基于局部密度峰和标签传播的最小生成树聚类

基于最小生成树(minimum spanning tree,MST)的聚类算法能够识别具有任意形状的簇,该算法在如何有效构建最小生成树和识别无效边方面存在不足,而且易受到噪声点影响.本文利用密度峰值聚类算法思想的优点来寻找局部密度峰,局部密度峰在保留原始数据集分布结构的同时,排除了噪声点,因此,将局部密度峰与最小生成树聚类算法相结合,采用标签传播,提出了基于局部密度峰和标签传播的最小生成树聚类算法(DPMST).该算法采用了局部密度峰之间基于共享邻的距离,利用局部密度峰之间的邻域信息,有效构造最小生成树和识别无效边,使算法能够发现具有复杂结构的簇.标签传播增强强标签,削弱弱标签,以细化错误的标签,特别是对于边界点以及揭示复杂流形,能够提高聚类结果的质量.人工和真实数据集上的实验结果表明,与经典聚类算法DPC、MST、K-means、DBSCAN、AP、SC和BIRCH比较,DPMST算法表现优异.

一种改进的基于最小生成树的遥感影像多尺度分割方法

影像分割是遥感影像面向对象信息提取的基础步骤。基于多特征、多尺度及考虑空间关系的遥感图像分割是主流研究方向。本文基于eCognition软件的多尺度分割思想,引入基于图论的最优化理论,提出了基于最小生成树分割和最小异质性准则的多尺度分割方法。该方法采用相干增强各向异性扩散滤波和最小生成树分割得到初始分割结果,通过最小异质性合并准则同时考虑多波段光谱特性区域形状参数进行区域合并,实现多尺度的影像分割。本次研究选取两景试验影像,对本文方法和eCognition软件的多尺度分割方法开展了目视比较和定量指标评价,结果表明,本文提出的方法是一种有效的影像分割方法,在光谱差异较小区域的细分方面优于eCognition方法。

度限制最小树的蚂蚁算法

Based on the ant system methodology,this paper offers an algorithm for the degree constrained minimum spanning tree problem.Compared with some other algorithms, numerical examples are tested which give promising results and useful conclusions.

基于密度的最小生成树聚类算法研究

基于密度的方法是一种相当有效的聚类方法,能够发现任意形状的聚类,对噪声数据不敏感,但是聚类结果严重依赖于用户参数的合理选择。针对其存在的问题,将最小生成树理论与基于密度的方法相结合,提出了一种基于密度的最小生成树聚类算法。通过构造、分割最小生成树得到确定样本空间划分的最小生成子树;根据子树特性,产生局部密度参数;并对生成子树进行局部密度聚类。理论分析和应用结果表明。该算法不仅体现了基于密度聚类方法的优点,聚类结果不依赖于用户参数的选择,使数据聚类更合理,特别是对大型数据库非常有效;也体现了数据分区的思想,使其可以并行执行,进一步提高了信息处理的时空效率和性能。

一种求解度约束最小生成树问题的优化算法

为求解大规模结点度约束最小生成树问题，提出一种带有嫁接和剪接算子操作的优化算法．通过借鉴花草果树种植技术，建立一种以基本遗传算子为基础、带有加速和调节算子作为激励的进化计算体系；嫁接以一种贪婪的思想加速搜索，按收益最大化原则进行剪接．对可能陷入局部极值引起冲突的现象及冲突检测的方法进行分析，并提出了冲突的若干解决方法．针对DCMST问题求解中的复杂性，提出了几种有效的嫁接和剪接的策略，并对算法的收敛性和计算复杂度进行了分析．通过该算法对结点数为50-500之间的Euclidean问题和按均匀随机方式产生的non—Euclidean度约束最小生成树问题进行求解与现有文献的实验结果对比表明，该方法在求解最好解的精度和收敛速度上均有一定的优势．

度约束最小生成树的快速算法

本文对带有顶点度约束的最小生成树问题，给出了一种快速近似算法，并在微机上予以实现，经大量试算，效果良好。

度约束最小生成树(DCMST)的竞争决策算法

度约束最小生成树是网络设计和优化中的一个NP难题,介绍了一种基于竞争造就优化和决策左右结果的新型算法———竞争决策算法,利用竞争决策算法的通用模型,给出了一种基于竞争决策思想求解度约束最小生成树的快速求解方法,经过数据测试和验证,并与其它算法的结果进行了比较,得到了较好的结果.

一种新的求解度约束最小生成树的遗传算法

染色体编码是遗传算法的关键内容,编码的优劣并直接影响算法的性能。提出了基于过程控制的生成树编码方法——PC编码。PC码为定长的整数向量,使用PC编码求解特定生成树问题时,首先选定的一个有效算法,并将修改为可控算法,然后用编码向量控制算法的运行过程,从而得到唯一生成树。为了求解度约束最小生成树(DCMST)问题,在D-Prim算法的基础上,设计了过程可控的度约束生成树构造PC-Prim算法。给出了以PC-Prim算法作为译码器的求解DC-MST问题的遗传算法。仿真结果表明遗传算法求解精度和运行时间均优于参与其他算法。

求解度约束最小生成树的新的遗传算法

针对度约束最小生成树问题的特征,设计了一种新的编码方式,并在此基础上提出了一个新遗传算法来求解该问题。该算法采用新的启发式杂交算子、变异算子和局部搜索算子,以概率1收敛到全局最优解。数值实验表明该算法优于文中提出的其他4种算法。

融合梯度信息的最小生成树医学图像配准

针对传统的均匀子采样的最小生成树配准方法对采样率敏感,导致配准鲁棒性降低的问题,提出了一种融合梯度信息的最小生成树医学图像配准算法.该算法首先提取均匀子采样点集,并在此基础上构造最小生成树;然后使用最小生成树来估计Rényi熵;最后将图像间的边缘梯度信息融入到配准框架中.通过在公共数据集RREP上,与传统的基于均匀子采样的最小生成树配准算法和基于归一化互信息配准算法相比,提出的算法在达到良好配准精度的同时,具有更平滑的配准函数和较强的鲁棒性.

