多马尔可夫链协同的航班客舱保障过程预测

为感知航班客舱保障过程各节点的动态演化机理,提出一种多马尔可夫链协同(synergy of multi-Markov chains, SMMC)的航班客舱保障过程预测方法。根据航班客舱保障的实际流程及相互约束关系,构建一种客舱保障过程节点协同的马尔可夫模型;基于历史数据作为样本并改进DBSCAN(density-based spatial clustering of applications with noise)聚类算法,设计面向客舱保障过程的DBSCAN-SMMC预测方法。选取国内某大型机场航班运行保障过程的实际运行数据开展仿真验证。研究结果表明,所提方法实现了各节点发生时刻的动态精准预测,其平均绝对误差的均值为0.606 min,均方根误差的均值为1.133 min,与其它方法相比平均绝对百分误差最少降低2%,拟合优度最大提升0.14,能够为机场运行精细化管理提供决策依据。

基于改进K均值和马尔科夫链的公交车行驶工况构建

目的为填补目前缺少符合重庆城区地形特点的公交车行驶工况空白。方法提出一种改进的K均值聚类算法与马尔科夫链结合的行驶工况构建方法。通过滤波算法对采集到的重庆城区805路公交车有效行驶数据进行平滑处理,从平滑后的行驶数据中提取出1721条运动学片段;采用核主成分分析法对各运动学片段的特征参数矩阵进行降维处理,以粒子群算法选择适合的K均值初始聚类中心,并通过改进后的K均值聚类算法对运动学片段进行分类标记;最后通过马尔科夫链筛选出合理的运动学片段,构建出时长为1310 s的重庆城区公交车行驶工况。结果将构建的行驶工况与实车采集数据及国内外部分典型工况进行对比,结果表明:所构建的工况与原始数据在速度-加速度的联合分布趋势一致,构建的行驶工况与实车采集数据各特征值误差均小于7%,所构建的工况与原始数据特征高度吻合且能较好地反映出重庆城区公交车怠速时间比例高、加减速频繁等符合区域特点的实际交通状况。结论构建的工况能为重庆市公交车行驶路线规划、排放及油耗测试等方面提供基础标准,同时其涉及的研究方法能为新能源汽车能量管理、控制策略及其他城市工况构建和城市公交线路优化提供参考。

基于模拟随机流的Markov图聚类方法研究

总结图聚类几种主要算法,在此基础上详细介绍了一种较新的图聚类算法——基于模拟随机流的M arkov图聚类算法(M CL),该算法是基于流这种自然现象的一种简单优美算法,应用在生物信息学网络聚类中比较高效。由于该算法具有运行速度慢、聚类数目过多的缺点,因此又介绍了一种改进的M CL算法——R-M CL算法。

利用Transformer的组合聚类算法在蛋白质数据分析中的应用

该研究将Transformer模型适配于蛋白质特征降维场景,通过其特有的自注意力机制,赋予模型对长程依赖关系的较好建模性能,同时,多头注意力设计使得模型能够从不同角度捕获特征间的相互作用,进一步提升降维结果的表达力和鲁棒性。文章提出了一种新型的GRKM组合聚类算法,在原始K-means算法中引入了灰狼优化算法(Grey Wolf Optimization Algorithm)确定聚类的K值,以随机游走算法(Random Walk)确定初始聚类中心,以马氏距离(Markov Distance)来衡量样本间的相似性。研究中,对5种具有代表性的蛋白质数据集进行了实验验证,得到了改进后算法在轮廓系数以及DB指数等方面相较于改进前都有较大提升的结论。最终的结果分析选取APP蛋白质数据,将蛋白质聚为8类,探讨了各类别的生物功能,在解释性方面也取得了较为明显的效果。所提算法为深入理解蛋白质功能、发现潜在生物标志物以及指导药物设计等实际应用提供了参考工具。

