考虑交叉口时空相似性的路网动态分区方法

对路网中具备同质性和关联性的交叉口进行分区,是实施路网分区协调控制策略的前提。提出了一种考虑流量时序相似度和交叉口空间邻接关系的路网动态分区方法。首先针对交叉口不同方向进口道的车流量时序数据,提出了时序相似度算法,考虑最长公共子串、豪斯多夫距离计算流量时序相似度矩阵;其次考虑交叉口空间邻接关系,利用谱聚类方法结合相似度矩阵构建了路网动态分区模型;最后以北京国贸周边路网为例,结合模块度为评价准则进行算法性能分析。算例结果表明:提出的两种考虑时空相似性算法的划分方法,其模块度均在0.3至0.7之间,表明空间划分效果好,其中基于最长公共子串的划分方法最优,其模块度为0.49,而基于豪斯多夫距离的划分方法较差为0.33。

基于有向加权图的相似性度量及聚簇划分

传统的社区聚簇划分通常利用邻域节点关系计算节点相似度以实现聚类分析,未充分考虑节点间信息传递的方向性、双向边权的对称强度等特征信息的影响。为提升聚类分析精度,文章提出一种基于有向加权图的双向度量相似度的BDMS算法。该算法首先通过马尔科夫链转移转移概率矩阵构成有向加权图,图中节点的相似度由共邻相似度和直连相似度组成,并综合考虑图中相邻节点、边方向、边权、权值对称性等因素,在此基础上,采用谱聚类无向图切图模式进行聚簇划分,以实现社区聚类分析。实例结果表明,BDMS算法在节点聚集分布、模块度、轮廓系数等方面相比传统的相似度计算方法具有明显优势,同时在谱聚类和传统K-means聚类分析中也表现出较好的适应性,能更好地发现潜在的社区结构。

基于半监督自动谱聚类算法的网络故障检测

针对网络故障检测中利用先验知识不足和多数谱聚类算法需事先确定聚类数的问题,提出一种新的基于成对约束信息传播与自动确定聚类数相结合的半监督自动谱聚类算法。通过学习一种新的相似性测度函数来满足约束条件,改进NJW聚类算法,对非规范化的Laplacian矩阵特征向量进行自动谱聚类,从而提高聚类性能。在UCI标准数据集和网络实测数据上的实验表明,该算法较相关比对算法聚类准确率更高,可满足网络故障检测的实际需要。

基于谱聚类的二分网络社区发现算法

二分网络是一类特殊的网络,在探索网络深层结构上具有重要作用。针对二分网络社区划分方法仍存在划分精度不高的问题,应用标准化谱聚类,提出了二分网络社区发现算法——谱聚类交互算法(SPCI)。首先,根据二分网络中两类节点之间的连边关系,构建相似性矩阵;然后,利用谱聚类算法将其中一类节点聚类;最后,利用交互度指标实现二分网络的社区划分。在人工数据和真实数据上的验证表明,SPCI不仅拥有比资源分布矩阵算法、边集聚系数算法和联合谱聚类算法更高的准确性和模块度,而且可以较为准确地确定社区划分个数。

基于语义描述与优化的网络性能数据聚类方法

为了从多源复杂的网络性能数据中挖掘有用模式以提高网络服务质量,研究了基于本体的网络性能监测数据聚类分析方法。阐述了网络性能监测数据的语义描述方法,提出基于语义和属性数据相融合的网络性能数据相似性度量模型,并给出基于改进k-means的NJW(Ng-Jordan-Weiss)谱聚类算法。通过在UCI数据集和校园网性能监测数据集上的实验表明,所提方法较相关比对方法具有更高的聚类准确性和区分度。

基于相似度网络融合的极化SAR图像地物分类

从极化合成孔径雷达(synthetic aperture radar,SAR)图像中提取多种特征向量堆叠成一个高维特征向量用于地物分类,将导致部分特征向量的分类能力减弱或丧失。针对此问题,将每种特征向量看作为不同视角数据,提出了一种基于一致相似度网络融合的极化SAR图像非监督地物分类方法。首先,将极化SAR图像进行过分割,基于超像素提取5种特征向量以构建5个相似度矩阵;其次,采用一致相似度网络融合多视学习算法生成融合的相似度矩阵;然后,基于该矩阵进行谱聚类;最后,提出一种分类后处理策略修正错分像素。仿真和实测极化SAR图像地物分类结果表明,该方法性能优于其他5种经典方法。

基于时空轨迹数据的异常检测

伴随着智能设备的普及和无线通信技术的发展,用户在使用无线网络满足各种需求时,无线网络也记录下了用户上网留下的大量时空轨迹数据。针对时空轨迹数据的异常检测已经成为数据挖掘领域一个新的研究热点。为了更好地关注学生健康发展,促进校园信息化建设,以真实校园上网数据为例,提出了一种基于多尺度阈值和密度相结合的谱聚类算法(Spectral Clustering Algorithm Based on The Combination of Multi-Scale Threshold And Density,MSTD-SC),使用基于最短时间距离子序列(Shortest Time Distance-Shortest Time Distance Subsequences,STD-STDSS)的亲和距离函数来构造初始相似度矩阵,进一步引入协方差尺度阈值和空间尺度阈值对相似度矩阵进行0-1化处理,以此得到更精确的样本相似度,接着对相似度矩阵进行特征值分解,得到新的特征向量空间,最后采用DBSCAN聚类避免了K-means算法需要人工确定聚类数目的缺陷。利用轮廓系数评估多种算法得到的实验结果,MSTD-SC算法体现出了更好的聚类性能。将其应用于用户个体的异常检测中,异常用户名单被验证是有效可信的。

谱聚类的现状及其在社会网络中的应用(英文)

近年来,凭借其重要的研究意义,采用数据聚类去分析社会网络已成为时下最热门的话题之一。这些研究最直接应用的是防止恐怖袭击和社区通过检测疾病的传播。此外,由于社会网络是动态的,而社会关系的变化是可以通过数据聚类方法预测的。从而使得清楚了解社会网络结构将有助于促进社会发展和社会成员间的合作。从数据挖掘角度来看,社交网络是一种不完全的,庞大的,复杂的,动态的网络。而这些特性使得传统的数据聚类方法并不能成功应用在社会网络中。相反,作为一个最流行的现代数据的聚类算法,谱聚类在对社交网络的问题提供了一种系统的,灵活实用的解决方案。理论和实验证明,谱聚类在寻找全局最优解和处理大型数据集方面的性能优于传统聚类算法。一方面审视讨论当今谱聚类的理论和算法,及其优于传统聚类算法的特点。另一方面,也涵盖了社会网络的基本知识及两个典型的谱聚类在社会网络中的应用。

供水管网DMA分区及优选分区边界管段方法研究

针对目前城市供水管网进行独立计量分区(DMA)方法不成熟、依赖经验较多的问题,提出了一种新的DMA分区方法。以分区边界管段(BPs)长度和BPs中高流量管段数量最小化为目标,定义了两节点间相似度计算公式,利用谱聚类(SC)算法完成对DMA区域的划分。在满足管网压力限制的条件下,以节点压力标准差之和、综合水龄指数和分区成本作为优化目标,建立BPs上阀门和流量计优化布置模型。使用多目标粒子群(MOPSO)算法求解该模型,得到Pareto最优解集;通过优劣解距离法(TOPSIS)进行多个布置方案的决策。将该方法应用于某实际管网进行DMA分区,结果表明,该方法可以顺利完成管网DMA分区,并在改善分区后管网水力水质性能及降低分区成本等方面起到显著作用。