基于映射距离比离群因子的离群点检测算法

针对基于邻近性的离群点检测方法需要花费大量时间过滤正常点,并且在检测全局离群点时难以检测出局部离群点的问题,提出一种基于映射距离比离群因子离群点检测(MDROF)算法。首先,为了减少正常点在检测过程中的时间消耗,给出了差异相似度的概念,通过定义差异相似度剪枝因子过滤掉数据集中的大部分正常点。其次,定义映射k距离,通过映射距离与可达距离的比值刻画数据对象的局部离群程度,通过可达密度刻画数据对象的全局离群程度。最后,结合数据对象相互近邻点的平均排位定义映射距离比离群因子来检测离群点。在人工数据集以及真实数据集上分别对该算法与其他经典的离群点检测算法在精确率、AUC值和离群点发现曲线上进行实验对比分析。实验结果证明MDROF算法在离群点检测的准确性和稳定性上明显优于对比算法。

自适应初始光子收集半径的卡方渐进光子映射

卡方渐进光子映射(chi-squared progressive photon mapping, CPPM)使用K近邻法(K nearest neighbor, KNN)为命中点确定初始半径,导致图像中光照均匀区域的噪点及明暗交界区域和焦散区域的模糊。针对此问题,提出一种计算光子映射初始半径的算法,自适应地为各命中点确定初始半径:为CPPM算法增加预处理环节,根据对光子分布的均匀程度的检验及对高频区域的筛选为命中点设置初始半径,以保证光照均匀区域的命中点保持在大半径上,光照变化区域的命中点半径快速下降。实验结果表明,改进算法减少了光子映射算法的方差和偏差,提高了渲染效果。

K-凸函数的性质

借助集值映射的K-回收映射和K-雅可比映射得到了K-凸函数的两个性质。

基于双特征的短波红外星图识别算法

在短波红外波段进行昼夜测星有望实现近地空间全天时自动导航,其中,星图识别算法是实现全天时导航的关键技术之一。传统的三角形算法在导航星数增多的情况下,由于其匹配特征维度低,在识别时容易出现冗余匹配、误匹配的情况。针对这一问题,提出了一种基于双特征的短波红外星图识别算法,该算法选取三角形的面积与外切圆半径双高维特征作为匹配特征,通过构建面积特征的K矢量索引,应用K矢量查找法降低匹配识别的计算复杂度。此外,还提出一种优化的观测三角形的选择策略,减少了匹配过程中的计算量,提高算法的识别速度。实验表明,星点位置噪声低于2像素时,算法的平均识别率优于95%;伪星数未超过50%时,平均识别率可达87.6%;并通过实际观星试验验证了所提算法的可行性,与改进的三角形算法相比,该算法在识别速度、识别率以及抗噪声能力等方面都有明显优势。

基于Citespace的粉葛研究进展可视化分析

基于文献计量学方法,通过Citespace软件绘制知识图谱,以“粉葛”和“甘葛藤”为主题词,将采集到的1993~2022年377篇文献作为研究对象,对文献的发文量、作者、发文机构、期刊分布、等进行信息挖掘,并通过关键词聚类图谱、时间图谱、突现词分析等方法进行可视化分析。结果表明,粉葛相关文献年发文量总体呈现上升趋势,2020以来呈现快速增长态势。从事粉葛研究的主要机构包括江西中医药大学、广西农业科学院、广西大学等,合作单位和合作团队呈现明显的“地缘”和“学缘”特征。目前,粉葛相关文献40%发表在核心期刊上,其中,中医药类和食品加工类期刊收录的粉葛相关文献较多。研究内容从理论走向实践,研究热点从粉葛品质鉴定、粉葛栽培技术转向粉葛生药学、产业经济调研等;目前,淀粉、产量、多糖等成为突现关键词;关键词时区图结果显示葛根素、总黄酮、HPLC等关键词贯穿整个粉葛研究阶段,成为该领域的研究基石,反应了粉葛研究存在的一定问题。

基于多策略融合斑马优化算法的特征选择方法

针对传统斑马优化算法在求解复杂优化问题时精度低、收敛速度慢和易陷入局部最优的不足,提出一种多策略融合的改进斑马优化算法(IZOA)。首先,为解决斑马个体初始位置分布不均匀的问题,引入混沌映射来增加探索过程的种群多样性;其次,受自适应权重和黄金正弦算法思想启发,提出一种基于自适应递减权重和黄金正弦更新机制的位置更新策略,用于改进斑马算法的局部寻优与全局探索能力;然后,进行标准测试函数实验,验证了IZOA能够有效提升寻优精度和收敛速度;最后,将K近邻分类器作为待优化目标,选取UCI库的12个标准数据集进行特征选择实验,并利用改进后的算法在特征选择模型中进行最优特征子集搜寻。实验结果表明,相比传统算法,所提算法的平均分类准确率提升4.47%,平均适应度值降低2.5%,验证了该算法在特征选择领域的优越性。

