基于簇间连接的元聚类集成算法

聚类集成已经成为数据挖掘和机器学习中的热门研究课题,尽管近年来取得了重大进展,但目前聚类集成的研究仍存在两个具有挑战性的问题.首先,大部分集成算法倾向于在对象的层面研究相似度,缺乏发掘簇层面信息的能力;其次,目前许多集成算法仅仅关注簇内对象的直接共现,忽略了簇与簇之间的关系.针对这两个问题,提出一种基于簇间连接的元聚类集成算法,首先根据Jaccard相似度构造一个簇相似度矩阵,然后利用连接三元组细化这个相似度矩阵,最后通过图划分和成员分配得到最后的结果.理论分析和实验测试表明,提出的算法不仅能产生较好的聚类结果,而且受聚类集成规模的影响较小.

基于高分影像的林地变化检测和自动分割算法探讨

根据前后两期高分辨率遥感影像,基于像元颜色值和像素颜色变化构成的纹理特征,应用多线程技术对两期高分辨率遥感影像进行像元聚类并标记聚类区域,对聚类区域进行自动分割,形成前后两期林地、非林地初步范围,在一定的偏移容差基础上,对比前后两期林地、非林地初步范围,筛选变化面积大于阈值的变化区域,提取变化区域范围,并对变化区域界线自动平滑,实现林地变非林地、非林地变林地的快速变化检测,并形成林地动态变化监测数据,为林地动态变化监测提供依据。

基于网页的知识元挖掘

随着信息技术的快速发展和网络的普及,以网页形式表示的信息越来越多,基于网页的知识元挖掘就是从浩瀚的网页信息中发现潜在的有价值知识。网页知识元挖掘要处理大量的非结构化的文档信息和复杂的语义关系,采用全新的数据挖掘方法直接对非结构化数据进行挖掘,其基本流程包括:文件格式转换、分词与词性标注、文本知识元挖掘、知识元聚类以及推理与知识发现。