一种基于K-Means局部最优性的高效聚类算法

K-Means聚类算法只能保证收敛到局部最优,从而导致聚类结果对初始代表点的选择非常敏感.许多研究工作都着力于降低这种敏感性.然而,K-Means的局部最优和结果敏感性却构成了K-MeanSCAN聚类算法的基础.K-MeanSCAN算法对数据集进行多次采样和K-Means预聚类以产生多组不同的聚类结果,来自不同聚类结果的子簇之间必然会存在交集.算法的核心思想是,利用这些交集构造出关于子簇的加权连通图,并根据连通性合并子簇.理论和实验证明,K-MeanScan算法可以在很大程度上提高聚类结果的质量和算法的效率.

扩展空间对象聚类问题的研究

扩展空间对象的聚类分析是空间聚类研究的焦点问题。扩展空间对象的聚类分析要求在聚类中不仅要考虑对象的位置,而且要考虑对象所占据的范围。空间近似是研究扩展空间对象聚类的基本思想,但是点近似的方法忽视了扩展对象覆盖范围的影响,经常造成聚类质量不高,同时点近似方法的算法代价比较高,影响聚类的性能和可伸缩性;最小外接矩形(MBR)近似的方法一定程度地保留了扩展空间对象的位置和范围信息,配合MBR距离或者扩展距离,使得扩展对象的聚类分析无论从质量还是性能都可以满足要求。文章最后比较了几种扩展对象聚类方法的聚类性能和效果。

面向结构稳定性的分裂-合并聚类算法

聚类是在假设数据具有某种群聚结构的前提下根据观察到的无标记样本发现数据的最优划分。现有的聚类算法通常简单地导出假设结构和给定先验下最优或较优的聚类结果,体现为算法对样本分布拟合度的迭代最优化,即算法有效性。实际上,聚类的有效性取决于结构有效性、算法有效性和先验有效性3个方面的因素。基于这种考虑,提出了一种变体混合模型的聚类结构假设,以及判定聚类结构的稳定性的度量和方法,在算法有效的前提下通过单簇的分裂与合并来改进聚类结构的稳定性,并得到最终聚类结果,设计并实现了SMClus聚类算法,通过对模拟数据和真实数据的聚类实验,例证了方法的有效性。

基于随机kNN图的批量边删除聚类算法

建立邻接图上的批量边删除聚类算法通用框架,提出基于高斯平滑模型的批量边删除判定准则,定义了适于聚类的邻接图的一般性质,提出并证明在kNN图基础上引入随机因子构造的随机kNN图,可以增强顶点之间的局部连通性,使聚类结果不再强烈依赖于某条边或某些边的保留或删除.RkNNClus算法简洁高效,依赖参数少,无需指定类簇数目,模拟和真实数据上的实验均有证明.

面向安全域维护原理的安全生产事务管理体系

为解决安全生产风险预控管理体系在理论和实践上的缺陷,提出安全生产基本假设和安全域维护原理,借鉴数据库事务和契约编程等概念,提出安全生产事务及其MICRT特性理论,建立面向安全域维护原理的安全生产事务管理体系。结果表明:安全生产基本假设和安全域维护原理是安全生产管理的基础公理;安全生产事务理论通过安全生产事务的MICTR特性,使得生产要素持续处于已知的安全状态区域;安全生产事务管理体系包括体系制度要素、体系运行模式和安全生产事务管理信息系统。

基于惰性聚类分裂的动态R树实现方法

R*树是目前公认查询效果很好的R树变体,但是其构造代价较原始R树增加数倍,对于插入删除和更新频繁的空间数据效果不好。为此,本文提出一种基于惰性聚类分裂技术的R树动态实现方法(LR树)。惰性聚类分裂技术是在对象插入节点导致溢出时不立即进行分裂,而是尝试将其插入到邻近的未满节点中,直到邻近节点均已满时,再利用聚类技术进行节点分裂,在邻近节点和分裂节点之间重组入口项。LR树在确保查询性能的前提下,大大降低了构造代价,并且大幅提高了索引结构的空间利用率。最后的分析和实验证明了LR树的高效性。

基于时空邻域的多粒度轨迹相似性查询

移动对象轨迹存储、管理和查询的研究已经具有相当基础,然而面向应用的移动对象运动模式分析乃至决策支持则更为人们所期待,提出基于时空邻域的多粒度轨迹相似性查询以支持其运动模式分析.直观地,如果两个移动对象在运动中频繁地出现在对方的时空范围附近,则认为二者轨迹相似,且出现得越频繁相似程度越高,即基于时空邻域的轨迹相似性测度.此外,实际中通常会在不同大小的时空邻域下评估轨迹相似性,以获得微观和宏观层面上的相似轨迹,即多粒度轨迹相似性查询.最后的实验分析也证明了基于时空邻域的多粒度轨迹相似性查询方法的有效性.

