面向众核处理器的阴阳K-means算法优化

传统阴阳K-means算法处理大规模聚类问题时计算开销十分昂贵。针对典型众核处理器的体系结构特征,提出了一种阴阳K-means算法高效并行加速实现。该实现基于一种新内存数据布局,采用众核处理器中的向量单元来加速阴阳K-means中的距离计算,并面向非一致内存访问(non-unified memory access, NUMA)特性进行了针对性的访存优化。与阴阳K-means算法的开源多线程实现相比,该实现在ARMv8和x86众核平台上分别获得了最高约5.6与8.7的加速比。因此上述优化方法在众核处理器上成功实现了对阴阳K-means算法的加速。

基于主题词向量中心点的K-means文本聚类算法

K-means由于其时间复杂度低运行速度快一直是最为流行的聚类算法之一,但是该算法在进行聚类时需要预先给出聚类个数和初始类中心点,其选取得合适与否会直接影响最终聚类效果。该文对初始类中心和迭代类中心的选取进行大量研究,根据决策图进行初始类中心的选择,利用每个类簇的主题词向量替代均值作为迭代类中心。实验表明,该文的初始点选取方法能够准确地选取初始点,且利用主题词向量作为迭代类中心能够很好地避免噪声点和噪声特征的影响,很大程度上地提高了K-means算法的性能。

基于BERT-LDA和K-means聚类的绘画作品价值评估指标体系构建

针对目前绘画领域缺乏标准的价值评估指标体系,提出了基于BERT-LDA和K-means聚类的绘画作品价值要素挖掘方法。运用超平面法对绘画文献进行了停用词筛选,基于BERT-LDA模型构建了包含文本语义信息的融合特征向量,运用K-means算法对融合特征向量进行降维可视化,随之构建了绘画作品价值评估指标体系。结果表明,基于BERT-LDA模型和K-means算法识别的主题及主题词相比传统LDA模型的查准率、查全率和F值分别提升了28.5%、10%和21.5%。通过随机森林等算法对指标体系进行验证,验证了构建的绘画作品价值评估指标体系的科学性。

基于支持向量回归和分位数的雷达K分布海杂波形状参数估计方法

针对传统的雷达K分布海杂波形状参数估计方法在异常样本存在情况下估计精度严重下降的问题,该文提出一种基于支持向量回归(SVR)和样本分位数比值的K分布海杂波形状参数估计方法。首先给定K分布杂波参数和分位数位置的值,根据K分布的累积分布函数计算样本分位数比值及其对数,然后建立以样本分位数比值对数为输入、待估计形状参数为输出的SVR模型,通过交叉验证确定SVR模型的超参数,最后训练SVR模型实现对K分布海杂波形状参数的稳健精确估计。仿真和实测雷达数据表明,所提方法的估计误差低于基于矩的估计方法的估计误差,并且与基于分位数的估计方法具有相近估计性能。此外,相比已有基于分位数的方法,所提方法的超参数容易确定,并且不依赖于查表。

基于改进K-SVM的防疫物资生产设备健康度识别方法研究

目的:为有效识别防疫物资生产设备的工况,提出一种基于改进K-SVM的防疫物资生产设备健康度识别方法。方法:首先,通过K-means算法过滤掉部分不利于支持向量机(support vector machine,SVM)分类器样本训练的数据;其次,利用K-means算法及特征提取算法获取新的SVM分类器训练样本,并依据此样本训练SVM分类器;最后,利用训练好的SVM分类器对初始样本进行分类从而得到最终的预测结果。为验证改进K-SVM算法对设备健康度的识别性能,将该算法与SVM算法、未改进K-SVM算法、XGBoost算法进行对比实验。结果:改进K-SVM算法能较为准确地识别设备故障点,识别准确率为89.79%,优于SVM算法、未改进K-SVM算法和XGBoost算法。结论:提出的改进K-SVM算法能够较好地识别防疫物资生产设备健康度,对保证防疫物资生产设备的工作效率具有重要意义。