融合多尺度统计信息模糊C均值聚类与Markov随机场的小波域声纳图像分割

声纳图像成像质量差、特征信息弱,目标分割存在一定困难,为此提出一种融合多尺度统计信息的模糊C均值(FCM)聚类与Markov随机场(MRF)的小波域声纳图像分割算法。小波域中低频信息统计特性描述了低频不同区域像素聚类情况,高频信息反映了该方向纹理特征,依据低频子带的统计峰值选取FCM初始聚类中心,应用小波域FCM聚类算法对声纳图像进行预分割,抑制噪声的影响,提高了预分割的准确性;构建初分割后图像的多尺度MRF模型,尺度间节点标记的相关性采用1阶Markov性表征,尺度内构建2阶邻域系统描述系数间的标记联系,标记场采用双点多级逻辑模型建模,同一标记的系数特征场采用高斯模型建模,弥补了MRF算法中层次信息和轮廓信息描述的不足;应用迭代条件模型算法求其最小能量下的标记场,实现声纳图像分割。从视觉主观效果和客观评价指标两方面的实验结果验证表明,该算法分割声纳图像均优于FCM聚类算法和MRF算法,分割的声纳图像边缘与细节的清晰度、精细度均有一定程度改善。

一种基于聚类的Markov预测模型

提出一种新的用户浏览模式的聚类算法,该算法应用马尔可夫链理论,通过对web访问日志的处理,实现了根据用户浏览序列对时间的分类,以便个性化推荐和指导不同类别的用户以不同时间段进行学习。

Training Kohonen Networks by Using an Improved Genetic Algorithm

ＴｒａｉｎｉｎｇＫｏｈｏｎｅｎＮｅｔｗｏｒｋｓｂｙＵｓｉｎｇａｎＩｍｐｒｏｖｅｄＧｅｎｅｔｉｃＡｌｇｏｒｉｔｈｍＳｏｎｇＡｉｇｕｏ（宋爱国）ＬｕＪｉｒｅｎ（陆佶人）（ＤｅｐａｒｔｍｅｎｔｏｆＲａｄｉｏＥｎｇｉｎｅｅｒｉｎｇ，ＳｏｕｔｈｅａｓｔＵｎｉ...

关于高炉炼铁中热风炉送风温度预测的研究

高炉炼铁作业时需要多个热风炉连续交替输送高热空气,以强化高炉冶炼、减少用煤量、增加产量,而烧炉期炉温的控制是最为重要的一环,空燃比的设定需要蓄热室平均温度的准确预测,提出了一种采用核模糊c-means的马尔可夫预测法,将热风炉送风温度记录看作是无后效性的事物,利用马尔可夫法实施预测,考虑到工业控制的复杂性,引入了改进的c-means算法,计算下一次送风终了时蓄热室的平均温度,以计算燃烧中所需煤气量。实验结果证明,改进后的聚类算法准确度提高明显;在与传统预测值比较中,改进的预测方法在温度区间划定以及温度值的拟合度都具备优势,为热风炉温度优化预测提供了依据。

MCL聚类算法求解植入(l,d)模体识别问题

模体识别是指寻找一系列功能相近且形式相似的基因片段.为此将MCL聚类算法引入模体识别应用,设计出一种适用于这个问题的新算法,在一组目标DNA序列中找到拟识别的模体.该方法基于马尔科夫链原理,构建概率转移矩阵,按随机游走方式对矩阵进行扩展、膨胀迭代,最终形成各个样本的分类.在此基础上进行贪心算法求精计算,得出若干组模体.实验表明该算法是有效的.