一种基于元启发式策略的迭代自学习K-Means算法

类内误差平方和最小化的聚类准则求解是NP难问题,K-Means采用的迭代重定位方法本质上是一种局部搜索的爬山算法,因此聚类结果对初始代表点的选择非常敏感,只能保证局部最优。为此,引入元启发式策略,通过建立评估函数对K-Means初始代表点和目标函数之间的依赖关系进行近似,然后利用近似评估函数指导新的初始代表点的选择,构成一种迭代自学习框架下的K-Means算法。实验表明算法可以很好地克服K-Means对初始代表点的依赖性,获得较高质量的聚类结果。

大数据时代的数据库原理课程革新

分析大数据时代数据管理的典型应用场景和数据库技术知识分类体系,提出重建数据库原理课程教学内容的拓扑结构和过程体系,为大数据时代的数据库原理课程教学和数据库技术人才培养革新提供新的逻辑框架。

SROC:一种面向结构鲁棒性的迭代聚类方法

聚类结果的有效性由结构有效性、算法有效性和先验知识有效性3个方面的因素决定.忽略先验知识和假设结构的有效性孤立地提升聚类算法的有效性很可能产生无效的聚类结果.现有聚类方法通常只是简单地导出假设结构下最优的聚类结果,并交付用户,缺乏对聚类结果的自省能力.实际上,聚类方法是一个不断迭代优化的过程,包括对训练数据拟合度和假设结构的迭代优化.基于上述的考虑,提出以聚类结构的鲁棒性作为聚类结果有效性的衡量指标,并将鲁棒性评估有机地整合到聚类算法的迭代优化过程中,提出一种面向结构鲁棒性的迭代聚类方法框架.此外,依托该框架下设计并实现了SROC聚类算法,通过对模拟数据和真实文档数据的聚类实验,例证了方法有效性.

电子政务发展阶段与评价基准

进入新世纪以来,世界各国强烈意识到电子政务在新一轮全球竞争中的战略意义,纷纷斥巨资建设电子政务.而建立严密科学的电子政务评估体系,合理分配有限的资源,有效把握发展方向,是一个国家成功实施电子政务的关键环节.

软件复用技术在矿山领域软件开发中的应用前景

介绍当前矿业领域内的软件生产现状 ,提出了一些软件开发中亟待解决的问题 ,而软件复用技术是适应软件生产工业化应运而生的一种技术 ,同样是解决矿山领域内相关问题的有效方法。

电梯群控系统的交通模式识别

介绍了应用两个模糊神经网络分两步进行电梯群控系统交通模式识别 ,提出了利用专家知识获取样本和训练网络的步骤。实际数据测试结果表明 ,该方法能准确地辨识出各种交通模式所占的比例 ,对群控器的派梯可起到很好的指导作用 ,从而提高电梯群控系统的服务性能。

P2P环境中的全局空间数据目录研究

P2P计算通过大量自治的节点协作共享资源与计算,为空间数据和空间操作的分布提供了新的分布式计算模式。分布在不同Peer上的空间数据库节点通过P2P协作构成一个超级全局空间数据库,全局空间数据目录是P2P环境下快速定位空间数据资源和空间计算节点的关键技术。Peer数据库节点的数据模式、元数据、资源状态参数等抽象为一系列关键词集合。全局目录基于Peer空间数据库节点的外包矩形进行动态聚类并建立P2P环境下的空间索引,支持Peer空间数据库节点的动态加入和退出,支持复杂空间查询和关键词查询。该文给出了全局空间数据目录的组织模型、P2P空间数据索引及空间资源发现算法。

基于模糊神经网络的电梯系统交通模式识别

介绍采用模糊神经网络进行电梯群控系统交通模式识别的方法 .用 3步混合训练方法对用于模式识别的两个模糊神经网络进行训练 .测试结果表明此方法可以准确地辨识出各种交通模式所占的比例 ,可以指导群控器优化派梯策略 ,提高电梯群控系统的服务性能 .

基于P2P的空间数据操作分布技术研究

分布在不同节点的空间数据库通过P2P协作共同完成复杂的空间应用任务。提出一种基于P2P的空间数据操作分布的引擎设计:引擎根据空间应用任务的解析,在P2P网络中动态地选择最佳的执行引擎,通过P2P的消息和通信机制进行协作,共同完成复杂的空间计算和空间查询任务。P2P的执行机制避免了集中式执行引擎带来的网络拥塞和单点失效问题,提高了空间数据资源和计算资源协作的可靠性和可用性。

PLC在变压变频调速电梯控制系统中的应用

本文介绍了一种ＰＬＣ控制的ＶＶＶＦ电梯控制系统的系统构成，阐述了系统软件设计以及其控制方 法的改进。

基于面向对象Petri网的电梯群控系统建模

电梯群控系统是一种典型的离散事件动态系统 ,这体现在乘客到达的起始层、目的层和到达时间的随机性 ,所以 ,很难用一个传统的数学模型表达式来表示。提出了一种应用面向对象Petri网对该系统进行建模的方法 ,该方法在对电梯运行情况充分研究的基础上 ,分别建立电梯运行和电梯控制器Petri网模型 ,从而构造电梯群控系统模型。该建模方法不仅适用于电梯群控系统 ,而且适用于其它离散事件动态系统。

电梯群控系统多目标模糊控制算法的设计

本文提出了一种多目标的模糊控制算法 ,介绍了算法的设计思想、结构以及实现 ,并给出了算法的验证。验证的结果表明 ,该算法能实现迅速有效的派梯。

电梯控制性能监测系统

本文介绍一种电梯控制性能监测系统的构成，上位机监测平台的设计及与ＰＬＣ通讯的实现。