基于多源遥感数据广东省水土保持K因子提取分析

K因子是RUSLE模型中土壤可蚀性参数,对评估土壤侵蚀程度具有重要意义。以广东省为例,基于实地采样获取的84个土壤样本数据,通过多源遥感数据和数字制图技术,提取省域K因子精细分布。结果表明,基于scorpan土壤景观模型,从气候、土壤、生物等。

基于自适应k均值和SVR的光伏出力预测

为解决光伏功率预测不准确问题,提出了一种基于自适应k均值和支持向量回归的光伏出力预测方法。首先,分析了k均值聚类及其改进方法,给出了支持向量回归(SVR)的基本原理和应用流程,介绍了SVR中径向基函数凸优化模型。然后,结合自适应k均值和支持向量回归,依据光伏出力基本特点,分析了光伏出力预测流程及预测结果统计学评价指标。最后,以“云南昆明”光照数据为实际算例,确定了预测模型结构,并分别采用k-means and SVR、ARMA和ANN这3种方法进行预测,对比了不同聚类结果和不同算法时的预测统计指标,验证了所提方法的有效性,为光伏出力预测提供了一种方法。

基于导航星域和K矢量的快速星图识别算法

星图识别算法是星敏感器的关键技术,快速性和可靠性一直是对其评价的重要指标。提出了基于K矢量查找表和导航星域联合进行超快速星图识别的方法。首先根据星敏感器视场和所能敏感的星等建立全天球导航星表;再依据K矢量的原则对全天的导航星按照星对角距进行分类,建立星对角距所对应导航星的K矢量和K矢量查找表。利用星敏感器视场中的4颗星构成6组星对角距,将其中的5组星对角距所对应K矢量查找表域的星对组进行导航星表域(简称导航星域)的变换,根据另外一组星对角距所对应的K矢量查找表域的值对前面5组导航星域的值同时进行索引比较,直接找到了满足条件的4颗导航星,即完成全天的星图识别。最后,通过计算机仿真,实验室模拟和真实星空实验三个层次验证了此方法的可靠性和快速性。

面向CPU/MIC异构架构的K-Means向量化算法

在大数据背景下,以K-Means为代表的聚类分析对于数据分析和挖掘十分重要。海量高维数据的处理给K-Means算法带来了性能方面的强烈需求。最新提出的众核体系结构MIC(many integrated core)能够为算法加速提供众核间线程级和核内指令级并行,使其成为K-Means算法加速的很好选择。在分析K-Means基本算法特点的基础上,分析了K-Means算法的瓶颈,提出了可利用数据并行的K-Means向量化算法,优化了向量化算法的数据布局方案。最后,基于CPU/MIC的异构架构实现了向量化K-Means算法,并且探索了MIC在非传统HPC(high performance computing)应用领域的优化策略。测试结果表明,K-Means向量化算法具有良好的计算性能和扩展性。

一种用于文本聚类的改进k-means算法

k-means是目前常用的文本聚类算法,针对其最终搜索的局部极值与全局最优解偏差较大的缺点,采用一种基于局部搜索优化的思想来改进算法,并推导出目标函数的变化公式。根据目标函数值的改变对聚类结果作再次划分后,继续k-means迭代,拓展其搜索范围。理论分析和实验结果表明修改后的算法能有效地提高聚类的质量,且计算复杂度仍与数据集文本总数呈线性变化。

