基于维基百科和模式聚类的实体关系抽取方法

该文提出了一种基于维基百科和模式聚类的方法,旨在从开放文本中抽取高准确率的中文关系实体对。首次使用从人工标注知识体系知网到维基百科实体映射的方式获取关系实例,并且充分利用了维基百科的结构化特性,该方法很好地解决了实体识别的问题,生成了准确而显著的句子实例;进一步,提出了显著性假设和关键词假设,在此基础上构建基于关键词的分类及层次聚类算法,显著提升了模式的可信度。实验结果表明该方法有效提升了句子实例及模式的质量,获得了良好的抽取性能。

基于图像处理及模式聚类的二次仿真方法及其在回转窑温度监控中的应用

提出一种基于图像处理和模式聚类的二次仿真方法。应用Fluent商业软件对回转窑内粉煤在27类设定工况的燃烧进行温度场的三维数值模拟,将仿真结果构建仿真结果数据库;采用模式聚类的方法判断实际工况属于哪一类标准工况,调用仿真结果数据库建立温度与该类标准工况的数学模型,求解模型并计算实际工况下的温度场;利用图像处理中的伪彩色变换得到二次仿真结果,用VC++6.0来实现。结果表明:该方法能够较准确地给出仿真结果,极大缩短计算时间,为回转窑内温度监测提供一种新思路,具有较大的现场应用价值,并很容易推广到其他领域中。

地震属性模式聚类预测储层物性参数

地震模式聚类预测技术是一种模式识别技术,在油气储层预测中有广泛的应用。其应用成功的关键在于:1所用地震资料的质量满足高信噪比、高分辨率及高保真度的要求;2建立准确的地质模型(综合框架) ,为神经网络的训练提供好的学习样本;3选用多层感知器神经网络。在上述第二个环节中,涉及储层层段划分上应力求按岩性特征细化,然后按测井细分层数据对地震信息进行准确标定,建立地震属性信息与地质、井信息的联系。文中列举了两个油田的应用实例,进一步证实了此方法的应用效果。

基于模式聚类的过程数据预处理方法及应用

在分析工业过程数据测量误差源的基础上 ,提出了一种基于模式聚类的数据预处理方法。该方法只依赖于领域的定性知识和半定量知识 ,能处理不同的误差干扰 ,预处理后的数据保留了原始测量数据的有用信息 ,剔除了过失数据 ,从而防止了矛盾数据的出现。将该方法用于制浆蒸煮过程的数据预处理中 。

模糊超球神经网络在模式聚类中的应用

提出和实现了用于模式聚类的无监督模糊超球神经网络．模式集是一个具有超球核的用隶属函数表示的模糊集，模式集又可以合并成模式类．模糊超球神经网络学习算法能在几次循环学习中形成模式集，无需对已知模式集重新训练就可融合新样例和精炼已存在的模式集．

基于铁谱图像R模式聚类分析的内燃机磨合期研究

提出了一种基于铁谱图像R模式聚类分析判断设备的磨合期是否结束的方法。采用铁谱仪对基本参数进行检测,对磨损总量等多个参数进行数据采集和分析,根据参数之间的相关性和磨粒成分的变化判断磨合期是否结束。结果表明,本方法避免了原有的对磨合期全时段的跟踪监测,只须根据一定的采样点数便可实现对磨合期是否结束的判断。

基于模式聚类和遗传算法的文本特征提取方法

采用模式聚类和遗传算法进行文本特征提取,并用Kohonen网络进行分类。模式聚类可以有效降低文本特征的维数,使得特征从几千维降为几百维。但几百维的维数对Kohonen网络来说仍然太高,因此采用遗传算法在此基础上继续降维。实验结果表明,这两种方法结合可以极大地降低文本的维数,并能提高分类准确率。

基于用户特性的Web会话模式聚类算法

Web用户聚类是通过分析用户会话,将具有相同或相似访问特征的用户聚为一类。在会话相似性度量方面综合考虑了网页浏览时间和访问频次两个因素,并考虑到用户个人习惯、能力等因素对浏览时间的影响,将浏览时间处理为RDP(Reduce the Differences in Personality)浏览时间,以降低其个性特征。为此,提出一种基于用户特性的RDPk-means聚类算法。实验表明,该算法可以有效实现用户会话的聚类,聚类结果客观合理。

