基于聚类的模型数据集可视化与检索

为解决模型数据集可视化的问题,提出一种基于聚类结果的簇代表模型可视化方案.首先以等距特征映射算法作为模型特征数据的降维方法,将高维特征数据降至三维,并以该三维数据作为簇代表模型的空间位置坐标;然后采用粒子群优化算法得到模型簇的几何中值点,以距几何中值点最近的模型作为该模型簇的代表模型;最后结合模型的对齐方法来确定簇代表模型的姿态,从而实现模型数据集的可视化.另外,根据查询模型与簇代表模型之间的相似性,提出一个基于聚类结果的模型检索流程.该检索流程首先寻找与查询模型最相似的簇代表模型,然后将查询范围限制在这些簇代表模型对应的模型簇中,从而减少备选模型的数量.检索实验结果表明,在合适的参数组合下,该检索流程可以在保证检索精度的同时大幅提高检索效率.

基于聚类的比例规则

该文提出了基于聚类的比例规则（ＣＲＲ），该规则保留了比例规则（ＲＲ）的优良特性，同时适用于多峰分布的数据集。实验证明，基于聚类的比例规则的预测效果优于比例规则的预测效果。

基于聚类的小生境克隆选择算法

基于聚类的小生境克隆选择算法是针对小生境克隆选择算法计算复杂、参数设置困难等缺点而提出的。新算法删除了计算复杂度较大的抑制算子,引入聚类算子,并对算法的部分流程进行了调整。新算法不仅计算复杂度降低,而且无需预知峰的个数等先验知识,仅根据样本数据即可找到全部峰值点。仿真实验验证了C-NCSA的完全收敛性;并且通过与小生境克隆选择算法的对比实验证明:在相同的实验条件下,C-NCSA的执行时间比NCSA明显降低。

基于聚类的决策树在玉米种质筛选中的应用(英文)

[目的]建立一种改进的基于聚类的模糊决策树,并研究其在玉米种质筛选中的应用。[方法]采用一种新型的基于聚类的决策树算法,该算法针对传统的决策树算法不能处理无类别样本的这一不足,进行了改进。同时,将改进算法应用在玉米品种的筛选问题中,通过对叶面积、株高、干重、钾利用率等指标的衡量,筛选出耐低钾性较强的玉米种子。[结果]该算法在玉米种质的筛选上,适用性强且性能较优。[结论]在今后工作中还需进一步验证比较改进的基于聚类的模糊决策树与传统的模糊聚类决策树的性能,并将其应用在更多的实际问题中。

基于聚类的决策树在玉米种质筛选中的应用

[目的]建立一种改进的基于聚类的模糊决策树,并研究其在玉米种质筛选中的应用。[方法]采用一种新型的基于聚类的决策树算法,该算法针对传统的决策树算法不能处理无类别样本的这一不足,进行了改进。同时,将改进算法应用在玉米品种的筛选问题中,通过对叶面积、株高、干重、钾利用率等指标的衡量,筛选出耐低钾性较强的玉米种子。[结果]该算法在玉米种质的筛选上,适用性强且性能较优。[结论]在今后工作中还需进一步验证比较改进的基于聚类的模糊决策树与传统的模糊聚类决策树的性能,并将其应用在更多的实际问题中。

基于聚类的下采样及其在蛋白质-核苷酸绑定位点预测中的应用

蛋白质-核苷酸绑定位点预测对于蛋白质功能研究和药物设计有极其重要的作用。单纯依赖生物学实验来获取绑定位点情况的成本大,耗时长。因此,使用模式识别的方法来进行蛋白质-核苷酸预测越来越重要。蛋白质-核苷酸绑定位点预测是一个典型的不平衡学习问题,为了保持样本的平衡性,在稀疏表示方法提取特征的基础上,使用基于聚类的下采样方法进行采样,然后用SVM进行蛋白质-核苷酸绑定位点预测。实验结果说明了方法的可行性和有效性。

基于纯无监督的行人重识别方法研究

行人重识别技术在智慧安防领域占据重要的地位。其中,领域自适应行人重识别依赖于有监督的源域进行预训练,而纯无监督行人重识别则完全不依赖行人身份标签。文章分析基于轨迹和基于聚类的纯无监督行人重识别方法,并探讨近年来在伪标签处理上的重要进展。通过对CUHK03、Market-1501、DukeMTMC-Re-ID、MSMT17等常用数据集的介绍分析,总结当前纯无监督行人重识别所面临的挑战与未来研究方向,包括自监督学习、解决模型训练中的灾难性遗忘问题和构建高质量数据集等。

融合过抽样和欠抽样的不平衡数据重抽样方法

在机器学习领域的研究当中,分类器的性能会受到许多方面的影响,其中训练数据的不平衡对分类器的影响尤为严重。训练数据的不平衡也就是指在提供的训练数据集中,一类的样本总数远多于另一类的样本总数。常用的不平衡数据的处理方法有很多,只探讨利用重抽样方法对不平衡数据进行预处理来提高分类效果的方法。数据抽样算法有很多,但可以归为两大类:过抽样和欠抽样。针对二分类问题提出了四种融合过抽样和欠抽样算法的重抽样方法:BSM+Tomek、BSM+ENN、CBOS+Tomek和CBOS+ENN,并且与另外十种经典的重抽样算法做了大量的对比实验,实验证明提出的四种预处理算法在多种评价指标下提高了不平衡数据的分类效果。

铅锌烧结过程透气性状态及热状态优化控制

本文针对具有非线性、强耦合、不确定、多约束特性的复杂铅锌密闭鼓风烧结过程 ,采用神经网络模型实现了透气性状态和烧穿点位置预测 ,集成惩罚函数法、基于聚类点的并行变步长网格法和最优保存简单遗传算法 (OMSGA)进行状态整体优化 .算法具有全局收敛性和工业有效性 ,解决了复杂铅锌烧结过程实时智能优化控制问题 。

基于负载平衡的搜索算法研究

本文针对语义拆分的平衡算法提出了基于请求者反馈的搜索算法,然后对算法的搜索长度进行了分析,通过限定负载平衡时语义类移动的最大次数和聚类中节点的数目可以控制搜索服务的最大时间延时。

信息推荐技术与农资网站个性化推荐技术综述

首先分析了个性化推荐技术在国内外的发展历程和研究应用现状,然后对常用的个性化推荐技术进行了归纳总结,最后根据农资信息网的特点,分析了农资信息服务网中的个性化推荐模型及其优缺点。

基于改进Q学习的知识化制造自适应动态调度策略

针对知识化制造系统生产环境的不确定性,构建一个基于多Agent的知识化动态调度仿真系统.为了保证设备Agent能够根据当前的系统状态选择合适的中标作业,提出一种基于聚类-动态搜索的改进Q学习算法,以指导不确定生产环境下动态调度策略的自适应选择,并给出算法的复杂性分析.所提出的动态调度策略采用顺序聚类以降低系统状态维数,根据状态差异度和动态贪婪搜索策略进行学习.通过仿真实验验证了所提出动态调度策略的适应性和有效性.