融合SOM神经网络与K-means聚类算法的用户信用画像研究

为提高现阶段基于K-Means聚类算法的用户信用画像模型的准确性和实时性,提出一种融合自组织映射(SOM,Self-Organizing Map)神经网络与K-Means聚类算法的改进方法。通过SOM对用户数据进行降维和特征提取,直接获得最优聚类数目后再用K-Means算法进行聚类分析。通过真实在线借贷平台数据对所提方法进行验证,结果表明,该方法可提升用户信用画像分析的质量,更好地满足金融数据分析中对实时管理和风险控制的要求,为金融机构提供精准的决策支持。

基于改进RFM模型与聚类算法的民航客户细分研究

对于传统的RFM模型客户细分而言,由于缺乏科学的指标而无法针对航空市场进行精确的细分,因此提出TLFM模型作为细分的指标,利用自组织映射(SOM)算法和“手肘法”确定k-means算法的最佳k值,从而得到航空市场客户细分的结果。最后根据客户细分的情况和各类客户的行为特征,提出差异性的服务和不同的营销策略来提高航空公司的竞争力。

量子态在两体和k体下基于min相对熵的量子关联测度

量子关联作为量子力学的奇特资源已经被应用在很多方面,相对熵作为研究量子关联的关键概念之一,总是被用来度量物理系统状态所包含的不确定性.本文在已知min相对熵的一些基本性质的前提下,分别提出了在两体和k体分划下基于min相对熵的关联测度的定义.除此之外,本文证明了该定义满足量子关联测度的一些基本性质,包括非负性、在酉算子操作下保持不变性以及在完全正的保迹线性映射(CPTP)下的单调性.介绍了量子信道的概念,并且讨论了量子信道对k体分划下基于min相对熵的关联测度的影响.通过提出新的关联测度以及证明量子信道对该测度的影响,能够更好刻画物理系统状态所包含的不确定性.

基于层次地图模型的改进蚁群路径规划

针对大规模环境中蚁群算法存在搜索空间大、易陷入局部最优等问题,设计了一种基于层次地图模型的改进蚁群算法。首先,基于K-means聚类算法进行地图预处理并构造了由底层与高层地图构成的层次地图模型,依据当前区域精细搜索、远处区域粗略搜索的策略获取非完整路径,使高层路径为路径搜索方向提供指引;其次,将层次地图中的路径搜索策略引入蚁群算法的状态转移过程中,由此减小蚁群算法的搜索空间,同时改进了所设计蚁群算法的启发函数,提升路径平滑度;最后,仿真结果表明改进后的蚁群算法避免了传统蚁群算法易陷入局部最优的问题,在大规模环境中有较好可行性与有效性。

基于改进樽海鞘群算法的特征选择方法

针对樽海鞘群算法求解精度不高、收敛速度慢、容易陷入局部最优等问题,提出融合多种策略的改进樽海鞘群算法CESSA。在初始化种群时引入无限折叠混沌映射,增加初始种群的多样性;在领导者位置更新处融入非线性收敛算子,提高算法全局勘探收敛速度,增强解的精度;根据适应度值的优劣对追随者位置分别采用收敛算子和随机数扰动方式进行更新。改进算法CESSA与K近邻分类器结合构成特征选择模型CESSAFS并用于数据分类。在8个基准函数和10个UCI数据集上分别对CESSA和CESSAFS算法进行测试,其结果表明,改进算法性能更优。

基于应变能动态聚类的梯度点阵结构优化设计

为了优化具有空间渐变几何特点的梯度点阵结构,促使有限材料在宏观结构中实现合理分布,提出结合动态聚类的两尺度并发拓扑优化方法。在整个优化过程中,微结构分区方式可以通过K-means聚类方法基于当前的宏观单元应变能进行聚类更新,获得比静态分区更为合理的微结构分布方式;并引入微结构转角变量,根据结构主应力方向来布置微结构转角,获得更为合理的宏观结构传力路径。数值算例表明,相较于传统指定材料区域的静态分区方法,该方法可以更为有效地进行材料分布,充分利用材料的各向异性,提升结构性能。

