基于模糊信息聚类算法的变电站作业信息分析

为了提高变电站作业信息的计算能力,构建了一种新型的模糊信息聚类算法模型。将变电站作业信息按电力属性数据信息进行分类,将变电站信息共享调度的主要特征量进行组合或者集中分配以处理;构建变电站作业信息分析应用系统,实现变电站作业路在超出标准时的信息报警和录像回传;通过带宽方式进行信息传达,提高了变电站作业路参数和线路的信息分析。最后在35 kV变电站作业路进行试验,算法识别精度为97.3%。该技术为变电站作业智能监控技术奠定了基础。

基于LDA模型的专利信息聚类技术

针对传统专利情报采集的方式不能适应专利信息快速增加的问题,通过研究适用于专利信息聚类的主题模型和聚类算法,提出了将潜在狄利克雷分配(LDA)主题模型和OPTICS算法相结合的解决方案。该方案采用LDA主题模型将专利信息在词汇空间的高维表达转换到在主题空间的低维表达,高效地实现了对专利信息的降维,进而采用OPTICS算法及k近邻准则对专利信息进行聚类分析,达到收集感兴趣的专利情报信息的目的。理论分析和实验验证表明,提出的解决方案不仅能通过降维,提高专利聚类效率,而且能对专利信息分析提供帮助。

用信息聚类方法研究蛋白质的氨基酸组成和二级结构含量的关系

从蛋白质的氨基酸组成出发，用信息聚类方法给出了蛋白质的聚类树状图，发现树状图的分支与蛋白质二级结构的含量有较强的相关性．

大数据食物链、信息聚类系统、定制解决方案——汤森路透商业模式比较分析

文章以汤森路透为例,剖析了这一全球领先的知识服务商的商业模式:专业内容为基础,数据库为平台,顶层的信息服务软件和终端设备为问题解决工具。这种金字塔式的服务架构得益于汤森路透的创新基因:数据闭环、信息聚类和个性定制,是汤森路透的差异化竞争优势所在。对国内的数字出版以及信息服务行业来说,更具有独特的借鉴价值。

海洋浮标无线通信网络多维度信息聚类算法

传统无线通信网络中采用的通信聚类算法,在海洋浮标无线通信网络使用中,受到海洋浮标收发基点数据维度影响,无法对交互数据进行权重参量进行多维度变量计算,导致多个浮标基点间的数据交互面变窄,数据流量下降的问题。因此,本文提出海洋浮标无线通信网络多维度信息聚类算法研究。通过引入多维度交互算法,对海洋交互面上的每个浮标无线通信基点信号,进行多维度数据交互逻辑修正;接着引入多维度信息聚类算法,对修正后的多维度交互信号进行多维度空间下的数据交互加权的聚类计算,从而实现多个海洋浮标基点间无线通信交互的量化有优化;最后,通过仿真实验,证明提出的海洋浮标无线通信网络多维度信息聚类算法,能够有效解决传统算法存在的问题。

基于密度峰值的网络用户信息聚类局部自适应加密研究

传统的加密方法对用户行为和约束条件的划分结果不佳,导致加密后的信息存在局部可识别,因此提出基于密度峰值的网络用户信息聚类局部自适应加密方法。该方法基于密度峰值重新聚类分析网络用户信息;利用混沌系统获取网络用户不确定行为特征;通过多目标追踪不同数据优先级,实现对信息自适应的精准控制;根据约束条件和限制条件调整聚类局部信息,实现全方位的信息加密。根据实验测试结果可知:与传统方法相比,所提出加密方法加密后的网络用户信息被完全覆盖,可识别率为0。由此可见,该方法的加密效果更好。

基于知识挖掘技术的模糊信息聚类及联想设计

针对知识发现中的模糊信息查询问题 ,提出了一种基于知识挖掘中神经网络技术的模糊信息聚类及联想设计方法。首先按照分类对信息源进行量化编码 ,然后对编码后的数据进行规整处理。对于信息聚类采用均值聚类算法 ,而模糊信息联想采用Hopfield网络实现。将基于上述算法开发出的模糊信息查询系统应用于图书信息查询 ,实验结果证明了该方法的有效性。

基于神经网络的信息聚类及联想实现

针对知识发现中的信息模糊查询问题 ,提出了一种基于神经网络的信息聚类及联想实现方法。首先按照信息分类对所要查询的信息进行量化编码 ,然后对编码后的数据进行规整处理。对于信息聚类采用均值聚类算法 ,而信息联想采用Hopfield网络实现。将基于上述算法开发出的信息模糊查询系统应用于图书信息查询 。

