基于聚类优化学习的少样本图像分类

少样本图像分类的目标是在训练少量标记训练数据的基础上实现新类别图像的分类,然而这一目的在现有条件下很难实现。因此,目前的少样本学习方法主要借鉴迁移学习的思想,其核心是利用情景训练式的元训练构建先验知识,从而解决未知新任务。然而,研究工作表明,相较于复杂的少样本学习方法,具有强大特征表示的嵌入模型学习方法更为简单、有效。受此启发,提出一种新的基于直推式聚类优化学习的少样本图像分类方法。该方法首先利用样本数据的内部特征结构信息实现每个类别的综合表示;然后优化每个类别的中心,形成更具区别性的特征表示,从而有效增加不同类别之间的特征差异。大量实验结果表明,所提的基于直推式聚类优化学习的少镜头图像分类方法有效提高了各种训练条件下的图像分类精度。

灰狼与郊狼混合优化算法及其聚类优化

郊狼优化算法(Coyote optimization algorithm,COA)是最近提出的一种新颖且具有较大应用潜力的群智能优化算法,具有独特的搜索机制和能较好解决全局优化问题等优势,但在处理复杂优化问题时存在搜索效率低、可操作性差和收敛速度慢等不足.为弥补其不足,并借鉴灰狼优化算法(Grey wolf optimizer,GWO)的优势,提出了一种COA与GWO的混合算法(Hybrid COA with GWO,HCOAG).首先提出了一种改进的COA(Improved COA,ICOA),即将一种高斯全局趋优成长算子替换原算法的成长算子以提高搜索效率和收敛速度,并提出一种动态调整组内郊狼数方案,使得算法的搜索能力和可操作性都得到增强;然后提出了一种简化操作的GWO(Simplified GWO,SGWO),以提高算法的可操作性和降低其计算复杂度;最后采用正弦交叉策略将ICOA与SGWO二者融合,进一步获得更好的优化性能.大量的经典函数和CEC2017复杂函数优化以及K-Means聚类优化的实验结果表明,与COA相比,HCOAG具有更高的搜索效率、更强的可操作性和更快的收敛速度,与其他先进的对比算法相比,HCOAG具有更好的优化性能,能更好地解决聚类优化问题.

基于情境聚类优化的移动电子商务协同过滤推荐研究

在移动电子商务环境下,提出一种基于情境聚类优化的协同过滤算法,该方法结合了移动电子商务情境特点,采用K-means算法对移动电子商务用户进行情境聚类,并结合萤火虫算法对初始点进行改进,在此基础上进行协同过滤提高推荐结果的准确性。实验结果表明,该方法具有较好聚类结果和较高的推荐准确率。

GWO与ABC的混合优化算法及其聚类优化

灰狼优化算法(Grey Wolf Optimizer,GWO)和人工蜂群算法(Artificial Bee Colony,ABC)是两种流行且高效的群智能优化算法. GWO具有局部搜索能力强等优势,但存在全局搜索能力弱等缺陷;而ABC具有全局搜索能力强等优点,但存在收敛速度慢等不足.为实现二者优势互补,提出了一种GWO与ABC的混合算法(Hybrid GWO with ABC,HGWOA).首先,使用静态贪心算法替代ABC雇佣蜂阶段中的动态贪心算法来强化探索能力,同时为弥补其收敛速度降低的不足,提出一种新型的搜索蜜源方式;然后,去掉影响收敛速度的侦查蜂阶段,在雇佣蜂阶段再添加反向学习策略,以避免搜索陷入局部最优;最后,为了平衡以上雇佣蜂阶段的探索能力,在观察蜂阶段,自适应融合GWO,以便增强开采能力和提高优化效率.大量的函数优化和聚类优化的实验结果表明,与state-of-the-art方法相比,HGWOA具有更好的优化性能及更强的普适性,且能更好地解决聚类优化问题.

基于蚁群算法的聚类优化

为解决大型网络中的最短路径问题,基于蚁群算法进行聚类优化研究。结合蚁群算法和聚类算法,将网络分割成若干个小网络后进行处理并合成,同时在过程中直接简化网络,透明化无意义的点。实验结果表明,优化后的算法能准确获得所要求的最优解,具有较快的收敛速度。

产品设计任务的聚类优化研究

产品设计任务聚类模型可以降低设计任务间的耦合程度,提高设计效率,缩短产品设计周期。为了挖掘设计任务之间的相互影响,首先分析了产品设计任务模型的特点,然后提出了应用有向图和可达矩阵对设计任务进行耦合聚类划分,并应用层级算法进行层次划分,得出设计任务之间的内在联系。最后,应用某型号减速器的设计任务实例验证该聚类优化方法的可行性和有效性,计算结果表明该方法可以快速建立设计任务之间的耦合层次关系,解决设计任务的迭代问题,优化设计过程。