分层网格划分实现海量地图标记物聚散可视化

在传统的地图可视化中,面对海量地图标记物展示会采用点聚合的方式,但是各类点聚合算法都是运行时计算,没有分层机制,在海量点的散开展示时,对于地图标记物堆叠没有过滤机制。针对这一问题,提出了分层的网格划分实现海量地图标记物聚散一体化解决方案。该方法对分层网格中心点构建K-D树索引,对海量点构建四叉树索引,通过索引和存储技术,实现了聚合的高效查询。对海量点散开时增加网格过滤,消除堆叠问题。在实验案例数据集上进行对比,结果表明,与传统的点聚合方案相比,在数据量大的情况下,计算性能显著提高,对海量标记物散开展示增加过滤算法,有效提升了用户体验。

惯性行人导航零速区间检测的非线性空间K-means聚类算法

惯性行人导航系统中,零速区间检测的准确性直接关系着基于零速修正(ZUPT)的行人导航精度。为此,设计了一种基于非线性空间映射与K-means聚类算法结合的零速区间检测算法。通过经典零速区间检测算法广义似然比检测(GLRT)确定初始零速区间;选取零速区间与非零速区间交界处的加速度数据,将合加速度幅值作为变量,映射到设计的非线性空间中,放大数据差异;利用K-means聚类算法对映射后的数据进行聚类,经过去噪声处理后确定出更精准的零速区间;通过惯性行人导航系统实验验证非线性空间K-means聚类零速区间检测算法的有效性。实验表明,所提出的惯性行人导航零速区间检测的非线性空间K-means聚类算法相比于GLRT算法和基于K-means聚类的零速区间检测算法,定位精度显著提高,并在匀速行走、变速行走和长距离长航时行走3种运动模式下进行了实验验证;相比基于K-means聚类的零速区间检测算法,减小了计算量。所提算法能够自适应不同的运动状态,无需随时调整阈值,且理论上可以优化任意传统零速区间检测算法,具有良好的工程应用价值。

多变异策略的差分演化算法研究

针对经典差分演化算法易出现全局搜索能力低、收敛速度慢的特点,提出了一种多变异策略的差分演化算法。首先,该算法在经典差分演化算法的基础上,引入混沌映射机制进行初始化,可以增强算法的全局搜索能力。然后,选择多种变异策略进行优化:(1)利用Hilbert变异矩阵有选择方向的进行变异,减少变异的随机性;(2)利用正交表来选择种群变异的分量,增强全局搜索能力;(3)利用K-means聚类算法,对种群进行聚类选择,从而加快算法的收敛速度。对多个经典测试函数进行试验研究,研究结果表明:该方法具有快速的收敛能力、良好的稳定性,其优化性能显著提升。

基于K-means与Prophet混合模型的工业用户节电潜力研究

大型耗能工业用户在生产过程中用电量大,具有丰富的节电空间,目前亟需对相关用户的电力负荷开展特性分析及用电成本研究。以某地区重要的耗能工业用户为研究对象,基于K-means聚类算法、Prophet负荷预测和数据可视化理论,结合该地区用户负荷数据作为算例验证,开展用户负荷特性分析及预测研究,并深度挖掘不同行业用户的节电空间潜力。

太湖流域苏皖汇流区土壤可蚀性K值及其应用的研究

利用土壤普查成果中的土壤图和理化分析等资料 ,采用公式计算法研究了该区土壤的可蚀性K值 ,改进和完善了K值图编制方法 ,并用微机首次制出具有准确几何位置、可与地形图配准的土壤可蚀性K值图。同时 ,还依据该区K值的分布特点讨论了它在水土保持、土壤年流失量监测、生态农业建设和防洪减灾中的应用。

基于K图的布尔差分计算的图形方法

基于 K图和降维 K图 ,讨论了计算逻辑函数的一阶布尔差分和二阶布尔差分的图形方法 .实例表明该方法具有直观、简单等特点 ,并且它能给出布尔差分的最简与 /或式 .

基于K图的布尔E-导数计算的图形方法

分析了逻辑函数的K图和降维K图,在此基础上,从逻辑函数定义出发,讨论了用K图和降维K图计算逻辑函数一阶布尔E-导数和二阶布尔E-导数的图形方法,实例表明该方法具有直观、简单等特点,并且能给出布尔E-导数的最简与/或式.

基于K图的函数RM展开式在固定极性下的最小化

分析了K图的性质,发现在K图中过某格的所有聚合圈相应的各乘积项所含变量与该格对应的最小项均有相同的极性,在此基础上提出了得到基于K图函数RM展开式在固定极性下的最小化的图形方法.该方法可以从K图直接得到函数的最小化的RM展开式,从而省略了传统的把K图转变为bj图再求最小化的步骤.它具有直观、简单、易于掌握等特点.此外,文中还提出了该方法的改进算法.