基于熵特征优选分组聚类的相似重复记录检测

针对目前相似重复记录检测方法不能有效处理大数据量的问题,提出一种基于熵的特征优选分组聚类的算法。该方法通过构造一个基于对象间相似度的熵度量,对原始数据集中各属性进行重要性评估,筛选出关键属性集,并依据关键属性将数据划分为不相交的小数据集,在各小数据集中用DBSCAN聚类算法进行相似重复记录的检测。理论分析和实验结果表明:该方法识别精度和检测效率较高。

改进密度聚类的激光雷达障碍物检测方法

针对无人车在园区环境下采集的激光三维点云中远距离障碍物易漏检、相邻障碍物存在欠分割和过分割且算法耗时较大等问题,根据激光束在水平和垂直方向上的分布不同,通过自适应调整聚类半径,提出了改进的具有噪声基于密度的空间聚类(DBSCAN)算法,并基于分组聚类思想结合改进的k-means算法提出了一种快速且准确的障碍物检测方法。根据感兴趣区域(ROI)内三维点云的密度特征,利用改进的k-means算法对其初步分组;对每组内的点云使用参数自适应的DBSCAN算法进行并行聚类;对组边界上符合条件的聚类簇进行合并,完成障碍物检测。实车实验结果表明:与传统方法相比,所提方法障碍物检测正检率提高17.5%,平均耗时缩短23.6%。

基于聚类分组的模糊查询控制

本文提出了一种模糊查询控制的模型,这个模型吸收了两种思想,即有穷自动机思想和聚类分组算法,基础是采用了分组算法。模型分为两个部分,第一部分是对原始数据的分析,为后面的查询控制做准备,第二部分则是具体的模糊查询控制。

基于聚类分组的异构多机器人任务分配算法研究

在城市作战环境中,具有时间窗约束的大规模任务目标需要调度多个空地异构机器人处理,为了保证战略执行的快速有效,需要快速计算出可接受的次优任务分配策略。本文提出了一种基于聚类分组的一致性的束算法(C-CBBA),该分布式算法用于具有时间窗约束的大规模任务分配问题中。算法首先对任务目标点和机器人进行分组,将大规模问题转化为小规模问题,其中分组算法包括三个阶段:(1)利用K-means算法按照距离最近原则对任务点进行初步分类;(2)将每个组的任务点组别进行调整,使其不超过每组预分配机器人的载荷上限;(3)利用延迟接受算法(DA)给每个组分配距离最近的机器人。最后改进基于一致性的束算法(CBBA),对每个子问题进行任务分配问题求解。仿真结果表明,提出的算法具有较高的任务完成度,并且有效减少机器人之间的通信量。

基于聚类分组和属性综合权值的SNM改进算法

在处理大量业务数据时,传统的基本临近排序算法(sorted-neighborhood method,SNM)查准率、查全率均不高。针对SNM算法的缺陷,提出了一种基于聚类分组和属性综合权值的SNM改进算法。该算法基于分层思想,首先采用聚类分组的方式将海量数据进行分组,然后对各属性设置综合权值最后再进行相似重复记录的识别。其中聚类分组法能有效减少记录之间的比对次数,提高检测效率;属性综合权值的方法能更加准确反映各属性对记录的贡献度,针对实际数据集的实验分析表明,聚类分组法和属性综合权值法两者结合在提高查准率、查全率等方面均优于传统的SNM算法。

基于聚类分组的P2P网络信任模型

由于P2P网络的匿名性与节点自由进出P2P网络的特点,给网络带来了一系列的安全问题。为了解决P2P网络中的信任问题,本文提出了一种基于聚类分组的信任模型。首先给出了信任度的定义;然后依据兴趣分组计算节点的信任值和小组的信任值;最后提出了基于聚类分组的信任模型的实现方式。

多变量数据聚类最优选择的用电关联分析算法

针对多源用电大数据典型性分析结果不唯一且精度不高等问题,提出了一种多变量数据聚类最优选择的用电关联分析算法。算法借助小波变换日负荷聚类实现多源用电日负荷的相似性聚类,以提高数据分析的准确性;然后在获得分组上进行单次细粒度典型相关分析;利用典型相关分析的预测性验证典型权重准确性,以实现单次分析结果的最优选择,实现分析结果的唯一性。算法在北京地区非居民用电客户的用电、用气和天气三元数据集上仿真实验,结果发现在不同用户群体上三元数据的典型性相关曲线存在基本稳定、季节性和周期性变化等三种模式。与其他8种算法对比可知,所提算法的关联挖掘最为深入和准确,其中平均相关系数至少提高了1.52%,均方差误差至少降低了2.09%。