多目标度约束最小生成树的蚁群优化算法求解

多目标最小生成树问题与度约束最小生成树问题分别是网络优化中两个NP难题,在实际中一直有着重要的应用.本文针对同时考虑多目标和度约束情况下的最小生成树求解问题,采用蚁群优化算法思想,设计了一种求解方案,并在计算机上用Delphi予以实现.经大量数值算例求解测试,验证了算法的有效性和可行性.

基于免疫—蚁群算法的度约束最小生成树算法

针对度约束最小生成树问题,借鉴人体免疫系统的适应能力和蚁群算法的全局寻优能力,提出了一种基于免疫—蚁群算法的求解方法。该算法采用Prüfer数对树进行编码及度的改进,利用免疫算法和蚁群算法的融合提高算法的执行速度和进化效率。实验结果表明,用该算法解决度约束最小生成树问题是有效的。

求解度约束最小生成树问题的新算法

针对网络设计和组合优化中的度约束最小生成树问题,基于第k最小生成树的求解算法,提出了一种求解网络G关于指定节点的最小k度生成树的新算法。该算法通过对网络G的最小生成树作最优可行变换,逐步构造出指定节点的度数越来越接近度约束k的最小i度生成树,最终得到了网络G关于指定节点的最小k度生成树。给出了算法实施的具体步骤,并证明了算法的正确性。最后通过仿真结果和一个运输实例,表明了该算法在解决度约束最小生成树问题中的有效性。

基于蚂蚁搜索度约束最小生成树的改进算法

针对度约束最小生成树问题,对基本的蚁群算法进行改进。提出了度信息的概念来改进转移概率,保证算法获得可行解;同时采用基于度的禁忌表这种数据结构来表示度约束生成树,并与深度优先搜索的思想结合,保证得到树的连通性;将遗传算法中的变异特征引入蚁群算法,对生成树进行局部优化。不仅提高算法的效率,而且避免早熟收敛。通过数值试验验证新算法的可行性,并与其他算法进行比较,取得了良好的效果。

最小生成树灵敏度分析算法研究

在最小生成树数学性质的基础上,给出最小生成树灵敏度分析算法.该算法在图的各种属性发生变化(如边的权值变化、增加或删除边或结点)的情况下,在原有最小生成树的基础上快速调整,而不是从头计算来得到新的最优解.算法还给出了每边权值在何范围内变化时,最优解不变.最后通过一个示例来说明算法的原理及应用.

一种基于遗传算法的度约束最小生成树求解方法

度约束最小生成树是一个NP问题.提出了应用基于分段编码遗传算法求解度约束最小生成树的方法,给出了算法设计、算法描述和实例分析,并且对遗传操作产生的非法染色体进行修正.经过数据测试验证,该求解方法是可行的,与其它算法相比较,有着较好的求解效果.

基于Prim算法的度约束最小生成树问题研究

针对一类度约束最小生成树问题,基于传统最小生成树问题的Prim算法,设计了一种求解算法.该算法在保证网络中指定节点的度不变的前提下,构造了网络关于指定节点的最大度最小生成树.与经典的Gloveklingman算法进行了仿真比较,结果表明,该算法是求解度约束最小生成树问题的一种有效算法.

基于最小度约束下的最小生成树算法

针对网络设计和组合优化中的度约束最小生成树问题,通过引入分裂图以及分裂数的概念,给出了网络G关于v0的最小度支撑树的最小度等于分裂数的结论.并在此基础上提出了一种关于v0的最小度约束条件下的最小生成树算法,最后对算法的正确性给出了证明.算例表明了算法的有效性.

度约束最小生成树的元胞竞争决策算法

度约束最小生成树(Degree-Constrained Minimum Spanning Tree,简记DCMST)是网络设计和优化中的一个经典的组合优化难题。竞争决策算法是一种特别适合于求解组合优化难题的新型算法。为了提高求解DCMST问题的求解精度,将元胞自动机的邻居演化原理和竞争决策算法相结合——元胞竞争决策算法来求解DCMST;为了提高算法的效率,分析了度约束最小生成树问题的数学性质并利用这些性质对问题实现降阶。降阶过程会有效降低问题处理的规模。为了验证算法的性能,采用Delphi 7.0实现算法,经过数据测试和验证,并与其他算法的结果进行比较,证明了算法的有效性。

求解最大度约束下最小生成树的新算法

针对网络优化中度约束最小生成树问题的特征,融合破圈法的基本思想,提出了一种求解网络G关于指定节点的最大度约束下最小生成树的新算法。该算法在保证指定节点最大度的前提下,每次通过去掉圈中权最大的边,最终构造出网络G关于指定节点的最大度约束下的最小生成树。算法证明和算例都表明了该算法的有效性。