基于Kullback-Leiber距离的迁移仿射聚类算法

针对迁移聚类问题,该文提出一种新的基于Kullback-Leiber距离的迁移仿射聚类算法(TAP_KL)。该算法从概率角度重新解释AP算法的目标函数,并借助于信息论中最常见的一种距离度量,即Kullback-Leiber距离,测量源域与目标域代表点的相似性。另外,通过详细分析TAP_KL算法与AP算法的目标函数,得出一个重要结论,即可以将源域与目标域的相似性嵌入到目标域数据集相似性矩阵的计算中,从而直接利用AP算法的优化算法优化TAP_KL算法的目标函数,解决基于代表点的迁移聚类问题。最后,通过基于4个数据集的仿真实验,进一步验证了TAP_KL算法在解决迁移聚类问题时的有效性。

基于仿射聚类的宏基因组序列物种聚类

随着下一代测序技术的迅猛发展,宏基因组学已经成为新的研究热点,宏基因组学序列聚类问题使用无参考的方法,对包含多个物种的宏基因组序列进行有效分离.为此,提出一种结合相似度信息和结构信息的宏基因组物种聚类算法,并引入仿射聚类来进行序列物种聚类.实验数据表明该方法聚类精度高、执行速度快.我们也开发了基于该方法的宏基因组序列物种聚类软件.

基于仿射聚类的主动SVM多类分类方法

针对现有的主动学习算法在多分类器应用中存在准确率低、速度慢等问题,将基于仿射传播(AP)聚类的主动学习算法引入到多分类支持向量机中,每次迭代主动选择最有利于改善多类SVM分类器性能的N个新样本点添加到训练样本点中进行学习,使得在花费较小标注代价情况下,能够获得较高的分类性能。在多个不同数据集上的实验结果表明,新方法能够有效地减少分类器训练时所需的人工标注样本点的数量,并获得较高的准确率和较好的鲁棒性。

仿射聚类算法研究及应用

仿射传播聚类算法以相似度矩阵作为输入矩阵,迭代过程中用全局函数定义类中心,数据点交替更新最终达到较好的聚类效果,论文给出该算法实施的具体步骤和仿真结果验证聚类效果。

基于相似度矩阵约减的仿射聚类fMRI数据分析

利用仿射聚类(APC)方法分析数据量庞大的功能磁共振成像(fMRI)数据时,在时间复杂度、数据存储和聚类效果等方面存在局限性。为此,提出一种融合稀疏仿射传播聚类(SAPC)和相似度矩阵约减的新方法(SDAPC)。对fMRI数据进行稀疏逼近后,结合高斯密度函数和欧式距离对稀疏数据进行密度分析,完成约减后fMRI数据的功能连通性检测。任务态数据实验结果表明,对于单被试,SDAPC的ROC曲线与SAPC接近,但运行速度比SAPC提高了约3倍;对于多被试,SDAPC和SAPC的ROC曲线效果均优于其单被试的ROC曲线。静息态数据实验结果进一步表明,SDAPC能成功提取出9个静息态脑网络。

基于仿射传播聚类与因子载荷的农村环境卫生评价指标体系构建

目的建立基于农村环境卫生监测项目的农村环境卫生评价指标体系。方法选择7省(广东、甘肃、福建、湖北、江苏、四川与安徽)2015—2020年连续开展农村环境卫生监测工作的县(区)数据,对其进行标准化,形成初始指标群,应用仿射传播聚类算法(Affinity Propagation,AP)对指标进行聚类,结合因子载荷法筛选指标,通过信息贡献率与指标精简率完成指标体系的合理性评价。结果选择7省101个县(区)的监测数据,形成了包含70个指标的聚类指标群;其中9个可以独立提供信息的指标直接纳入,其余指标通过AP聚类与因子载荷筛选纳入了17个代表性指标;指标体系的信息贡献率为95.63%,指标精简率为62.86%。结论应用监测数据转化初始指标群与AP聚类分析、因子载荷方法筛选出26个指标,构建了基于监测项目的农村环境卫生评价指标体系。