基于聚类和SVM的数据分类方法与实验研究

提出一种新的数据分类方法,K-均值聚类分组支持向量机(CG-SVM)方法,在不删减任何样本信息的情况下,该方法使用轮廓系数作为类分离度量参数对数据的正、负类样本进行聚类、分组,对小组进行交叉结合训练,得到不同的SVM分类器,根据测试样本到聚类中心欧氏距离的加权来选择合适的SVM分类器进行类别判断,该方法实现了一个二分类问题转化为多个细分的二分类过程,效果由差变好.对所提方法分别进行了仿真数据和实际数据分类实验.实验结果表明,与传统的SVM方法相比,该算法可以有效地提高分类的准确率.

基于特征点聚类的立井井壁图像匹配算法

由于井壁图像光照差干扰多,图像匹配存在极大困难。为提高立井井壁匹配准确度,本文提出一种基于特征点聚类的立井井壁匹配算法。算法综合了待匹配区域选取、特征点提取、聚类分组、基于多参数的粗匹配以及精匹配等方法,获得了很好的匹配效果。从实验结果看,无需提取很多特征点,匹配结果准确度高,可清晰地体现出所拍摄图像的移动方向。

湖北省典型流域片区地表水溶解氧时空变化及驱动因素

溶解氧(DO)是反映地表水水质状况的重要指标,是精准开展流域综合治理的关键参数之一。收集湖北省200座水质自动监测站2021—2022年地表水自动监测数据,研究DO时空变化特征并进行聚类分组,采用相关系数法、多元线性回归定量分析16个流域片区DO浓度变化的驱动因素,并提出流域治理建议。结果表明:1)时间上,湖北省地表水DO浓度存在显著季节性差异,表现为冬季>春季>秋季>夏季,其中5—10月存在显著昼夜变化。2)空间上,全省16个流域片区分为低氧区、中氧区和富氧区。低氧区为四湖片区和汉江下游片区,DO浓度和饱和度均较低,且夏季低氧发生频率高;富氧区集中在清江片区和汉江丹库以上片区,夏季易出现DO过饱和;其他流域片区为中氧区,DO饱和度稳定在较高水平。3)影响因素上,低氧区表现为复合型污染,富氧区主要受水生植物生长的影响,中氧区主要受水温影响。结合不同流域片区DO浓度变化特征,提出从“三水”统筹角度,分级分区开展流域系统化治理,即低氧区加强污染源头管控和过程控制,富氧区防控水华发生风险,中氧区严格排污总量控制。

基于WebGL的虚拟服装结构拆分展示系统研究

由于服装结构层次复杂,在基础学习和教学过程中很难通过观察来理解服装的完整结构。为此,本文提出一种基于WebGL的服装虚拟结构拆分展示技术,通过将虚拟服装模型在Web端拆分,来展示服装结构的部件细节信息。本文以合体女衬衫为例,利用CLO3D服装建模软件建立虚拟模型,导出为GLTF格式并进行轻量化处理,然后导入服装虚拟拆分系统,系统设计的聚类分组算法可以将服装附件组合到所属版片,做到被整体连带选择,使系统更好地呈现全部部件结构细节。初学者可以动态观察服装结构细节,交互拆分查看内部多层结构。

基于遗传K均值算法的军事装备试验数据分组模型

依据军事装备试验数据进行分组保养维修是优化部队配置资源,使效益最大化的有效手段。采用无监督的聚类分析方法,提出相似性度量的计算方法,建立了基于遗传K均值算法的聚类分组模型;仿真实验结果表明分组数目实现了自动学习,该模型为指挥员按照组别制定保养维修方案提供了基础。

聚合空调负荷的周期性暂停优化控制策略

针对空调负荷聚合商具有参数多样性的负荷分组方式,利用周期性暂停控制的优化策略模型,通过空调参数差异建立周期性暂停控制策略的方法对空调负荷进行分组,降低空调负荷的参数多样性在决策过程中的影响,在等效热参数模型基础上推导室温时变方程,作为约束条件,以控制周期内空调机组运行时间所占比例为决策变量,以受控期间耗电量最小为目标,研究不同用户热舒适度需求下的负荷聚合商不同的调控潜力。通过算例验证了控制策略的合理性及对于调峰控制的有效性。

将消费者带入品类管理中

品类经理最常问自己的一个问题就是：“我的店铺产品摆放、搭配和促销组合是否能够吸引每一位经过的消费者呢?如果不能的话，这对于产品的销售量影响到底有多大呢?”