基于5G通信的公用变压器状态信息聚类方法研究

现有的公用变压器状态信息聚类方法存在聚类有效率与平均分类准确率低的问题,故提出基于5G通信的公用变压器状态信息聚类方法。针对公用变压器状态信息的复杂化和多样化,通过计算采集状态信息数据之间的相关支持度、置信度和权重,判断公用变压器是否存在运行故障。通过聚类算法加快5G通信速度,应用聚类流程确定公用变压器的状态信息。实验结果表明,基于5G通信的公用变压器状态信息聚类方法能够提高聚类有效率,增加平均分类准确率。

基于双层聚类信息的极光亚暴自动检测

极光亚暴与太阳风和地球磁场的耦合过程有着紧密的联系,对其发生和发展机制的研究,有助于深入地分析行星际磁场、地球磁层和地球电离层的相互作用,了解太阳风携带的大量能量在地球空间的输运过程,对地球空间环境预警具有重要的意义。Polar卫星搭载的紫外极光图像成像仪能够全天候地获取紫外极光图像,在紫外极光图像中可以完整地展示出极区极光的亮度和尺度变化,尤其是可以清晰地展示出亚暴膨胀相的极光点亮和亮斑膨胀现象。现有的极光亚暴事件检测方法通常需要人工设计特征和相关规则库,耗时耗力。本文利用紫外极光图像提出了基于双层聚类信息的亚暴事件检测方法,实现了紫外极光图像数据中的亚暴事件自动检测。同时,针对极光亚暴事件检测依赖手工设计特征,设计了子空间聚类指导的三维卷积特征自动提取网络;针对极光图像帧间存在成像角度差异,利用地磁纬度和磁地方时信息对极光序列中图像的空间位置进行校正;针对卫星成像位置变化导致的成像噪声,利用极光图像级聚类保留极光亮斑区域和剔除未成像或噪声区域。主观和客观实验结果表明,本算法提升了亚暴事件检测的查全率。

基于层级互信息聚类的烟草行业信息分类与编码设计

为满足全国烟草生产经营管理一体化平台建设对行业信息分类与编码的需求,按照“流程、实体、服务”三类数字对象对信息系统进行解构,结合烟草行业业务实际情况,提出层级互信息聚类算法(Hierarchical Mutual Information Clustering,HMIC),通过对文本数据进行自然语言处理,计算不同数字对象在不同分类层级的互信息,利用层次聚类算法对数字对象进行聚类,从而得到烟草行业信息分类,并在此基础上进行信息编码。将HMIC与常用聚类算法进行对比测试,结果表明:①所构建的HMIC模型的信息分类效果最好,其整体信息熵比使用欧氏距离的聚类算法降低约8.2%,比仅使用互信息矩阵的聚类算法降低约2.5%。②从信息量的角度对分类编码进行研究,能够更好地区分不同类别之间的差异,提高信息分类与编码的可用性。该技术可为指导信息系统项目全生命周期建设提供支持。

基于证据理论和硬c-均值法的不确定性信息聚类

在对于多源不确定性信息进行分析时,需要根据其来源对信息分类.本文研究以证据形式表达的多源信息聚类问题,详细分析证据聚类的评价标准,提出将证据空间向欧氏空间转化,利用硬 c-均值聚类法对多源不确定性信息聚类.基于以上理论,给出一个利用多源传感器 ESM 实现空中目标跟踪的实例.

基于空间信息聚类的RGB-D数据拼接融合

针对单一成像系统获取RGB-D数据时视场过小难以满足大视场成像需求的问题,提出了基于空间信息聚类的RGB-D数据拼接融合方法。根据RGB-D数据中蕴含的空间信息定义物点距离,利用simple linear iterative clustering(SLIC)方法实现空间信息聚类。将场景分割成若干平面子块,每个子块具有单应性,可以进行准确的单应性矩阵计算,进而实现将小视场RGB-D数据准确拼接融合生成大视场RGB-D数据。实验结果表明,所提方法能够改善图像变换过程中产生的扭曲变形及拼接过程中在重叠区域产生的错位。峰值信噪比(PSNR)和结构相似性(SSIM)两个定量评价指标说明基于空间信息聚类的RGB-D数据拼接相较于全局拼接,结果质量得到了提升。

