一种基于时态密度的倾斜分布数据流聚类算法

为解决倾斜分布的数据流聚类这一难题,提出了时态密度概念,给出其度量,揭示了其包括可增量计算在内的一系列数学性质;设计了时态密度树结构,提高了聚类时的存储和检索效率;设计了能够以实时或异步方式捕捉数据倾斜分布的数据流时态特征的聚类算法TDCA(temporal density based clustering algorithm),其时间复杂度为O(c×m×lgm).实验结果表明,该算法不仅有较强的功能,而且具有较好的规模可伸缩性.

基于倾斜分布的变流速数据流聚类算法

处理倾斜分布特征的数据流聚类算法TDCA存在聚类速度与内存利用率上的不足,且变流速的数据流环境对聚类结果的质量有严重影响。针对上述问题,提出一种数据流聚类算法GR-Stream。采用网格单元作为数据点的聚集形式,以基于R-tree的扩展数据结构作为组织网格单元的索引结构,在此基础上引入剪枝策略,并调整数据点进入树的方式。在真实数据集KDD-CUP99上进行测试,结果表明,与TDCA算法相比,该算法在聚类过程中可以提高40%的访问速度,应用剪枝策略节省至少一半的内存使用量,同时在变流速的数据流环境下将聚类结果的平均纯度保持在90%以上。

基于量子粒子群算法的电力系统无功优化

本文提出了一种量子粒子群算法解决电力系统无功优化问题。量子粒子群算法采用实数编码,融合了量子进化算法的概率性并进行计算和粒子群算法的更新策略,在全局寻优能力和保持种群多样性方面表现出了较大优势,而且寻优速度快。另外,为了避免大量不可行初始解,本文采用倾斜分布式启发方法得到初始种群。IEEE-30系统证明了量子粒子群算法的高效性和鲁棒性。

光栅衍射型超广角激光告警系统光斑定位方法

成像光斑中心精确定位是光栅衍射型超广角激光告警系统具有高定向准确度和高波长分辨能力的基础.本文分析了光栅衍射型超广角激光告警系统成像光斑特点.针对随激光入射角增大,系统成像光斑畸变为强度近似高斯分布倾斜光斑的问题,提出一种改进型高斯拟合法计算光斑中心,通过仿真模拟和实验测试研究了新方法的定位性能.模拟结果表明,高斯噪音标准差为0.01情况下,光斑长轴与x轴夹角由0°逐渐增大为90°过程中,本文方法的定位误差平均值小于0.005像素,误差标准差小于0.02像素.实验测试表明,实验图像经帧相减和高斯平滑滤波预处理后,光斑长轴与坐标轴方向一致时,本文方法与高斯拟合法的定位结果非常接近,明显优于灰度重心法.光斑倾斜时,本文方法求得的激光入射方向角的误差均值和标准差明显小于灰度重心法和普通高斯拟法.

一种基于改进贝叶斯算法的Web文本分类方法

针对基于互补贝叶斯的分类算法在数据倾斜分布时由于过学习现象导致分类准确度不理想的状况,提出一种改进的互补贝叶斯分类算法。通过实验分析数据的倾斜分布对改进后的互补贝叶斯算法的影响,经验证该算法能够在数据倾斜分布时依然能保持较高的分类准确度,并且能随数据倾斜分布表现出较好的鲁棒性。讨论普通文本与Web文本的不同,建立一种带有主题权重的文档向量模型,并分析主题权重对文本算法的影响。实验发现,使用带有主题权重的文档向量模型,能够使得分类准确率相比普通的文本分类提高5%。