地图点要素注记自动配置中聚类分组的蚁群算法应用

大规模点要素注记自动配置问题是地图注记的难点之一,主要受限于时间效率和注记配置质量。针对该问题,本文首先提出一种椭圆形多方位多级注记待选方位配置方案,使其参数化、多元化。其次,结合点要素空间分布特征,提出一种以聚类分组的蚁群算法,并讨论和优化核心参数,实现大规模点要素的注记快速配置。实验表明,该算法计算效率明显提升,算法性能稳定。针对注记密度在5%~30%随机分布点要素的地图,其相比传统蚁群算法算法效率提高73.2%;同时,该算法的注记结果质量比传统蚁群算法注记结果质量好,注记适应度提升8.0%。实验采用抚顺县集体土地所有权界址点数据进行验证,结果表明效率提升86.7%,且注记适应度提升14.6%。本算法适用于点要素规模大、点簇疏密变化差异大的点要素注记自动配置问题的快速求解。

基于QFD和公理化设计的模块划分方法研究

模块划分作为模块化设计的第一步,必须充分考虑顾客的需求和功能独立性。在现有研究的基础上,提出了基于质量功能配置(Quality Function Deployment,QFD)和公理化设计(Axiomatic Design,AD)的模块划分方法。运用QFD和AD理论,保证产品的功能分解时满足顾客需求和功能的独立性。在功能模块的聚合方式上,对原有的模糊聚类方法进行改进。在聚类计算之前,先进行模块分组,后在组内进行聚类。减小了模块聚类的计算量,并有利于模块化设计的优化。

一种基于聚类分组的快速联合兼容SLAM数据关联算法

针对在移动机器人同时定位与建图(SLAM)过程中如何快速准确获取数据关联结果的问题,提出了一种基于DBSCAN(density-based spatial clustering of application with noise)聚类分组的快速联合兼容SLAM数据关联算法(DFJCBB).首先,采用局部关联策略将参与关联的特征点限定在局部地图中;其次,针对多数环境中量测都有较明显的分布,采用一种基于密度聚类的方法 DBSCAN对当前时刻的量测进行分组,从而得到若干关联度小的观测小组;最后,在每个小组中采用联合兼容分支定界(JCBB)算法进行数据关联,以获得每个小组量测与局部地图特征之间的最优关联解,并将这些关联解组合获得最终的关联结果.基于模拟器和标准数据集的仿真实验验证了该关联算法的性能,结果表明该关联算法在保证获得较高关联准确度的同时,大大降低了算法复杂度、缩短了运行时间,适用于解决不同复杂环境中的SLAM数据关联问题.

面向航发叶片同步抛光的型面聚类分组方法

叶片是航空发动机核心零件,其制造能力的提升是航空制造业关注的重点。在多主轴阵列机床高效加工的技术背景下,针对批次叶片实际型面一致性不佳造成的同步定轨迹抛光质量不足问题,提出了基于形状的叶片型面聚类分组方法。首先,依据抛光去量与预压量关系确定组内叶片容许差异。其次,依据抽样叶片实际型面差异确定分组标志点分布。然后,将两两叶片型面的一致性表示为分组标志点实测数据的向量差,在组内叶片容许差异约束下以Ray-Turi指数为目标确立最优分组。最后,以批次叶片为对象验证了所提聚类分组方法的有效性。验证结果表明该方法可提高批次叶片分组后实际型面的组内一致性(实例为0.0985 mm内),组间超容许差异区域所占比例达到16.67%以上。对分组后叶片进行同步抛光,截面线轮廓度≤0.054 mm,且相同位置处抛光后精度差异≤0.021 mm,从而说明了该方法有助于实现批次叶片的高质量多主轴同步抛光。

多级模糊协方差聚类算法

模糊协方差聚类算法实质是一种局部寻优搜索方法,其收敛结果易陷入局部极小.本文结合分级聚类的思想,提出了一种改进算法.实验结果表明改进算法得到最优解的比例提高了.

川渝地区三年桐核心种质的初步构建

对川渝地区300份三年桐资源按照种群的方式分成12组,然后运用分组聚类法分别按30%、25%、20%、15%、10%的比例抽取5个候选核心种质,比较Shannon表型遗传多样性指数HI并与总体种质进行差异显著性检验,结果显示20%为最佳取样比例,从而确定核心种质60份。通过对核心种质进行符合性检验,平均值符合率、标准差平均符合率和变异系数平均符合率分别为98.07%、94.12%和95.70%。结果表明,核心种质基本上可以较好的代表总体种质的遗传变异。