解支持不足,导致多次计算间存在大量冗余工作;(3)已有加速算法往往需涉及出入度和边容量等多个条件,计算复杂度偏高。针对上述问题,提出了一种基于优化子图的最大流并行加速方法,通过识别原始大图的双连通分量并建立覆盖图,可将任意最大流问题分解为独立的子问题,并行求解快速获取最大流精确解;覆盖图的构建仅涉及节点之间连接关系,具较低的时间复杂度。在基准图上的测试结果表明,算法可显著缩短稀疏大图中最大流计算时间。

企业生产人员在岗在位管理系统设计与实现

新一代信息技术以及互联网技术的快速发展促使企业进行了很大改变,在设置生产人员的企业方面,以往的管理模式逐渐不再适用于现在的需求。生产人员在岗在位管理系统是基于现在日益增长的需求下提出的方案。该系统是用于管理企业生产人员定时、定人、定岗履职的物联网信息系统,通过生物识别、智能门禁、定时、定位等方式识别生产人员的位置和行为,很好地满足了企业需求,增加了管理时产生的信息交流,提高了企业的生产效率。