基于混沌粒子群聚类优化的协同过滤推荐

为解决复杂的网络信息无法对用户进行精准推荐的情况,改进传统协同过滤算法,将混沌粒子群算法与协同过滤算法融合使用。在传统粒子群算法中加入混沌扰动并随着迭代调整惯性权重,对用户进行聚类优化。获取目标用户之后,通过判断目标用户属于哪个聚类,在该聚类内部进行协同过滤计算。通过与其它算法之间的对比实验,验证了基于混沌粒子群聚类优化的协同过滤推荐算法相较其它算法具有更低的平均绝对误差和更高的准确率。

聚类优化后的多品种货物配载的容重比平衡法研究

首先采用聚类优化方式,将体积大、重量小的货物和体积小但重量大的货物聚合在一起,一方面符合实际配载过程中抛货和重货的结合原则,另一方面为下一步的容重比平衡法做出了基础。其次,采用改进后的动态容重比平衡法,将聚类优化后的货物配载装车。最后,运用Matlab进行编程,通过实例计算证明了上述模型和算法的有效性,而且求解的结果也显示出通过聚类优化的容重比平衡法配载结果更加符合实际配载运用。

基于聚类优化的大型网络数据库挖掘系统设计

传统的数据库挖掘系统是基于粗略集合方法进行挖掘,该系统在面对庞大的数据量时,系统运行效率较差,为此设计基于聚类优化的大型网络数据库挖掘系统。搭建数据采集所需的传感器节点结构,选择CC3200作为主控芯片,在原有的电路中引入射频通信电路,实现数据的无线传输;在此基础上,对数据库中数据进行预处理,利用优化后的聚类算法和软件程序实现数据挖掘,至此系统设计完成。测试结果表明:与传统的数据库挖掘系统相比,基于聚类优化的大型网络数据库挖掘系统在处理庞大的数据量时,系统始终保持较高的运行效率,适合应用在大型网络数据库中。

基于表面聚类优化的加工特征识别方法

为了实现计算机辅助设计与计算机辅助工艺设计系统的有效集成,提出了以表面加工方法生成和聚类优化为基础的加工特征识别新方法.基于加工资源、加工表面和加工方法3类信息模型,引出了切削模式概念和表面加工方法生成的原理.以刀具种类数和零件装夹次数最少为目标,建立了表面聚类优化模型,为加工表面选择最优加工方法,并把可用同类刀具、在同一装夹下连续加工的一组表面聚为一个加工特征.通过实例测试,验证了该方法的正确性和有效性.

基于EM算法的文本聚类优化研究

针对现有的文本聚类算法难以取得满意结果的问题,以EM算法为基础,提出能分别描述相似、不相似聚类对的相似性分布以及重要、不重要文档的重要性分布的文本聚类优化模型(text c lustering optim iza-tion model,TCOM).基于该模型,设计一种通过合并不同的文本聚类结果以获取最优性能的方法.实验结果表明,利用该方法同时改善了聚类精度和召回率,其性能优于单独使用现有的硬、软聚类算法.*

基于模糊聚类优化的分形图像压缩快速算法

本文针对经典分形压缩算法中编码时间过长的问题提出了一种改进算法。将陈武凡教授提出的模糊聚类优化(OptimalFuzzyClustering,OFC)方法改进并应用于对搜索空间的软分类,匹配时通过用类内搜索取代全局搜索,降低了编码时间。相同运算环境下的仿真实验结果表明,在不影响信噪比和压缩比的前提下,与经典分形压缩算法相比,OFC算法编码速度可提高大约5倍;同近期文献报道的基于小波系数硬分类(WaveletbasedBlockClassified,WBC)和基于经典LBG硬分类的快速分形压缩算法结果相比也均有明显的改善,这都证明了本文算法的优越性。

基于模糊聚类优化的序列图像快速分形压缩

针对传统序列图像分形压缩算法编码时间过长的问题,提出了一种基于模糊聚类优化(OFC)的快速算法,它是一种基于单帧的序列图像帧间分形压缩算法。首先使用LBG(Linde-Buzo-Gray)方法对序列图像组成的搜索空间样本集进行初始化,然后将OFC方法应用于对样本集的软分类,匹配时通过用类内搜索取代全局搜索,将分形编码过程聚焦在最有效的局部范围内,从而减少了匹配次数,降低编码时间。由于OFC算法是一种软分类方法,样本集类别数的确定即最终聚类方案是取样本集所有可能的分割中对应于目标函数最小者的分割,所以它不但是基于全局最优的聚类方法,避免了基于局部最优LBG算法中的某些误判,而且有效抑制了传统硬分类方法中类别数需预先指定的人为干扰因素,使恢复图像的质量能够得到更有效保证。相同运算环境下的仿真实验结果说明,在不影响信噪比和压缩比的前提下,与传统序列图像分形压缩算法相比,OFC算法编码速度可提高约5倍,证明了本算法的优越性。

