基于融合矩阵的文本相似度计算实现检索结果聚类

目的/意义弥补医学文本语义表示方面的不足,实现PubMed数据库检索结果聚类。方法/过程采用Jaccard系数和TF-IDF构建融合矩阵方法,建立短语间、文档间、短语与文档内容间的相似性关系融合矩阵,训练聚类算法,将PubMed数据库检索结果集合分组,随后生成类别标签,描述每一类簇文档的含义。结果/结论基于融合矩阵的聚类效果较好,提取出描述类别的高频词能很好地区分类别含义,对检索结果文本聚类任务有效。

基于组合相似度动态聚类和词熵的网络话题在线检测

[研究目的]为实现网络热点话题的在线检测,提升增量式聚类算法的聚类效果,提出了基于组合相似度的动态聚类算法,同时通过计算词熵实现主题词提取和演化跟踪。[研究方法]通过CIFG-BiLSTM-CRF模型实现文本的命名实体识别,计算文本与话题的实体相似度,再取文本词向量与话题中心余弦相似度的最大值作为词向量相似度,二者结合判断文本所属话题。在聚类过程中利用时间窗口策略实现话题中心和成员文本的动态更新。同时,计算文本词熵,生成话题的词熵和列表,实现话题主题词提取和演化跟踪。实验以新冠疫情新闻为数据实现话题在线检测,并展示了话题主题词的演化和跟踪过程。[研究结论]实验表明,与传统相似度计算方法相比,组合相似度能够获得更好的聚类效果,聚类过程中提取出的话题主题词也正确地反映了原始数据的热点话题内容。

基于层次聚类的终端波形相似度评价方法

为深入挖掘录波波形在配电终端健康状态评估中的作用,提出了一种基于层次聚类与层次分析相结合的配电终端健康状态评估方法。通过动态时间规整(Dynamic Time Warping,DTW)算法计算源信号波形与终端录波波形的距离。将各指标对终端采样的影响两两比较,构建比较矩阵,进行层次分析,计算各指标权重。将权重与各指标下的聚类结果相结合,提出适用于终端采样波形全局对比的评估体系。通过计算源信号波形与终端采样波形之间的相似度,与评估体系比较判定终端的健康状态,实验证明该方法能为配电终端的健康状态评估提供数据支撑。

基于多特征相似度的空中目标聚类研究

为准确识别空战场敌方目标的编队信息,本文提出一种针对空中目标的聚类模型,综合选取空中目标的位置、高度、航向、航速等多维度信息,计算目标之间的相似度,构建多特征相似度矩阵,将多特征相似度作为目标之间“距离”的度量方式,通过K-means算法聚类迭代,得到空中目标的编队信息。通过仿真实验,验证了本文所提方法在复杂空战场环境下,能准确识别敌目标的编队信息,相比传统聚类算法,识别准确率提高40%,有较好的工程应用价值。

基于密度权重的隐私聚类和改进相似度的推荐算法

针对当前推荐系统中所面临数据稀疏、冷启动、时效性和隐私保护等问题,提出一种基于密度权重的隐私聚类和改进相似度的协同过滤推荐算法。该方法结合了差分隐私保护聚类与改进的相似度的协同过滤推荐算法,旨在提高推荐系统的精准度,同时确保用户数据的隐私安全。通过数据预处理构建用户-项目评分矩阵,并运用Weight Slope One算法智能填充空值,使用DWDPK-medoids隐私聚类算法对矩阵进行精确聚类,融合时间因素和用户兴趣偏好因素,改变相似度的计算,从而提高推荐相关性,最后预测目标用户对项目的评分。在MovieLens数据集,通过和当前学者提出的5种隐私推荐算法进行对比实验验证,该算法在评价指标均方根误差(root mean squared error,RMSE)和平均绝对误差(mean absolute error,MAE)上均有所降低,表明所提方法在一定程度上解决了数据稀疏、冷启动和时效性等问题,并在保护用户隐私的基础上提升了推荐准确性。

基于关键词聚类的新闻文本相似度计算

针对新闻文本篇幅长、冗余信息多、文本相似度难以准确高效计算的问题,提出一种基于关键词聚类的新闻文本相似度计算方法。首先对文本数据进行预处理,挖掘出文本中的关键信息。使用以TF-IDF值为权重的加权采样方法抽取文本数据集中的关键词,基于聚类的方法光滑噪声数据。聚类形成簇后,在簇间词语相似度计算上,使用word2vec融合TF-IDF词语加权的计算方法,同时关注词语间的语义信息和词语频率。最后,基于各簇的相似度计算两篇文本的相似度。实验表明,所提新闻文本相似度计算方法在计算效果上优于传统计算方法。

