基于簇特征的增量聚类算法设计与实现

对于大型数据库,如空间数据库和多媒体数据库,传统聚类算法的有效性和可扩展性受到限制。通过动态增量的方法,在基于密度和自适应密度可达聚类算法的基础上,根据BIRCH算法中聚类特征的概念,利用簇特征设计与实现了一种新的动态增量聚类算法,解决了大型数据库聚类的有效性以及空间和时间复杂度问题。理论分析和实验结果证明该算法能够有效地处理大型数据库,使聚类算法具有良好的可扩展性。

基于簇特征的文本增量聚类研究

提出了一种基于簇特征的文本增量聚类算法:充分利用简单、有效的k-means算法来进行初始聚类,并保留聚类后每个簇的簇中心、均值、方差、文档数、3阶中心矩和4阶中心矩作为该簇的簇特征,当出现新增数据时,利用初始簇的簇特征对新增数据进行聚类.在20newsgroups数据集上的实验结果表明:相比于对整个数据集进行重新聚类,该算法具有一定的优势.

基于簇特征的增量聚类算法

针对传统聚类算法无法处理大规模数据的特点,结合增量算法和簇特征的思想,在初始聚类阶段,采用基于距离的K-means聚类算法获取相应簇的特征。根据簇特征,并结合K最近邻(KNN)的思想处理增量,提出了基于簇特征的增量聚类算法。提出的方法已经在加州大学尔湾分校(UCI)机器学习库中提供的真实数据集的帮助下得到验证。实验结果表明:提出的增量聚类方法的聚类精度较普通K-means算法和原始增量K-means算法有明显提高。

基于簇特征加权的航空发动机状态监视方法

提出了基于簇特征加权模糊C-均值聚类算法(FWFCM)的航空发动机状态监视模型,该模型主要分为离线学习和在线监视两个部分,离线学习模块计算出模型参数输出到在线监视模块,在线监视模块根据模型参数对实时数据进行分类,实时数据又输入到离线学习模块中参与更新模型参数.结果表明:相比基于数据加权策略的模糊聚类算法(DWFCM)以及经典模糊C-均值聚类算法(FCM),该方法平均离线状态识别率和在线状态识别率分别提高了5.233%和8.358%.实验证明此方法性能好且有很好的鲁棒性和泛化能力,对于不确定性的航空发动机在线状态监视有较好的应用价值.

簇特征加权的模糊紧致散布聚类算法

针对非均衡数据聚类问题,提出了簇特征加权的模糊紧致散布聚类算法.指出了模糊紧致散布聚类算法中模糊隶属度表达式的不足之处,给出了簇特征加权模糊紧致散布聚类算法中样本隶属度的计算公式和各属性对不同类的权重计算公式,并讨论了样本隶属度和属性权重的调整方法.分别将所提算法和模糊紧致散布聚类算法及两种加权聚类算法用于经典数据集.实验结果证明本文算法相对于其它3个算法对分布不均衡的数据划分有更高的准确性和合理性.

基于密度估计的社会网络特征簇挖掘方法

通过凝聚式聚类方法抽取网络的层次结构,并基于拓扑结构分析,给出了社会网络的标注密度估计函数。通过对密度估计函数在网络层次结构上的聚合操作,计算聚簇的特征性指标,从而达到发现特征聚簇的目的。在大规模的真实数据上对这些方法和模型进行了验证,实验结果表明,所提出的思路和模型是合理的,算法是高效、可伸缩的。

基于椭圆簇轨迹特征的板中超声导波线弧类阵列成像研究

超声导波换能器阵列的布置形式对超声导波成像质量有重要影响,规则的直线阵列、弧形阵列和非规则的贝塞尔阵列等线弧类阵列在板中超声导波成像时有内在联系。讨论线弧类阵列布阵方法,建立线弧类阵列成像系统,分析多通道线弧类阵列信号特点和其图像椭圆簇轨迹特征,基于图像椭圆簇轨迹特征提出线弧类阵列超声导波成像检测的分辨率分析准则,据此研究了线弧类阵列成像检测横向分辨率的影响因素。理论分析和成像结果一致表明,基于图像椭圆簇轨迹特征的板中超声导波合成孔径聚焦可统一运用于以上规则和非规则的线弧类阵列成像,散射点处图像灰度呈现椭圆簇轨迹分布特征,相同基准阵列的超声导波成像检测时弧形阵列有比直线阵列更高的横向分辨率,贝塞尔阵列的横向分辨率与弧形阵列相当,这与分辨率分析准则一致。为进一步开展线弧类阵列统一灵活运用于工业复杂现场的大尺度板材超声导波成像检测研究与应用提供基础。

一种基于特征簇的微博短文本情感分类方法

针对由微博短文本特征规模大、自身特征较少等特点导致的数据稀疏性,提出一种基于特征簇的微博情感分类方法.提出的分类方法以大规模语料库为基础,利用word2vec模型学习词语之间潜在的语义关联,将单个词语表示成多维向量的形式;结合情感词典,提取出微博文本的情感特征集,在基于词向量计算词语相似度方法的基础上,将情感特征合并为特征簇,以此构造低维的文本向量;最后利用机器学习算法,构建情感分类器,实现微博短文本的情感分类.实验结果表明,本文提出的方法对情感特征的降维是可行和有效的,并且取得很好的情感分类效果.

