基于模糊K-harmonic means的谱聚类算法

谱聚类作为一种有效的方法广泛应用于机器学习.通过分析谱聚类初始化敏感的实质,引入对初值不敏感的模糊K-harmonic means算法来克服这一缺点,提出一种基于模糊K-harmonic means的谱聚类算法(FKHM-SC).与传统谱聚类算法以及对初值敏感的K-means、FCM算法相比,改进算法不仅可以识别有挑战性的人工数据,并且可以得到稳定的聚类中心和聚类结果,同时提高了聚类的精确度.实验结果表明了该算法的有效性和可行性.

基于k-Harmonic means聚类分析的物流中心选址模型研究

通过对传统物流选址模型运输成本的讨论,运用k-Harmonic means聚类分析方法对传统物流选址模型中运输费用进行重新构建,将以往的辐射状点对点送货路径替换为更贴近实际的连续圈式送货路线,克服了传统模型不符合实际情况的弊端,并通过较大规模的数值实验验证了方法的优越性。

基于双层规划和K-Harmonic means聚类分析的学校选址研究

学校选址是教育投资的首要环节,依据义务教育的强制性、免费性、普及性和均衡性等特点,建立了学校选址问题的整数线性双层规划模型(ILBP)和无容量限制的单层模型(UFLP).运用K-Harmonic means聚类分析方法对UFLP中的交通费用进行重新构建,并通过较大规模的数值实验验证了该方法的优越性.

基于PCA和KHM聚类的唇特征提取算法的研究

在基于隐马尔可夫模型(HMM)的语音同步唇动合成系统中,提出了基于主成分分析(PCA)法的口形全局纹理特征的表达方法,并在此基础上运用对初始值不敏感的K调和均值(KHM)聚类算法对实验中所用到的1650张24位真彩色唇图像样本进行PCA特征提取和聚类分析,以便于在语音唇动合成研究中建立语音特征与唇特征之间的映射关系.实验结果表明该方法保存了唇动过程中的嘴部二维形状信息,避免了由于特征点提取不准而对唇动合成产生的影响,同时运用KHM聚类算法使得聚类结果更加准确,有利于人脸语音动画的研究.

基于改进引力搜索的混合K-调和均值聚类算法研究

为了解决聚类算法容易陷入局部最优的问题,以及增强聚类算法的全局搜索能力,基于KHM算法以及改进的引力搜索算法,提出一种混合K-调和均值聚类算法(G-KHM)。G-KHM算法具有KHM算法收敛速度快的优点,但同时针对KHM算法容易陷入局部最优解的问题,在初始化后数据开始搜索聚类中心时采用了一种基于对象多样性及收敛性增强的引力搜索算法,该方法改进了引力搜索算法容易失去种群多样性的缺点,并同时具有引力搜索算法较强的全局搜索能力,可以使算法收敛到全局最优解。仿真结果表明,G-KHM算法能有效地避免陷入局部极值,具有较强的全局搜索能力以及稳定性,并且相比KHM算法、K-means聚类算法、C均值聚类算法以及粒子群算法,在分类精度和运行时间上表现出了更好的效果。

一种基于矩阵分解技术和考虑社交网络的推荐策略

随着社会潮流趋势的演进,如何更好地满足个性化需求已成为个性化推荐服务研究领域的新趋势,推荐系统对帮助用户在海量的线上异构数据中快速发现其感兴趣的内容具有广泛的应用。为了在复杂场景中有效缓解推荐系统研究领域普遍存在的数据稀疏和冷启动等问题,同时在复杂环境下提高其推荐项目的准确性和多样性,提出一种在矩阵分解技术的基础上同时考虑社交网络推荐的新方法。首先,通过将粒子群优化技术(PSO)与K-harmonic means(KHM)聚类算法融合,设计了一种混合聚类算法并对用户进行聚类,然后在相似度计算模型中引入多因素,利用矩阵分解技术计算用户的行为偏好,最终获取用户的最佳项目推荐列表方案。研究对Book-Crossing书评基准数据集进行仿真分析,结果表明提出的新方法具有较好的推荐准确性和多样性。

用于人脸语音动画的唇特征提取和聚类算法

近年来,人脸语音动画的研究成为了一个热点。在人脸动画中,嘴唇的特征提取显得尤为重要。文章提出了基于主成分分析(PCA)法的口形全局纹理特征的表达方法,并在此基础上运用对初始值不敏感的K调和均值(KHM)聚类算法对研究中所用到的538个唇图像样本进行聚类,以便于语音唇动合成研究中建立语音特征与唇特征之间的映射关系。实验表明文章提出的方法既保存了唇动过程中的嘴部二维形状信息,又避免了由于特征点提取不准而对唇动合成产生的影响,同时运用KHM聚类算法使得聚类结果不受初始选取的影响,聚类更加准确,有利于人脸语音动画的研究。