空间约束FCM与MRF结合的侧扫声呐图像分割算法

针对侧扫声呐图像斑点噪声强、目标分割困难的问题,提出了一种基于空间约束的快速模糊C均值聚类(SCFFCM)与马尔可夫随机场(MRF)相结合的分割算法。为克服噪声干扰,该算法首先基于贝叶斯最大后验概率理论在非下采样Contourlet变换域去除声呐图像中的强斑点噪声;然后为加快分割速度,提出SCFFCM算法,该算法用于给出一个较好的初始分割;接着由初始分割计算MRF模型的约束场,再根据图像邻域内灰度波动情况自适应更新结合权值,进而求解得到FCM模糊场与MRF约束场的联合场,并基于最大概率准则得到分割结果;最后,采用形态学去除分割结果中的孤立噪点,并完成孔洞填充。对仿真及实际的侧扫声呐图像的分割实验结果表明,所提算法较FCM和现有的一些FCM改进算法有更强的抗噪能力、更高的分割精度以及更快的运算速度。

基于混合高斯密度模型和空间上下文信息的遥感影像变化检测方法及扩展

在运用混合高斯密度模型对差分影像建模的基础上,分别采用顾及上下文信息的概率松弛迭代法和马尔可夫随机场模型法进行影像的变化检测。首先,提出一种运用遗传K均值算法与EM算法联合解算高斯混合密度模型参数的方法,该方法可以自动地解算出模型的统计参数,结果与手工选择样本的解算结果完全一致。然后,比较概率松弛迭代法以及马尔可夫随机场模型法的影像变化检测效果,得出基于模拟退火法的马尔可夫随机场法效果较好的结论。最后,对传统的基于模拟退火法的马尔可夫随机场方法进行改进,提出了一种变权马尔可夫随机场方法,检测结果能更好地保持影像的结构性,并有效去除了孤立噪声。

一种新的预测用户浏览模式的度量方法

在Web环境中,度量用户的浏览模式对Web站点结构的改进是有益的。挖掘和度量Web日志能够识别用户的访问模式模型,Web站点管理者能够应用这些模型研究用户的访问偏爱度,由此改进站点的体系结构以及分析这些改进带来的影响。因此,提出用户群偏爱度这样一个新概念,并使用了基于用户群的模糊聚类算法(UGFC),然后根据聚类结果,即具有相似访问习惯的用户群体,度量用户群偏爱度,再基于用户群偏爱度,利用混合阶Markov模型(HOMM)进行预测。实验表明,这种新的度量预测方法(UGFC-HOMM)比传统Markov模型(TMM)预测更准确,并且实验用精确率、覆盖率和运行时间这3个度量评价值对预测性能进行评估。

基于多域的互联网物理对象关联分析方法研究

随着物联网技术的发展应用,越来越多的物理对象能被远程主机感知发现,相关物理对象的属性信息能被搜集和表示,但目前对于物理对象属性信息的分析和研究还不够系统全面。为深入研究物理对象,把物理对象的属性信息分为社会域、信息域和物理域三个多域层次,通过融合分析物理对象的多域属性信息,发掘物理对象之间的关联特性,能找出网络空间中物理对象之间隐含的关联情况。综合物理对象不同域中的属性信息,建立不同的关联计算方法得出物理对象多域关联关系矩阵,最后结合改进的马尔可夫聚类算法综合分析物理对象之间的关联关系。实验结果表明,该方法在物理对象融合关联分析方面有较好的聚类效果。

基于MRF随机场和广义混合模型的遥感图像分级聚类

有限混合模型FM的分级聚类已广泛应用于不同领域,然而,它的计算复杂度与观测数据的平方成正比,因此,在海量数据方面的应用就受到了限制。另一方面,多光谱图像数据中同时包含有空间和光谱两类信息,但大多数基于像素的多光谱图像聚类方法,仅使用了其频谱信息而忽视了空间信息。本文提出了一种新的基于广义有限混合模型GFM的分级聚类方法,该算法把MRF随机场和GFM模型结合在一起,分类数可以通过PLIC准则自动确定。算法在执行过程中,采用K均值聚类方式获得过分类图像,分级聚类从过分类图像开始,代替原来从单点类开始的方式,这样可以方便获取GFM模型成分密度的初始参数。最后,采用由Gibbs采样器生成的仿真测试图对算法的精度进行了定量评价,通过与K均值聚类和FM聚类的比较说明了本文算法的优越性,同时用荷兰Flevoland农业地区的极化SAR图像验证了本文算法的有效性。