突变k-ras基因重组腺病毒的构建

目的 利用细菌内同源重组法构建含 1 2密码子点突变的k ras基因重组腺病毒。方法 用限制性内切酶kpnⅠ +xhoⅠ从载体pcDNA3 k ras1 2 (Val)中切出 1 2密码子点突变的k ras基因片断 ,亚克隆至经同样酶切的腺病毒穿梭质粒pAdTrack CMV中 ,形成转移质粒pAdTrack CMV/k ras 1 2 (Val) ,将之PmeⅠ酶切线性化后与腺病毒基因重组质粒pAdEasy 1共转化大肠杆菌BJ51 83 ,抽提经鉴定含目的基因的重组体质粒 ,PacⅠ酶切后用脂质体转染 2 93细胞 ,包装成重组体腺病毒Ad k ras1 2 (Val)。采用PCR方法对重组体腺病毒进行鉴定 ,利用穿梭质粒pAdTrack CMV中带有GFP报告基因 ,对病毒滴度和感染效率进行监测。结果 利用CaCl2 法由pAdTrack CMV/k ras 1 2 (Val)和pAdEasy 1共转化大肠杆菌BJ51 83 ,可获得 2 5%左右的阳性重组体细菌克隆。PCR检测表明重组腺病毒已含有目的基因 ,滴度为 1 .2× 1 0 1 2 pfu/ml。结论 细菌内同源重组法构建腺病毒相比于传统的细胞内同源重组法 ,具有成功率高、方法简便、快捷、实验周期短的优点 。

基于半监督学习的SVM-KNN

提出一种新的基于半监督的SVM-KNN分类方法,当可用的训练样本较少时,使用SVM进行分类,不能得到准确的分类边界,本文采用半监督学习策略从大量未标记样本中提取边界向量来改善SVM.KNN分类器的引进不仅扩充了SVM的训练样本数目,而且优化了迭代过程中训练样本的标记质量,可不断修复SVM的分类边界.实验结果表明,所提出的方法能提高SVM算法的分类精度,通过调整参数能够获得更好的分类效果,同时也减小了标记大量未标记样本的代价.

一种初值优化的K-均值文档聚类算法(英文)

K-均值算法是文档聚类中常用的一种划分方法.近年来,为提高聚类质量,出现了不少优化初始中心的改进算法.该文在基于密度选择中心点算法的基础上,建立了相似度概率模型辅助密度参数的确定,有效减少了参数选择的盲目性.同时,该文提出一种二分快速确定K值最优解的方法.大量实验结果表明,该方法具有理想的效果.

一种基于KNN与改进SVM的车牌字符识别算法

提出了一种将KNN(K近邻)和支持向量机相结合的字符识别算法.首先用KNN对字符进行判断,如果输出的置信度大于阈值,则认为分类正确;如果小于阈值则采用支持向量机进行判决.改进了SVM分类器,通过调整支持向量机的分类超平面改进了支持向量机的性能.将算法应用到实际的车牌字符识别中,识别结果表明,这种方法在提高识别速度的同时,有效提高了字符的识别精度.

与k均值混合的支持向量机的个人信用评估

针对当前传统个人信用评价中的问题,提出一种将k-mean聚类方法和支持向量机回归模型结合起来的个人信用评估的新方法。该方法先将信用数据大致聚为k类,统计每一类的信用度,然后利用支持向量机进行回归。研究结果表明:与简单聚类方法和支持向量机分类方法比较,该方法有效地提高了整个模型的训练精度和测试精度。

基于支持向量机回归与K-最近邻法的组合预测用于除草剂QSAR建模

为了提高定量构效关系(QSAR)研究的预测精度,发展了一种基于支持向量机回归(SVR)与K-最近邻法(KNN)的组合预测方法:以均方误差(MSE)最小为原则,基于SVR实施核函数寻优;基于MSE最小原则与最优核函数以SVR进行描述符筛选并得到保留描述符;通过"多轮末尾强制淘汰法"揭示各保留描述符对预测精度的影响程度;从保留描述符出发,以不同KNN预测值反映样本集异质性并构建子模型,然后基于SVR以留一法实施组合预测。运用该组合预测方法研究苯乙酰胺类除草剂QSAR建模,结果表明:基于SVR与KNN的组合预测方法在参比模型中预测精度最高,具结构风险最小、非线性、能有效克服过拟合、泛化推广能力优异等优点,在QSAR研究中具有广泛的应用前景。