基于单亲遗传算法的模式聚类在复杂岩性识别中的应用

针对油藏地质中复杂地层岩性划分存在的模糊性和多解性 ,提出了一种基于单亲遗传算法的模式聚类划分复杂地层岩性的方法 .该方法通过隐含传统算法交叉算子功能的基因换位等遗传算子来实现进化操作 ,简化了遗传过程 ,同时避免了早熟收敛问题 .用PGA求解模式聚类问题可使聚类结果不依赖于初始聚类中心 .采用该方法对大庆油田10 8个地层样本进行处理 ,总符合率达 88.0 %.结果表明该方法可提高复杂岩性识别的精度 .

基于空间模式聚类最大熵图像分割算法研究

研究图像分割优化问题,在分割图像中,提取信息受到各种因素影响,分割效果不理想。针对图像分割计算复杂,造成图像分割分辨率低,清晰度不高。同时,当图像中的信息量非常大时,图像分割非常耗时。为了有效地分割图像,提出了一种基于空间模式聚类和最大熵算法原理相结合的图像分割方法。首先对图像采用最大熵算法进行图像分割,为每个熵区域定义特征量。根据不同的特征量计算相似区域之间的欧氏距离和空间距离,从而确定像素聚类中心的距离。然后对分割后的图像区域采用基于空间模式聚类方案进行合并,并对图像进行二值化处理。仿真表明与传统图像分割相比,提高了分割效率,分割出的图像边缘效果清晰,证明了算法的可行性和有效性。

基于相似模式聚类的电子商务网站个性化推荐系统研究

保证个性化推荐系统产生高质量的推荐结果的重要因素是:系统必须要确定访问者在访问行为的相似程度,从而能预测访问者的访问和购买兴趣。实现此功能的关键技术是计算访问者对象在整个或者部分属性空间的相似距离,从而得到访问行为的相似程度。该文首先分析了目前在推荐系统中常用的用于计算访问行为相似程度的距离函数,发现它们是测定访问者对象在所有测试属性空间上的平均测定,而在属性集的子维空间上的相似模式并没有有效地挖掘出来。然后提出一种新的基于相似模式聚类算法的电子商务个性化推荐系统,综合考虑可供挖掘的数据源(如:网站内容,网站的超链接结构,顾客访问网站的行为,以及商业的实际购买情况,顾客的身份数据等)获取用户访问电子商务网站的访问页面序列,构建较高购买者的顾客行为的矩阵模型,高效地得到访问者对象在整个或者部分属性空间的相似访问行为,然后通过挖掘潜在购买者与较高购买者的相似模式特征,帮助顾客发现他所希望购买的产品信息,用于提高实际购买量,实验数据表明,该系统高效并可广泛使用。

最小均熵差准则与模式聚类

作为最小均方差准则的拓广,本文从数据熵、数据熵差引进最小均熵差准则,并应用于数据与模式聚类;给出基予最小均熵差准则的动态聚类算法与系统聚类算法,最后通过一个应用示例说明这一最小均熵差准则模式聚类的有效性与优越性。

模式聚类识别碳酸盐岩台地浅滩岩相

由于不同沉积环境形成的岩石类型,也就是岩相,其矿物成分、结构、构造、生物含量等存在差异,次生改造作用差别也较大,进而造成储层孔隙结构和物性差别较大,而这些因素形成的物理性质差异可在各种测井上出现差别响应。为此,根据已形成的随井深沉积环境变化而引起岩石物理变化的连续电相剖面,再通过数理统计聚类分析建立起测井岩相的数学模型,最后根据误差判断将电相剖面转化为测井岩相剖面,从而达到利用测井信息定型识别岩相的目的。该方法建立的测井相和岩相关系模型,具有应用参数多、岩相细分、定量化程度高等特点,能较好地识别出碳酸岩复杂的岩相,识别结果与取芯剖面对比,精度达到87%,说明该方法是可行的。

