基于流分割的均匀聚类无线传感器网络路径优化算法

为了延长无线传感器网络的生命周期,有效减少网络节点的能量消耗,通过对网络分簇和路由算法的研究,提出了一种基于流分割的均匀聚类无线传感器网络路由算法(DSUC)。该算法首选采用了基于流分割的均匀聚类来制定网络的簇头选举规则;其次,采用基于数据流分割的路由方法,该方法分为了数据流分割阶段和中继阶段,通过最小化成本函数来选择下一跳转发节点,有效减少网络节点的能量消耗。仿真实验结果表明,DSUC相比EACSDR和AVAPCR-ACO算法,在延长网络生命周期,减少网络节点的平均能量消耗上,取得了更好的效果。

非均匀类簇密度聚类的多粒度自学习算法

针对非均匀类簇密度聚类问题,从商空间粒度理论出发,提出一种多粒度自学习聚类算法(multi-granularity self-learning clustering algorithm,MSCA)。算法通过构造聚合树结构和定义粒度函数对问题逐层求解,并在每层聚合过程中根据聚合区间以自学习的方式动态确定聚合粒度,解决了传统聚类算法从非均匀类簇密度数据中无法得到不同层次的聚合特征且参数对经验依赖性过高的问题。理论和实验表明,MSCA算法可以发现任意形状类簇,有效处理噪声,并能发现关键聚合层,具有较好的计算复杂性。

针对无网格并行计算的基于模糊均值聚类的分区方法

针对国际上普遍采用的基于回归几何二分的分区方法的缺陷,提出了基于模糊均值聚类的均匀模糊均值聚类分区算法。采用该方法对不同类型的无网格几何模型进行了分区,并根据分区信息对三维实体模型进行了并行计算。通过与基于回归几何二分法的比较,充分验证该算法的有效性和可行性。

基于区域中心点的多层次数据集密度聚类算法

通过k-dist图和DK分析方法对非均匀数据进行密度分区并选择半径,确定各密度区域的初始区域中心点,然后调用改进后的快速聚类算法进行聚类。在两种数据集上进行了算法实验验证,有效地聚类多层次数据集,提高了效率和准确率。

基于通用生成函数法的CFRP防撞梁碰撞可靠性设计优化

为满足汽车耐撞性与轻量化的要求,对碳纤维增强复合材料(CFRP)防撞梁进行可靠性优化设计(RBDO)。以CFRP防撞梁关键控制点横坐标、厚度以及铺层角度为设计变量,以碰撞力峰值为约束条件,以比吸能最大为目标构建优化模型。采用拉丁超立方法与克里金(Kriging)代理模型法相结合拟合出目标及约束函数的Kriging近似模型,采用通用生成函数(UGF)-直接映射法来进行碰撞可靠性优化设计。结果表明:在随机变量非正态、功能函数高度非线性的情况下,传统矩方法无法保证收敛,蒙特卡罗法精度最高但计算成本过大,使用UGF进行可靠性分析优化时收敛稳定,在保证精度的同时效率较高;引入非均匀聚类技术的UGF法效率进一步提高,采用UGF法得到的优化结果相较于初始目标值优化幅度达21.6%,达到预期效果。

一种基于局部信息的聚类密度度量

为有效处理密度不均匀聚类问题,以数据集蕴涵的局部信息为出发点,提出一种数据点密度度量———松散度,用以揭示数据点与其相邻数据点的相对紧密程度及类属关系,从而解决密度不均匀聚类问题.依据松散度的性质实现了一种基于松散度的聚类方法,以验证松散度度量的有效性.实验结果表明,使用松散度来度量数据点的聚类密度信息可以有效处理密度不均匀聚类问题.

Characterizing heterogeneity in vehicular traffic speed using two-step cluster analysis

In order to analyze the heterogeneity in vehicular traffic speed, a new method that integrates cluster analysis and probability distribution function fitting is presented. First, for identifying the optimal number of clusters, the two-step cluster method is applied to analyze actual speed data, which suggests that dividing speed data into two clusters can best reflect the intrinsic patterns of traffic flows. Such information is then taken as guidance in probability distribution function fitting. The normal, skew-normal and skew-t distribution functions are used to fit the probability distribution of each cluster respectively, which suggests that the skew-t distribution has the highest fitting accuracy; the second is skew-normal distribution; the worst is normal distribution. Model analysis results demonstrate that the proposed mixture model has a better fitting and generalization capability than the conventional single model. In addition, the new method is more flexible in terms of data fitting and can provide a more accurate model of speed distribution.