基于Einstein算子的直觉模糊值相似度及其在聚类中的应用

基于直觉模糊等价矩阵聚类的关键在于合理构建样本之间的直觉模糊值相似度,这种相似度是有2个分量的二元形式,其中一个分量代表着2个对象之间的相似程度,另一个代表非相似程度.提出一种基于Einstein算子的直觉模糊值相似度构造方法并将其应用到聚类分析.首先,给出Einstein算子诱导的直觉模糊剩余蕴含,并通过聚合直觉模糊剩余蕴含得到直觉模糊值相似度;然后,利用这种直觉模糊值相似度构建直觉模糊相似矩阵,并通过直觉模糊相似矩阵的合成运算得到直觉模糊等价矩阵,进而给出直觉模糊聚类算法;最后,通过算例对该方法进行说明和分析.

基于拓扑相似度分析和密度聚类的含新能源配网分群

针对新能源接入后配网拓扑呈现动态复杂变化,现有聚类算法存在一定局限性而导致含新能源配网分群效果不佳的问题,提出了一种基于拓扑相似度分析和密度聚类的含新能源配网分群方法。首先,该方法基于拓扑图信息构造相应的邻接矩阵以表征配网拓扑结构;其次,利用奇异值分解对邻接矩阵进行分解并得到相应的奇异值序列;最后,利用密度聚类算法对所得奇异值序列进行聚类,并得到最终的含新能源配网分群结果。算例测试结果表明,相比于传统分群方法,所提方法所得集群内配网拓扑相似度更高,集群间配网拓扑差异性更为显著,分群效果更好。

基于概念相似度的档案数据自动分类算法

针对现有分类算法存在的分类准确性差,并且分类过程中造成档案数据缺失的问题,引入概念相似度,开展档案数据自动分类算法研究。通过档案资源标记矩阵的建立,采集档案数据;结合概念相似度,对不确定分类数据进行聚类;引入融合学习技术,实现自动化分类档案数据。通过对比实验证明,文章算法的应用可保证档案数据分类的准确性,并且在分类过程中不会出现数据丢失的问题。

动量余弦相似度梯度优化图卷积神经网络

传统梯度下降算法仅对历史梯度进行指数加权累加,没有利用梯度的局部变化,造成优化过程越过全局最优解,即使收敛到最优解也会在最优解附近震荡,其训练图卷积神经网络会造成收敛速度慢、测试准确度低。利用相邻两次梯度的余弦相似度,动态调整学习率,提出余弦相似度梯度下降(SimGrad)算法。为进一步提升图卷积神经网络训练的收敛速度和测试准确度,减少震荡,结合动量思想提出动量余弦相似度梯度下降(NSimGrad)算法。通过收敛性分析,证明SimGrad算法、NSimGrad算法都具有O(√T)的遗憾界。在构建的三个非凸函数进行测试,并结合图卷积神经网络在四个数据集上进行实验,结果表明SimGrad算法保证了图卷积神经网络的收敛性,NSimGrad算法进一步提高图卷积神经网络训练的收敛速度和测试准确度,SimGrad、NSimGrad算法相较于Adam、Nadam具有更好的全局收敛性和优化能力。

面向密度分布不均数据的加权逆近邻密度峰值聚类算法

针对密度分布不均数据,密度峰值聚类算法易忽略类簇间样本的疏密差异,导致误选类簇中心;分配策略易将稀疏区域的样本误分到密集区域,导致聚类效果不佳的问题,本文提出一种面向密度分布不均数据的加权逆近邻密度峰值聚类算法。该算法首先在局部密度公式中引入基于sigmoid函数的权重系数,增加稀疏区域样本的权重,结合逆近邻思想,重新定义了样本的局部密度,有效提升类簇中心的识别率;其次,引入改进的样本相似度策略,利用样本间的逆近邻及共享逆近邻信息,使得同一类簇样本间具有较高的相似度,可有效改善稀疏区域样本分配错误的问题。在密度分布不均、复杂形态和UCI数据集上的对比实验表明,本文算法的聚类效果优于IDPC-FA、FNDPC、FKNN-DPC、DPC和DPCSA算法。

基于相似度计算的大数据访存踪迹聚类仿真

随着大数据、云计算应用的日益普及,作为数据处理的内存系统起着重要作用,而现有的内存系统分析方法已无法满足人类的需求,因此提出基于相似度计算的大数据访存踪迹聚类方法。首先对数据项进行排列,使平面上相似度高的数据相互靠近,并计算出内存数据项与其它邻域间的内存数据项相似度。然后设计相似度矩阵,使蚂蚁根据相似度矩阵有选择的进行映射,与数据项进行重新关联,通过余弦相似度对数据项的距离进行计算,以相似度由高到低的顺序对相似矩阵进行排序处理,形成相似度序列矩阵。最后为了能够在短时间内对内存踪迹进行准确的识别与跟踪,将分层抽样与蚁群聚类方法相结合,对数据项中的内存数据进行划分,选择初始点,降低分层过程中因初始点随机选择产生的影响。实验结果表明,通过对随机选择的10种应用进行访存踪迹的采集与测试分析,验证了所提方法的有效性,为今后应用的访存行为以及访存踪迹的聚类提供了强有力的理论支持。