基于仿射传播聚类的富模型降维方法

为了解决隐写分析中富模型特征维数高,冗余大,容易造成维数灾难问题,提出了一种基于仿射传播聚类的特征降维方法;该方法通过分析富模型特征结构,利用非线性距离定义子模型特征间距离,使用仿射聚类方法和图的谱理论,确定特征的聚类中心,并将聚类中心中所出现频率较高的子模型特征作为最优聚类中心,并使用Fisher集成分类器进行隐写分析。实验结果表明,经过该降维方法处理的空域富模型（spatial rich model,SRM）在特征维数降低到5 525维时,对S-UNIWARD、WOW、HUGO隐写算法隐写分析时检测错误率EOOB比原始特征下降1%～2%,因此,本文方法可以实现提升特征降维与隐写分析效果的目的。

自适应仿射传播聚类

适合处理大类数的仿射传播聚类有两个尚未解决的问题:一是很难确定偏向参数取何值能够使算法产生最优的聚类结果;另一个是当震荡发生后算法不能自动消除震荡并收敛.为了解决这两个问题,提出了自适应仿射传播聚类方法,具体技术包括:自适应扫描偏向参数空间来搜索聚类个数空间以寻找最优聚类结果、自适应调整阻尼因子来消除震荡以及当调整阻尼因子方法失效时的自适虑逃离震荡技术.与原算法相比,自适应仿射传播聚类方法性能更优,能够自动消除震荡和寻找最优聚类结果.对模拟和真实数据集的实验结果表明,自适应仿射传播聚类方法十分有效,其聚类质量优于或不低于原算法.

半监督的仿射传播聚类

仿射传播聚类算法快速、有效,可以解决大数据集的聚类问题,但当数据的聚类结构比较松散时,聚类准确性不高。该文提出了半监督的仿射传播聚类算法,在迭代过程中嵌入了有效性指标以监督和引导算法向最优聚类结果的方向运行。实验结果表明,该方法对于聚类结构比较紧密和松散的数据集,均可以给出较为准确的聚类结果。

基于仿射传播聚类的ARA发酵过程建模

针对花生四烯酸(ARA)发酵过程复杂,机理模型表达不够准确以及单模型泛化能力弱的问题,提出采用基于仿射传播聚类的支持向量机(SVM)多模型建模算法进行该过程建模。该算法首先用仿射传播聚类(AP)算法对ARA样本数据进行聚类,再用SVM算法对各子类样本分别建立子模型。测试样本根据相似性的测度进行归类,并用所属子类的模型进行预测输出。ARA发酵过程的建模实验表明,与其他建模算法相比,基于仿射传播聚类的SVM多模型建模算法所建立的模型具有更高的回归精度和良好的泛化能力。

仿射传播聚类在室内定位指纹库中的应用研究

基于位置指纹的室内定位,指纹数据结构复杂、信号时变性强等原因影响了定位的时效性。K-means聚类算法虽可以有效地减少数据遍历的工作量,但该方法仅仅考虑了采样点在信号域的相关性,导致定位精度下降,同样难以满足室内定位的实时性要求。本文基于位置指纹方法,借鉴K-means聚类算法的思路,研究了指纹的样本点位置域和信号域特征的融合方法,并将融合后的特征引入了仿射传播聚类算法。试验测试表明,该方法在保证精度的前提下,可使时间消耗平均减少40%,有效地提高了系统的实时性,可以满足室内定位的基本要求。

基于自适应仿射传播聚类的GIS局放缺陷分类研究

为对GIS中不同缺陷类型进行分类和识别,笔者介绍了一种新型自适应仿射传播聚类(adAP)算法,用于对4种典型缺陷UHF信号进行分类。该算法通过自适应扫描偏向参数空间来搜索聚类个数以寻找最优聚类结果、自适应调整阻尼因子来消除震荡以及自适应逃离震荡等技术,克服了传统仿射传播聚类(AP)算法无法准确获知聚类个数以及无法消除震荡的缺点。最后,通过采用多种聚类有效性指标对分类结果进行有效性验证,发现adAP算法不仅可以准确地给出分类个数,实现不同缺陷类型的分类,而且在处理时间和循环次数上均优于传统AP算法。

基于仿射传播聚类的大规模选址布局问题求解

选址布局问题是一个广泛研究的运筹学问题。通过将选址布局问题看做聚类问题,结合仿射传播聚类算法并且将候选地址的信息映射为特征向量,提出了两种求解选址布局问题的方法:基于块划分的选址布局方法和基于道路网络的选址布局方法。使用模拟数据集和真实数据集来评估两种方法,实验结果表明两种方法都能够求解设施资源受限和不受限情况下的选址布局问题,而且可以很好地解决大规模的选址布局问题。