LC^1类优化问题的Broyden算法的收敛性分析

本文讨论了利用Ｂｒｏｙｄｅｎ算法求解ＬＣ１类优化问题．所谓ＬＣ１类优化问题是指目标函数一阶连续可微，且它的导函数Ｌｉｐｓｃｈｉｔｚ连续．若假设目标函数是强凸的，讨论了该算法的全局收敛性；若假设目标函数是半光滑的。

多头注意力评论量化的聚类优化推荐算法

为了解决推荐算法中无法挖掘用户深层兴趣偏好,从而导致提取准确度低下,以及相似用户聚类准确率低下时间复杂度高等问题,提出评论量化模型优化差分进化的聚类优化推荐算法(MT-QRPD)。首先利用BiGRU网络的特征时序性与CNN的强局部特征有效性联合提取评论深度特征,并利用多头注意力机制的多维语义特征筛选对评论进行深度语义特征挖掘;然后经过多层感知机非线性转换进行多特征融合完成准确量化;最后使用PCA对差分进化变异选择进行优化完成相似用户聚类优化操作,寻找相似用户完成项目推荐。通过多项实验分析表明,所提推荐算法在量化评分准确度、时间复杂度以及推荐性能上都有较好的提升。

基于遗传算法的生鲜农产品物流配送路径聚类优化

在居民对饮食品质要求逐步提升的今天,优化生鲜农产品物流配送线路可节约成本,提升相关企业经营效率。首先研究生鲜农产品配送线路优化模型,给出车辆路径问题(vehicle routing problem,简称VRP)和有时间窗车辆路径问题(vehicle routing problems with time windows,简称VRPTW)模式,进而完成生鲜农产品物流配送路径的遗传算法聚类优化设计,给出遗传算法聚类优化实现步骤。采用Matlab完成试验设计,研究生鲜农产品运输外部相似性,分析物流配送聚类结果以及组内路径求取结果,并进行性能测试。结果表明,本方法能够科学配置物流线路,阶跃生鲜运输车辆数目并提高满载率。

阳光体育运动背景下普通高校公共体育教学内容的聚类优化研究——以商丘师范学院公体足球教学内容改革实验为例

运用文献资料法、问卷调查法、数理统计法,以普通高校公共体育教学内容的改革实验为着手点,以商丘师范学院公体足球教学内容改革试验为例,探析了阳光体育运动与新时期高校学校体育理念的关系,二者互为促进统一.商丘师范学院公共体育足球教学内容聚类优化过程中,应依据学生的身心发展规律和运动技能形成规律,并兼顾教学内容设置的主从矛盾、主次关系;公共体育足球教学内容改革实验经验证效果良好,可在我校公共体育教学中进一步推广和应用.

基于聚类优化的数字图书馆协同过滤个性化推荐服务研究

随着近年来计算机技术快速发展,数字图书馆有必要基于聚类优化对多种文献数据资源协同过滤,面向用户提供个性化推荐服务,以提高服务效率。文章在介绍聚类优化概念及含义的基础上,分析了数字图书馆协同过滤个性化推荐服务的优势,包括优化图书馆数字信息服务机制、为用户提供优质文献资源、提高数字资源利用率等。探究了协同过滤个性化推荐服务模式,包括个性化定制服务、个性化推送服务、数据挖掘与决策服务。最后归纳出数字图书馆协同过滤个性化推荐服务构建策略,即利用智能搜索技术、精确搜索资源,应用数据挖掘技术、挖掘数字信息价值,优化聚类算法、制定精准服务方案,完善系统平台、构建资源过滤服务机制。

属性加权非相似措施的聚类优化法

讨论聚类分析中的一个主要问题,即可能出现的结构性属性加权,提出了加权的不同措施用于实体的一种新算法,这种算法允许使用k-m eans-type来有效聚集大的数据集。并通过人造的和真实的2种实验数据论证这种优化算法,提供了一种找出每一个类聚中每一个属性权值的新算法。

自适应细菌觅食的FCM聚类优化算法研究

在初始化FCM聚类算法时,聚类类别数需要手动去设置,并随机初始聚类中心,导致此算法极其容易陷入局部最优值。通过利用改进的细菌觅食算法,进行FCM算法的聚类中心的初始化,解决FCM算法对初始聚类中心敏感的问题;通过一些有效性的指标,对FCM算法和优化FCM算法进行评估,指标说明了优化FCM算法更好。在仿真实验中,将优化FCM算法和标准FCM算法用到多类图像分割中,进行了图像分割的准确性和实时性的比较,且验证了所述的优化算法的实时性。