基于PCA和HMM的心音自动识别系统

针对信号识别率高低由识别模型及特征参数决定的特点,提出融合K均值聚类的多观察序列的Baum-Welch参数重估算法,用于训练隐马尔科夫模型(HMM),通过主分量分析(PCA)对梅尔频率倒谱系数进行变换,并设计与实现一套基于PCA和HMM的心音自动识别系统。实验结果表明,该系统对6类常见心音的平均识别率达到83.3%,性能优于其他心音识别系统。

基于情境感知的广播电视群组发现策略

为解决广播用户收视兴趣复合性问题,提出一种基于时间情境感知的电视用户群组发现策略。采用张量分解获取节目和收视时间的隐性特征矩阵,利用马尔可夫聚类算法实现对记录的分类,并根据记录分类结果发现用户群组,用户组群以家庭用户为单位,识别出特定时段具有相似观看兴趣的所有家庭用户,并针对家庭用户群组实现节目推荐功能。实验结果表明,该策略可减小组内用户与群组整体在观看兴趣方面的平均绝对误差,并提高组内成员的观看兴趣相似度。

基于马尔可夫混合模型的电子商务搜索引擎用户行为聚类

对搜索引擎用户行为进行聚类分析有利于为用户提供个性化的服务。为了能准确地刻画用户行为的动态性,提出利用马尔可夫混合模型,对电子商务搜索引擎的用户行为模式聚类。模型假设每一类用户行为可表示为一个马尔可夫模型,当用户使用搜索引擎时,每个用户以一定的概率属于某一聚类;该用户的行为序列,由对应的马尔可夫模型产生。同时,为了解决参数估计和模型自动选择的问题,将贝叶斯阴阳和谐学习理论应用于该混合模型,提出针对该模型的和谐度函数及自适应梯度算法。仿真实验结果表明,与传统的最大期望(EM)算法相比,基于贝叶斯阴阳机的自适应梯度算法能更高效和准确地同时进行参数学习和模型选择。最后,将所提出的聚类方法应用于真实的电子商务搜索引擎点击日志,初步验证了本模型的有效性。

一种改进的图分割算法在用户行为异常检测中的应用

基于模拟随机流的马尔科夫分类算法(Markov Cluster Algorithm,MCL)是一种快速且可扩展的无监督图分割算法,在用户行为异常检测中具有广泛的应用,但时间复杂度为O(N3),不利于处理海量数据。为提高分割质量,同时减少计算时间,文章提出了一种改进的MCL模型。采用调整互信息(Adjusted Mutual Information,AMI)指标,对不同时间的图分割结果的相似度进行比较,判断是否有异常发生。实验表明,相较多层图分割算法(METIS),文章所提出的改进的MCL模型具有以下优点:1)无需事先规定聚类的数目;2)不易被数据中的拓扑噪声所影响;3)适合处理长尾分布的数据;4)在计算时间一定的情况下,能获得质量较高的分割结果 。

基于改进谱聚类算法的交通区域划分方法

针对传统谱聚类算法在路网划分时承载路网信息较少和聚类中心优化问题,提出一种基于改进谱聚类算法的城市路网划分算法。通过转移概率模拟交通路网动态运行特征,利用马尔可夫链对谱聚类相似图进行重构,增强相似图的健壮性,与遗传算法结合,通过遗传算法优化初始聚类中心,提高谱聚类全局寻优能力。实验结果表明,改进后的算法比基准算法具有较好的聚类效果,能够有效划分城市路网。

基于稀疏轨迹聚类的旅游目的地位置预测方法

生成对抗网络预测方法与行人轨迹预测模型在进行旅游目的地位置预测时都会受到旅游者偏好的影响,导致旅游线路具有一定的重复性,旅游目的地位置预测效果不理想。为此,提出基于稀疏轨迹聚类的旅游目的地位置预测方法。实验结果显示,该方法的平均预测偏离阈值降至222.12 m,表明该方法能够提升旅游目的地位置预测的准确性。