应用于WiFi室内定位的自适应仿射传播聚类算法

在室内覆盖的大量的WiFi信号可以用来室内定位。尽管很多WiFi室内定位技术被提出,但其定位精度仍然未达到实际应用的需求。针对这个问题,该文提出一种自适应仿射传播聚类(AAPC)算法用以提高WiFi指纹的聚类质量,从而提高定位精度。AAPC算法通过动态调整参数生成不同的聚类结果,然后采用聚类有效性指标筛选出其中最佳的。采集大量真实环境数据进行试验,试验结果表明采用AAPC算法产生的聚类结果具有更高的定位精度。

基于混合测度的并行仿射传播聚类算法

针对仿射传播聚类(AP)算法应用于流形结构复杂、密度不均匀的数据集存在的不足,通过学习数据集的低维流形结构,提出了密度自适应的"流形距离核"(ad-MDK)的概念。该距离测度既考虑了数据点的局部密度信息,又包含了数据集全局结构信息,从而提高了算法对这类数据集的处理能力。同时,针对引入流形距离所带来的计算复杂问题,提出了算法的并行化设计方法,有效提高了算法处理效率。通过在多个数据集上的实验验证了所提算法在处理大规模多尺度数据集上的性能优于传统AP算法。

基于仿射传播聚类选择的多Atlas右心室精准分割

由于右心室具有易变、壁薄、边界不明显等特点,Atlas成为近年来流行的图像分割方法.针对现存的Atlas选择方法大多基于配准后选择最优的Atlas,比较耗时并且降低了分割性能,提出了利用仿射传播聚类算法进行Atlas选择的方法.首先,将所有的Atlas图像看作一系列数据点,通过数据点之间的消息传递聚类;然后,得到的聚类中心图像和目标图像经过配准得到形变标记结果,采用STAPLE融合策略融合;最后,对融合结果以相似性测度因子为依据进行排序,而用相似性测度因子值最大的聚类中心进行配准分割.重复以上过程,直到得到较精确的分割结果.实验结果表明,提出的方法能有效地进行右心室的分割,与传统选择方法相比,分割精度得到了明显提高.

基于仿射传播聚类的自适应关键帧提取

关键帧提取技术,是基于内容的视频检索的一个重要组成部分。为了能从不同类型的视频里有效地提取关键帧,提出了基于仿射传播聚类的自适应关键帧提取算法。首先通过图像的颜色特征获取视频镜头的相似性矩阵,然后通过仿射传播聚类自适应地提取视频关键帧。该算法从视频的本身信息分布出发,自适应地搜索出视频最优关键帧,且运算速度快。实验表明,该算法能有效地提取出视频最优关键帧,且算法快速稳健。

基于PCA的仿射传播聚类算法

仿射传播聚类是一种快速有效的聚类方法。但对高维数据进行聚类时,由于数据信息的重叠,聚类结果往往会有较大误差。针对这个问题,提出了把主元分析(PCA)和仿射传播(AP)聚类相结合的PCA-AP算法,在保留原变量绝大部分信息的情况下对数据进行降维处理,然后在低维空间中用仿射传播聚类的方法进行聚类。由于剔除了冗余信息,算法得到的分类结果更加准确。实验结果表明该算法是有效的。

基于改进仿射传播聚类的多模型软测量建模及应用

对于多模型软测量建模,聚类效果、子模型的建模和融合方式对其模型精度有重要影响。对此,该文提出一种基于改进仿射传播聚类的多模型软测量建模方法。为提高聚类精度,在仿射传播聚类算法划分样本数据的基础上,采用人工鱼群算法对仿射传播聚类算法的偏向参数和阻尼系数寻优,同时针对距离较近类别边界处的样本再建立重叠类,采用支持向量机建立各类样本的回归子模型。分别用标准数据集仿真和工业双酚A生产装置的现场数据建模仿真,结果证明该方法是有效的。

一种自适应阻尼因子的仿射传播聚类算法

仿射传播聚类算法已经被广泛应用于各个领域,其源码被Toronto大学公开在网络中。针对公开源码中如何选择阻尼因子的值以平衡算法震荡与收敛速度的问题,提出一种自适应阻尼因子的仿射传播聚类算法。所提算法通过监视算法的震荡情况,自适应调整阻尼因子的值,相比公开源码中的固定阻尼策略,不仅可以有效避免震荡,且可以很大程度地保持阻尼因子较小时的收敛速度。通过多个UCI公开数据集试验证明了所提算法的有效性。