结合无人机载LiDAR点云法向量的K-means++聚类精简

点云精简可有效降低无人机载LiDAR数据量,对后期点云存储和快速处理具有重要意义。采用K-means++方法对点云法向量进行聚类,以实现点云精简。首先,利用回波次数去除多次回波点云,在使用零-均值标准化方法对点云属性归一化后,利用KD树(K-dimension tree)建立点云索引构建点云K邻域;然后,采用主成分分析法估算点云法向量,借助肘方法确定最佳聚类数目;最终,通过K-means++聚类方法实现点云精简。将精简结果生成Delaunay三角网并转换为栅格数据,通过相关系数验证方法的有效性。结果表明:针对研究区69544个点云数据,该方法可去除多次回波点云7722个;对点云法向量进行聚类数目为8的K-means++聚类,对应的精简率为分别为81.389%,81.833%和85.369%时效果较优;精简后生成Delaunay三角网的时间远低于精简前,且当按81.833%进行精简处理时,相关系数最高,为0.890。该方法可为点云精简提供参考。

基于K均值集成和SVM的P2P流量识别研究

提出基于K均值集成和支持向量机相结合的P2P流量识别模型,以保证流量识别精度和稳定性,克服聚类识别模型中参数值难以确定、复杂性高等缺点。对少量标签样本采用随机簇中心的K均值算法训练基聚类器,按最大后验概率分配簇标签,无标签样本与其最近簇标签一致;按投票机制集成无标签样本标签信息,并结合原标签样本训练支持向量机识别模型。该模型利用了集成学习稳定性和SVM在小样本集上的良好泛化性能。理论分析和仿真实验结果证明了方案的可行性。

基于k均值聚类的直推式支持向量机学习算法

针对直推式支持向量机(TSVM)学习模型求解难度大的问题,提出了一种基于k均值聚类的直推式支持向量机学习算法——TSVMKMC。该算法利用k均值聚类算法,将无标签样本分为若干簇,对每一簇样本赋予相同的类别标签,将无标签样本和有标签样本合并进行直推式学习。由于TSVMKMC算法有效地降低了状态空间的规模,因此运行速度较传统算法有了很大的提高。实验结果表明,TSVMSC算法能够以较快的速度达到较高的分类准确率。

突变K-ras基因siRNA腺病毒载体的构建及其对人肺腺癌细胞株H441的影响

目的:构建含12密码子点突变的K-ras基因siRNA腺病毒载体,并研究其对人肺腺癌细胞株H441中突变K-ras基因表达的影响。方法:首先构建含有K-rasV12 siRNA的人H1启动子真核表达载体pSilencerH1/siK-rasV12;利用EcoRⅠ与HindⅢ双酶切将人H1载体启动子和K-rasV12 siRNA序列亚克隆至经相同酶切的腺病毒穿梭质粒pAdTrack中,形成转移质粒pAdTrack-H1/siK-rasV12,然后与腺病毒骨架质粒pAd/PL共转染至大肠杆菌BJ5183中进行同源重组,酶切、序列鉴定。提取含目的基因的腺病毒重组体质粒,经PacⅠ酶切线性化后用脂质体转染293细胞,包装成重组腺病毒AdH1/siK-rasV12,扩增、纯化,并对病毒滴度进行检测。利用得到的重组腺病毒感染人肺腺癌H441细胞株,采用Westernblot检测感染前后K-rasV12蛋白表达水平的变化,观察AdH1/siK-rasV12对人肺腺癌细胞K-rasV12表达的影响。结果:成功构建K-rasV12s iRNA腺病毒载体,该载体可明显抑制H441细胞中K-rasV12蛋白的表达。结论:构建的AdH1/siK-rasV12腺病毒能有效抑制突变K-ras基因在人肺腺癌细胞株H441中的表达,为肺癌的基因治疗提供了新的方法和材料。