基于改进的空间模式聚类遥感图像融合算法

研究遥感图像融合优化问题,由于多通道,遥感图像和多光谱图像融合技术受到采集的图像信息精度和分辨率不同的影响,使图像的清晰度降低。为了有效提高遥感图像的分辨率,提出了一种空间模式聚类和小波分析相结合的遥感图像融合新算法。首先采用小波分析对待融合图像进行小波分解,并选择不同的融合规则对小波分解后的不同高低频率重构,然后对融合后的边缘模糊图像区域采用基于空间模式聚类方案进行合并。实验给出了两组遥感图像,仿真结果表明,通过与常用的几种图像融合算法相比,改进的遥感图像融合算法最大限度地保留多波段光谱信息,提高了分辨率,具有一定的实用性。

基于模式聚类的数据预处理方法应用研究

在分析数据预处理的意义基础上,提出了一种基于最大距离算法的模式聚类的数据预处理方法。该方法不依赖于任何数学模型,通过对某造纸厂大量数据的仿真处理,研究表明本文提出的方法能在保留原始数据的有用信息的基础上剔除冗余数据,侦破过失误差,减少随机误差。

一种改进的多值属性模式聚类算法

pCluster算法是面向多值属性数据的聚类算法,能识别出多值属性间的相似性。针对模式聚类算法pCluster效率低的问题,提出pCluster的改进算法。实验证明,该改进算法能更高效地获得预期聚类结果。

基于模式聚类的多种群模糊遗传算法的研究

针对基本遗传算法优化过程中存在的收敛慢、早熟等问题,提出了一种基于聚类思想的多种群模糊遗传算法(multi population fuzzy genetic algorithm based on clustering theory)。该算法根据传统遗传算法,基于模式聚类的思想采用多种群、模糊动态交叉和变异、保留优越个体策略,利用了模式聚类的思想建立差异化子种群,使选择算子兼顾到种群多样性;设计了模糊控制系统,对交叉算子和变异算子进行动态调控,在保障种群多样性的同时,兼顾优化算法的搜索性能;设立了优越种群以保存每个进化代种群中的最优个体,避免了最优个体的丢失与破坏,此外,优越种群将继续参与优化以产生更为优良的个体。仿真结果表明,所提出的基于聚类思想的多种群模糊遗传算法(CMPFGA)相比于传统遗传算法(genetic algorithm,GA)、多种群遗传算法(multi-population,MPGA)具有更快的收敛速度,能更有效地对于目标函数全局最优解的搜寻,显著提高了算法的性能,极大改善了遗传算法寻优速度缓慢、难以跳出局部最优解等缺点。

模式聚类中的线性模式挖掘

不同于传统以距离为相似度标准的聚类方法,基于模式的聚类方法旨在挖掘出数据集中存在一致性模式的簇。然而,已有的模式聚类方法只能挖掘出特定的等差或等比模式,而对其他常用模式判断不足。分析数据对象间存在的多样化模式,引入了线性模式的概念,研究其特性和运算方法,并给出了一个对符合线性模式相似性的对象进行聚类的有效算法。

基于模式聚类的二级电压控制分域方法研究

为更好解决二级电压控制分域问题,研究一种基于可视化自组织特征映射网络聚类技术的分域方法。根据自组织特征映射网络的拓扑保持、信息融合和高维数据矢量量化的特性,建立系统电压分域可视拓扑映射模型,以拓扑映射图为基础进行二级电压控制分域。在此基础上,提出以熵作为测度搜索主导节点。该分域算法融合了节点电压、相角和灵敏度等信息,利于分区间的控制解耦。该方法可离线训练,在线计算。

一种基于Web资源相似性的序列模式聚类方法

在Web行为挖掘中,序列模式聚类是一个很重要的课题,其首要问题就是web序列模式间的相似性度量。以往的多数方法都仅仅针对序列本身进行度量,而忽略了系统中资源本身所存在的关联关系以及用户对资源访问的时间因素。针对该问题,提出了一种基于考虑资源相似性的Web访问序列模式的相似度量方法,并且考虑了用户访问资源的时间因素。经过检验,证明能够有效真实地反映实际情况。