一种基于数据关联的聚类集成方法

聚类集成是集成学习中的一个重要分支,其目标是解决无监督聚类分析中聚类算法的选择性、偏差性与数据特殊性等导致聚类结果不理想的问题。文章提出了一种基于数据关联的聚类集成方法(CEBDR),该算法先提取出在聚类成员中体现有关联关系的数据对象来组成新的类,然后对这些类进行二次聚类得到最终的集成结果。文中选用了一些标准数据集,采用CEBDR算法、已有的基聚类和聚类集成算法来进行对比实验,实验结果表明,该算法能够有效地提高聚类质量。

嵌入式系统数据缓存机制的形式化分析

嵌入式系统在高速通信时通常需要设计缓存机制以保证数据不会丢失,以某嵌入式系统为例,介绍了该系统的硬件及软件平台的设计,利用模型检查工具SPIN对该系统的数据缓存机制进行形式化建模,并利用时态逻辑公式LTL描述了该系统待验证属性,验证结果表明,该缓存机制满足设计需求,为嵌入式系统数据交互设计提供了严密的研究论证方法。