大黄特征成分簇谱量学的初步研究

目的:建立中药指纹图谱按特征成分簇定量的方法。方法:运用总量统计矩原理及中药特征成分簇特性与朗伯-比尔定律的关系,建立了中药特征成分簇与浓度的线性回归方程,并以大黄为模型药物,采用HPLC法,系统的适应性条件:色谱柱为Alltech Apollo C18柱(250 mm×4.6 mm,5μm);流动相:乙腈-1%醋酸水溶液由5∶95变为95∶5梯度洗脱;流速:1.0 mL/min;温度:40℃;检测波长:254 nm。结果:根据中药特征成分簇特性,大黄指纹图谱可以划分为14个特征成分簇,其谱量学线性回归方程为:CT=10.543-2.13×10-7AUCT1-4.16×10-7AUCT2-8.06×10-7AUCT3-4.98×10-6AUCT4+1.30×10-6AUCT5+3.10×10-9AUCT6+1.91×10-6AUCT7-3.08×10-7AUCT8+3.98×10-6AUCT9+9.77×10-7AUCT10+5.57×10-6AUCT11-3.00×10-6AUCT12+4.51×10-6AUCT13+6.98×10-6AUCT14(R2=1.000)。结论:中药指纹图谱可按特征成分簇分段,建立的线性回归方程可用于中药定量分析,构建中药谱量学数学模型。

基于离群点识别的聚类结果属性特征簇发现

对聚类结果的理解有助于评价聚类效果,可以据此调整聚类过程,更高效地使用聚类结果.但是,聚类结果的理解仍然是一个尚未解决的问题.提出了基于离群点识别技术分析任意聚类算法的聚类结果,发现了聚类结果属性特征簇的方法;提出一种基于不相似性比值的离群点识别算法.通过对全部数据簇的属性描述进行离群点分析,发现各数据簇的特征属性,实现对聚类结果的理解.所提方法适用于任意聚类算法结果的分析.对UCI的iris、ZOO和Housing数据集的采用X-means、Frozen和DBScan算法的聚类结果进行聚类结果分析,实验表明所提方法较成功地发现了不同聚类算法的属性特征簇,有助于对聚类结果的深入理解.

簇类特征城市群间的TSP问题研究

针对现实生活中旋行商问题(TSP)大量样本集一般具有呈区域分布的簇类特性,提出了一种基于平衡聚类的免疫遗传算法。首先分析了城市样本点的分布特征,采用平衡聚类算法将城市样本点聚成K个不同的类,并找出类与类之间的最短路径;然后采用免疫遗传算法得到类内部城市间的最短路径;最终得到全局最短路径。仿真试验证明,该算法明显提高了收敛速度。

基于特征运动簇的非刚体运动形变估计算法

由于非刚体运动形变估计是一个非线性的逆问题,非刚体运动时受到背景多样性、运动复杂性、数据的丢失、特征点噪声等问题的影响,使非刚性物体的形变程度估计面临着估计不准,误差较大的问题。为了解决这些问题,提出一种基于特征运动簇反投影的非刚体运动形变估计算法,将非刚体运动的形变估计过程中,加入一定的物理运动约束刻画不同非刚体运动形状基的情况下,运动形变的程度,使用非线性优化闭合求解的方法进行运动模型结构参数的重构,运用反投影后得到的结果估计非刚体的形变程度。实验结果表明,这种方法得到的解,误差较小,效果明显。

Fe和Mn含量对高真空压铸AlSiMgMn合金富Fe相三维特征和分布的影响

本文制备了不同Fe和Mn含量高真空压铸AlSiMgMn合金,使用透射电镜(TEM)对富Fe相晶体结构和成分进行了分析;使用高分辨三维X射线(3Dμ-CT)对合金进行了断层扫描,获得了富Fe相三维形貌和空间坐标;结合非平衡凝固相变计算,讨论了Fe和Mn含量对富Fe相形成的影响,并分析了初生α-Fe相的生长机理。基于二分Kmeans和DBSCAN方法,设计了空间粒子团簇计算程序,对3Dμ-CT得到的富Fe金属间化合物进行了聚类计算,分析了其团簇定量特征。结果表明:随着Fe含量增加,富Fe相中Fe含量增加;Mn含量增加不改变富Fe相的元素含量;两者均不改变富Fe相的晶格常数,但大幅提高富Fe相的形成温度;与平衡凝固相比,高冷却速度下富Fe相和α(Al)相形成顺序改变,对富Fe金属间化合物三维特征和分布产生重要影响,其团簇更为紧密。

Spark日志整合与FCM-DNN的网络流量分析算法

提出一种基于内存计算引擎(Spark)日志集成与模糊c均值聚类-全连接神经网络(FCM-DNN)的流量分析算法.首先,使用Spark集成会话日志来获取可分析的结构化数据;然后,对同一网站的行为数据进行聚类,提取网站的多类簇特征集合,以解决单个会话连接特征维度较少、特征相似且不平衡的问题;最后,构建全连接神经网络(DNN),将统一化后的聚类特征与原始特征结合并进行训练,从聚类分组长度和损失函数等多个方面进行算法优化.仿真实验结果表明,对于特征较少的会话日志数据,该算法可有效提高网站分类的准确性.同时,在保留学生上网特征的前提下,将日志压缩约7000倍,从而节省存储开销.

