多维要素流视角下成渝城市群空间结构特征研究

随着交通、通讯设施的日益完善与经济的快速发展,城市间各类要素流动更为频繁并形成城市网络,促进城市动态“流”数据的分析成为区域空间结构研究新范式。相比单一要素流,多维要素流可以从更加综合的视角刻画城市群内部网络联系,识别城市群空间结构特征。本文通过集成百度迁徙、快递物流线路、百度指数、企业总部—分支、科技论文合作等多元地理流数据建立成渝城市群人流、物流、信息流、资金流、技术流及综合流网络,借助社会网络分析方法识别网络节点特征并结合位序—规模法则评估城市体系规模结构,利用核密度分析法识别多维要素流动主要廊道,结合优势流和DBSCAN聚类分析成渝城市群空间组团特征。结果表明:第一,在多维要素流网络中,各节点层级分化明显,成都市、重庆市是成渝城市群的两大核心,对多维要素流的集聚扩散能力突出,而其他城市普遍发育不足。第二,重庆市—成都市关联区间联系强度最高,成都市、重庆市与14个地级市组成的关联区间次之,14个地级市之间组成的关联区间最低,成渝发展主轴、成德绵乐城市带是要素流动的主要廊道。第三,在优势流约束下,成渝城市群内部形成成都—德阳—眉山、重庆—广安、南充—遂宁、内江—自贡—宜宾—泸州、乐山—雅安共5个空间聚类,其中南充—遂宁、内江—自贡—宜宾—泸州具备培育都市圈的潜力。结合本文分析结果和现有规划,建议将多维要素流网络中心度相对较高的绵阳、南充、宜宾作为次级中心城市培育,在重点发展成都都市圈、重庆都市圈的同时着力培育南充—遂宁、内自宜泸两大都市圈,促进绵阳市、雅安市、乐山市、达州市等圈群空隙城市差异化、特色化发展,强化宜宾—泸州—重庆沿江发展轴,逐步优化成渝城市群空间结构,形成区域协调发展新格局。

基于三支特征表示的抽象画情感聚类分析

针对绘画图像情感标注所需资源巨大的问题,设计一种针对抽象画图像的情感聚类方法。提出一种基于三支决策的颜色特征表示方法和纹理特征表示方法,结合改进的深度学习模型,从抽象画图像中提取颜色特征、纹理特征和高层语义特征;使用多核k均值算法,自适应地融合3种特征,实现图像的情感聚类分析。实验结果表明,在MART和Deviant-Art数据集上,与4种基准方法相比,提出方法在准确度、Fowlkes-Mallows指数和标准化互信息上分别平均提高了30、23和49个百分点。提出方法在抽象画图像的情感聚类分析应用中表现出色,这也为其它绘画作品的无监督情感分析研究提供了参考。

基于核KMeans和SOM神经网络算法的海况聚类分析

为了更加高质量地利用海况数据,避免由复杂因素导致的对海况误判问题,基于KMeans、核技巧、自组织映射(Self-organizing Mapping, SOM)神经网络构建了自组织映射混合核KMeans(SOM-Gaussian and Polynomial Kernel-KMeans, SGPK-KMeans)算法.克服了KMeans对复杂数据聚类效果不佳、核KMeans需要指定聚类数目和对初始聚类中心敏感的问题.通过海况数据聚类实验,将SGPK-KMeans算法的聚类效果与经典KMeans、单核KMeans和SOM神经网络算法进行对比分析.结果表明SGPK-KMeans对于海况数据聚类具有更加稳定的效果且能更加准确的识别出数据中的异常值.

基于网络核密度估计的交通事故黑点识别

为了对交通事故多发点进行分析,识别事故黑点并进行针对性治理,以深圳市龙华区2018—2020年3年间的1 105起道路交通事故数据及道路网络数据作为研究对象,采用高斯函数作为内核函数的道路网络核密度估计,通过K-means聚类进行路段密度等级划分。为进一步考虑路段之间的相关性,提高事故多发点识别精度,采用Local Moran′s I对事故多发点进行识别。对比平面核密度估计结果表明,所采用的基于网络核密度的Local Moran′s I的方法体现了事故多发点在路段及交叉口的分布特征。研究结论对识别事故黑点、进一步提高交通安全水平具有现实意义。

基于动态聚类的电力变压器故障诊断

本文提出了一种新电力变压器故障诊断的动态聚类方法,以人工免疫网络对故障样本进行免疫学习和记忆,提取表征故障样本的有用特征作为核可能性聚类算法的初始聚类中心,再用遗传算法动态选取聚类个数和中心实现故障样本的分类。该诊断方法经大量实例分析,并将其结果与BP神经网络等方法的结果相比,表明该算法具有较高的诊断精度。