面向信息检索的快速聚类算法

随着信息检索技术的迅猛发展,针对检索系统的改进已逐渐成为研究的热点.聚类是一种有效的改进策略,通过对检索结果进行聚类,可以使用户快速地定位到自己感兴趣的检索信息所在的类别.然而,传统的检索聚类算法要么运行效率低下,要么类别划分能力不强,使它们无法真正地用于检索系统中.针对此问题,提出了一种新颖的检索聚类算法,该算法首先通过极大极小值理论从检索返回的文档集中抽取多个聚点,并依此形成初始文档类划分结果.在此基础上,算法对初始文档类的特征集合进行细化调整以使类别的划分更加精确;同时对不满足收敛条件的文档类进行层次分裂以解决信息的分层描述问题.实验表明:此算法的时间复杂度与现有的检索聚类技术相差不多,并且由于对特征集合进行迭代调整使得类别的划分更加准确合理.

信息论联合聚类算法及其在视频镜头聚类中的应用

视频镜头自动聚类是基于内容索引与检索领域中的重要研究课题.以往相关工作,缺乏考虑描述镜头内容的特征与特征间存在关联性以及关联特征对镜头相似性度量和镜头聚类性能带来的影响.为提供更合理的镜头相似性度量,该文基于信息论联合聚类算法,将特征关联性挖掘和镜头聚类描述为彼此依附的同步优化过程.同时,为自动估计视频中镜头类别数,文中还提出基于贝叶斯信息准则的类别数估计算法.

基于k-means与神经网络机器学习算法的用户信息聚类及预测研究

【目的/意义】基于机器学习算法对信息进行聚类及预测引起了广泛关注,本文将以航空公司客户信息为对象构建出k-means,BP神经网络模型,对航空用户进行聚类及预测,实现用户的精准营销。【方法/过程】首先,对航空公司的客户信息进行预处理,并根据信息聚类和信息预测理论,构建出k-means客户聚类模型与BP神经网络的流失预测模型。【结果/结论】实证结果表明,在聚类模型上,k-means算法将客户聚为五类,实现了不同价值客户的差异化识别;在客户预测模型上,BP神经网络的准确性更高。【创新/局限】本次研究将LRFMC模型引入到用户聚类模型的实验中,使得模型泛化能力上存在了一定的局限,但也为该问题的未来研究提供了新的方式。

基于信息理论的网络文本组合聚类

尽管近年来针对文本聚类问题进行了大量研究,其仍然是数据挖掘领域的一个富有挑战性的问题,特别在弱相关特征乃至噪声特征的处理上,仍然存在诸多挑战。针对这一问题提出了文本聚类的分解-组合算法框架——DIAS。该方法首先通过简单随机特征抽样将高维文本数据进行分解得到多样化的结构知识,其优点是能够较好地避免产生大量的噪声特征。然后采用基于信息理论的一致性聚类(ICC)将多视角基础聚类知识组合起来,得到高质量的一致性划分。最后通过在8个真实文本数据集上的实验,证明DIAS算法相较于其他被广泛使用的算法具有明显优势,特别在处理弱基础聚类上具有突出效果。由于在分布式计算上的天然优势,DIAS有望成为大规模文本聚类的主流算法。

基于集体影响和边聚类信息的链路预测算法

链路预测的任务是挖掘网络中缺失的链接或预测一对节点之间存在链路的可能性。如何有效准确地预测不完整复杂网络中的缺失链接是一个具有挑战性的问题。综合考虑节点的集体影响以及边的聚类信息对所预测边的贡献,提出一种新的链路预测算法CELP(link prediction algorithm based on collective influence and edge clustering information),并结合节点的社区属性,基于设计的贝叶斯网络提出其在标签网络的扩展算法CELP*。来自各个领域的多个测试网络的实验结果表明,与典型的链路预测方法及近期的部分指标相比,所提算法在保持同等AUC水平的同时,提高了预测精度,也进一步肯定了局部节点信息和链路信息对于链路预测工作的重要性。

氨基酸组成聚类、蛋白质结构型和结构型的预测

用信息聚类方法对蛋白质的氨基酸组成进行聚类，发现存在梯级成团（大集团分解成小集团）现象，６４５个蛋白质可分成１５个小集团，每一个小集团与蛋白质二级结构含量决定的结构型有一定相关性，但与蛋白质五大结构型相关性不明显。指出了由氨基酸成分和二级结构含量预测结构型的方案中存在的问题。提出了由蛋白质二级结构序列预测蛋白质结构型的新方法。