增加类簇级对比的SCCL文本深度聚类方法研究

【目的】改进SCCL模型在文本深度聚类任务上的效果,提出一种新的基于SCCL的文本深度聚类模型ISCCL。【方法】ISCCL模型基于句向量预训练语言模型对输入文本进行数据增强和编码获取两组增强表征,在SCCL模型的基础上增加两层非线性网络,将增强表征降维到维度与聚类数量相同的类簇特征空间。从列空间的角度构造正负簇对进行对比学习,引导模型挖掘对聚类任务有用的特征,并减少假正样本产生的影响。【结果】在AgNews、Biomedical、StackOverflow、20NewsGroups和zh10共5种基准数据集中,ISCCL模型的聚类准确率分别达到88.89%、48.74%、78.17%、56.97%和86.42%,较SCCL模型提升0.69%~2.67%。【局限】需要预先设定类簇特征空间维度(与聚类数目K值相同),然而在实际应用中往往很难明确原始数据的具体聚类数目,应当根据数据情况适当调整。【结论】ISCCL模型能够有效提取类簇特征,在SCCL模型的基础上提升了文本深度聚类效果。

面向科技管理的流数据聚类算法研究

介绍了科学管理流数据的流数据管理系统及根据BIRCH算法中聚类特征的概念,利用簇特征设计与实现了一种新的动态流数据聚类算法。这种新算法改善了基于滑动窗口流数据聚类的有效性以及空间和时间复杂度问题。理论分析和实验结果证明该算法能够有效地处理滑动窗口流数据集,使聚类算法具有良好的可扩展性。

myBUD中多媒体数据索引CFTree的研究和实现

图片、音频、视频、网页等非结构化数据的高速增长使得如何高效管理它们成为一大挑战.提出的多媒体数据索引CFTree*是非结构化数据管理系统平台myBUD中对多媒体数据进行管理的具体研究和实现.CFTree*是基于簇特征树的层次树索引结构,可用于基于内容的近似kNN查询.实验表明,基于CFTree*索引结构的近似kNN查询性能比基于顺序扫描的kNN查询有60%左右的提高.与精确kNN相比,基于CFTree*索引的近似kNN查询结果与查询对象的平均相似度略低于精确kNN结果,但结果的多样性则优于精确kNN结果.

基于K近邻的增量式聚类算法

大多数聚类算法都是在静态情况下运行,使其不允许添加任何增量数据。提出了一种基于K近邻(KNN)的增量聚类算法,算法包含两个创新点,利用K近邻的思想和样本紧密度两个条件处理增量数据;根据簇特征的变化分裂或合并簇。实验表明:提出的算法既可以发现新簇,又能有效规避噪声点,且能够处理非球形的数据集。

面向沟谷特征点簇的空间结构模型与应用

点簇(即点的集合)具有特定的组织结构;沟谷作为一类自成体系的重要空间实体,表达其形态、结构、发育等关键属性特征的沟谷特征点簇,是有严密的组织结构、密切的空间关系和完整的属性描述的关键特征点的集合。建立沟谷特征点簇的空间结构模型,进行沟谷特征的空间分析与应用,具有重要的科学意义。本文在分析沟谷特征点簇的组成要素、空间与结构特征的基础上,确定了点簇的层次结构模型和非结构化文件存储方式,编程实现了沟谷特征点簇数据模型;然后,构建了点簇文件,并运用C#+AE的开发方式,研发建立了基于点簇的沟谷分析原型系统,实现了沟谷特征点簇数据的可视化、结构空间分析、专题属性特征分析等基本功能;最后,以特征点的沟谷路径追溯查找效率作了对比分析,验证了基于特征点簇模型的沟谷分析具有较高的处理效率。本研究构建的面向沟谷特征点簇的空间结构模型,研发的具有沟谷结构、形态与属性分析功能的沟谷分析原型系统,有一定的应用价值。

颗粒团聚对低浓度纳米流体热性质和热过程的影响

添加纳米颗粒的悬浮液正在成为迅速开发应用中的新型功能流体,并被命名为"纳米流体"。颗粒在液体中的随机布朗运动和颗粒表面的吸附促成了颗粒团聚成簇,改变了悬浮液的均匀性,引起悬浮液物性的变异,影响了热过程的特性。提出以纳米颗粒团聚统计平均尺度的团簇表观特征量的解析计算方法,计算简易,物理含义清晰易懂。将悬浮液视作悬浮的开放型多孔结构,成功地按有效介质理论预测团簇分布不均匀的特性影响,这对有意识地筛选纳米流体的匹配具有实际指导意义。