有核网络型集群中知识共享深度与知识型企业的创新资源投入关系研究

针对我国由国内小企业对大企业(国外跨国公司)的依附关系而形成的有核网络型集群,建立集群中知识溢出、知识共享所形成的不同深度组织知识和企业的私有知识对产出的影响分析模型,通过仿真计算,研究了不同知识共享深度及私有知识产出弹性对企业知识共享行为和创新资源投入的影响。研究表明,对大企业而言,只有当公共知识产出弹性超过一定阈值时,才会进行主动知识共享,且该阈值随着知识共享深度的增加而增大;且当公共知识产出弹性超过该阈值时,大企业创新投入将随公共知识产出弹性的增加而显著增加;但此时公共知识产出弹性的增加反而会抑制小企业的创新投入。相关研究结论对促进集群持续发展提供了有益的启示。

基于人工免疫核聚类的支持向量数据描述方法

为使支持向量数据描述(SVDD)能应用于无监督多分类情况,提出了一种基于人工免疫核聚类的支持向量数据描述(AIKCSVDD)方法。AIKCSVDD将人工免疫核聚类产生的记忆抗体作为目标数据点,使用SVDD方法进行多类学习。在AIKCSVDD中,一方面实现了用核聚类方法解决各类数据边界不清晰的长处与免疫网络聚类方法全局收敛、不需要先验知识的优点的有机结合;另一方面,由于用记忆抗体代替原始数据进行学习,从而更好展现了原始数据的全局分布特征。与基于K-means聚类multi-SVDD方法相比,AIKCSVDD不需要事先指定分类数;在人工数据集和UCI数据集上的实验表明,在为multi-SVDD指定分类数的情况下,AIKCSVDD仍比multi-SVDD具有更好的分类性能。

基于核聚类的无线传感器网络异常检测方案

针对无线传感器网络的自身特殊性和所面临的路由安全威胁,提出了一种基于核聚类的异常检测方案——KCAD,以检测路由攻击所导致的流量异常。该方案通过利用Mercer核,将输入空间的流量特征样本隐式地映射到高维特征空间,突出了不同样本间的特征差异,从而更好地完成聚类,提高了检测准确率,同时还针对流量特征样本做了时间维扩展,使之更能反映近期网络流量状况,减少了由于历史数据集影响所带来的误报。仿真实验结果表明,KCAD方案能够在较少的资源开销条件下,迅速、有效地检测出传感器网络中的攻击异常。

有核网络型集群内企业之间知识转移过程探析

基于演化博弈方法 ,以有核网络集群为背景,从知识转移过程视角,将大企业分为知识共享者和知识保护者,将中小企业分为知识免疫者和知识学习者,构建集群中企业知识转移的动态博弈模型,研究了企业之间知识转移过程。结果表明:集群内大企业的知识共享意愿和倾向是由中小企业的知识学习意愿和能力决定的,取决于大企业对知识保护成本和知识转移导致的知识优势损失的权衡;双方合作带来的收益具有较大的不确定性,是一种不完全、不完美的动态博弈;当中小企业处于较低知识学习能力时,双方合作是"非零和"的动态博弈;反之,则表现为"零和"动态博弈。

结合Mercer核与SOM的动态免疫网络聚类算法

提出一种用于聚类分析的进化免疫网络算法,借鉴自组织映射原理改进网络拓扑进化机制,利用改进的免疫机制控制抗体数量,提高抗原聚类效果.当输入样本分布呈高度非线性时,使用核方法提高聚类质量,为了避免在特征空间中聚类时失去对原输入空间聚类中心及结果的直观刻画,使用核代入为原输入空间导出一类不同于欧氏距离的新的距离度量,训练过程仍在原空间中进行.实验结果表明了算法的可行性和有效性.

基于核PCA的智能图像分析算法

提出了一种基于核PCA的智能图像分析算法,该算法将非线性数据映射到高维特征空间,能自动创建新的聚类并且连续调整聚类以适应于新目标,从而提高目标识别系统的性能。重点研究了基于核PCA算法在径向基神经网络中的应用,提出一种核PCA-RBF网络模型,并进行了目标检测、分割和无人监督目标分类的仿真实验。

核模糊聚类和BP神经网络的切削工艺绿色度评价

为了对切削工艺绿色度进行客观有效评价,提出一种基于核模糊聚类算法和BP神经网络的工艺绿色度评价模型。根据面向绿色制造的工艺规划方法,建立切削工艺绿色度评价指标体系。通过核模糊聚类算法划分训练样本集,提升样本分类精度。利用BP神经网络建立工艺绿色度评价模型,基于训练结果自适应获取输入到输出的模糊规则,提高评价效率。通过汽车零件的切削工艺绿色度评价实例,验证了核模糊聚类和BP神经网络的切削工艺绿色度评价方法有效性。

应用聚类分析与非参数核密度估计的空间负荷分布规律

空间负荷预测是配电网规划的前提和基础。针对现有研究偏重对预测方法的理论创新和精度提升,缺乏对各地各类空间负荷分布规律研究的不足,提出一种基于聚类分析与非参数核密度估计的空间负荷分布规律研究方法。以浙江电网为例,对调研采集的空间负荷按城市发展类型、用地类型进行二级划分后,利用基于非参数核密度估计方法提取各类样本负荷密度的典型分布特征,结合实际对浙江11个城市的工业、商业、居住等多类空间负荷的分布规律进行分析研究,为配电网规划提供可靠支撑。

用FCM聚类和非参数回归方法推断基因调控网络

采用FCM方法对基因表达的微阵列数据进行聚类分析,应用核回归和PP回归相结合的方法设计预报器,利用决定系数遴选父代基因集合.将这种新的组合设计方法的分析结果与相关文献的结果进行对比分析,得出了较好的推断结果;可以将这种组合方法运用于致病基因簇的搜寻.

核聚类算法在入侵检测中的应用

提出了一种基于核的聚类算法,并将其应用到入侵检测中,构造了一种新的检测模型。通过利用Mercer核,我们把输入空间的样本映射到高维特征空间后,在特征空间中进行聚类。由于经过了核函数的映射,使原来没有显现的特征凸显出来,从而能够更好地聚类。而且在初始化聚类中心的选择上利用了数据分段的方法,该聚类方法在性能上比经典的聚类算法有较大的改进,具有更快的收敛速度以及更为准确的聚类。仿真试验的结果证实了该方法的可行性和有效性。

基于递归定量分析的液压泵故障识别方法

提出了一种局部投影消噪和递归定量分析相结合的轴向柱塞泵故障识别方法。以轴向柱塞泵故障振动信号为研究对象,首先用局部投影消噪方法对振动信号进行消噪;其次对消噪后的振动信号绘制递归图,进而通过递归定量分析对递归图所反映出的系统动力学信息进行特征提取,选择确定率(DET)和递归熵(ENTR) 2个特征构成特征向量,构成故障特征样本;然后通过核模糊C均值聚类(KFCMC)方法对训练样本进行聚类,进而依据最小欧氏距离准则对测试样本进行故障识别;最后,将递归定量分析方法和相空间复杂网络定量特征方法进行对比。结果表明,基于递归定量分析的轴向柱塞泵故障识别方法具有更高的故障确诊率。

核聚类人工免疫网络评价函数研究

人工免疫系统是对基于生物免疫系统的模式识别机制而构造的信息处理方法的总称．对一种专门用于聚类分析的人工免疫系统模型——核聚类人工免疫网络进行研究．在核聚类人工免疫网络方法中，模式类的特征值的评价函数小仅是引导方法最终收敛的关键因素，同时，也决定了该方法的聚类分析效果．专门研究了核聚类人工免疫网络中特征值评价函数的具体形式及其对聚类分析效果的影响，从而为进一步完善和更好地应用该方法提供参考．

基于核函数的软件定义网络DDoS实时安全系统

针对软件定义网络中DDoS攻击的检测准确率与延迟较长的问题,提出了一种基于核函数的软件定义网络DDoS实时安全系统。首先,每个周期提取软件定义网络的报文头信息,并组织成矩阵形式;其次,采用马氏距离分析相邻特征向量的显著变化,设计了两个核函数综合评估攻击行为的流量;最终,采用谱聚类技术与协方差统计信息自动地定位攻击者。基于真实软件定义网络进行了实验,结果显示该安全系统实现了较高的检测准确率,并且实现了理想的处理时间。

核聚类人工免疫网络的参数研究

核聚类人工免疫网络是一种新型的聚类分析方法,其基本算法形式也是启发式随机搜索算法,所以算法中的参数对于方法的最后性能有着重要影响。本文通过实验探讨几个关键参数对算法性能的影响,从而说明算法中参数的选择方式。

有核集群知识共享网络直升机系统研究

从空气动力学理论的视角,以直升机系统为原型,比照有核集群特性,详细论述空间距离、企业创新能力、特别是信息技术平台与集群知识共享网络之间的相互作用对于维持核心企业竞争优势的影响。研究结果表明,知识共享网络不仅是企业间交流的主要渠道,知识共享网络、企业内部资源和信息技术的有机契合还会提升核心企业创新能力,同时核心企业主导的信息技术平台有利于集群的专业化发展。