基于区域Bhattacharyya相似度的SAR图像地物分类方法

传统的基于像素的合成孔径雷达(synthetic aperture radar,SAR)图像地物分类方法难以有效区分起伏变化大的地物。针对该问题,提出了一种基于区域Bhattacharyya相似度的SAR图像地物分类方法。方法首先利用适当的图像分割技术获取均匀的SAR图像区域。接着定义Bhattacharyya相似度来描述区域之间的统计相似程度,并推导了其对应Gamma分布的解析表达式。最后,以图像区域为分类单元,基于最大区域Bhattacharyya相似度准则实现SAR图像地物分类。利用实测SAR图像的地物分类结果表明,该方法性能优于经典的基于像素的最大似然分类方法和支持矢量机方法,且优于基于区域的最小距离法。

基于数据驱动相似度方法的风电场站动态等值建模研究

针对大型集中式风电场站中风电单元众多、运行工况多变、集电网及拓扑接线繁杂的特点,提出一种数据驱动相似度方法,实现对大型集中式风电场站的等值建模。首先,引入相似度来表征风电发电单元运行状态中的数据特征,并通过相似度,以数据驱动方式实现风电发电单元聚类分群;其次,对同一集群的发电单元进行聚合,获得等值机组的等值参数,并最终得到风电场等值模型;最后,以广东省某海上风电场为实例,对所提方法进行仿真与验证。研究结果表明,该方法能有效提升风电场的建模效率和模型精度。

基于类簇合并的无参数密度峰值聚类算法

密度峰值聚类算法(DPC)通过决策图直观地找到类簇中心进而完成聚类,是一种简单高效的聚类算法。然而,DPC算法的截断距离和类簇中心都是人为确定的,受主观影响较大,具有不确定性。针对上述问题,提出一种基于类簇合并的无参数密度峰值聚类算法(NDPCCM)。首先根据样本点两两之间的相似度的分布特征将其分为类内相似度和类间相似度两种类型,并利用类内相似度自动确定截断相似度,避免了人为设置参数;接着根据簇中心权值的下降趋势自动选择初始类簇中心,得到初始类簇;最后通过合并初始类簇对初步聚类结果进行优化,提高了聚类的准确性。在人工数据集和UCI真实数据集上,将所提算法与DPC、DBSCAN、K-means算法进行对比实验。结果表明所提算法无需输入参数就能够自动得到类簇,且聚类性能优于其他算法。

基于位形相似性聚类的机器人参数标定研究

利用非几何参数误差引起的定位误差与机器人位形之间的相似性映射关系,通过聚类算法将机器人参数标定位形空间划分为多个子空间,并在各个子空间中完成参数标定;利用相似性关系将待补偿位形归类到对应的子空间,根据子空间的参数标定结果控制机器人运动,实现非几何参数误差引起的定位误差的有效补偿。以UR5机器人为标定对象进行试验,与普通标定补偿方法相比,采用所提方法标定补偿后的位置误差模的最大值和平均值分别减小了60.24%和66.62%。

融合多维属性相似度的云制造服务谱聚类算法

为提高云制造服务的聚类质量,提出一种融合多维属性相似度的云制造服务谱聚类算法。将云制造服务的文本型属性值向量化和数值型属性值归一化,分别构建文本型属性相似度矩阵和数值型属性相似度矩阵。设计一种属性相似度融合函数,实现多维度云制造服务属性相似度的融合,建立云制造服务相似度矩阵。引入相似矩阵的本征间隙确定聚类个数,实现高效、精准的云制造服务谱聚类。实验结果表明,该方法较其它聚类方法显著提高了云制造服务的聚类质量。

基于数据相似度和引力理论的密度峰聚类算法

本文针对密度峰聚类算法(DPC)中存在的参数敏感、算法不连续和聚类分块化问题,提出一种基于数据相似度和引力理论的密度峰聚类算法(SLDPC)。该算法基于数据相似度确定局部密度,采用引力理论扩大簇心与非簇心数据点之间的差异,通过设定阈值自动确定簇心,通过基于边缘分布的合并策略对聚类分块化进行合并。实验共采用16个数据集,并与DPC、K-means、基于密度的噪声应用空间聚类算法(DBSCAN)及DPC改进算法进行了对比。实验结果表明,本方法具有优异的聚类准确性和良好的稳定性。

一种矩阵分解和相似度矩阵学习的多视图聚类算法

考虑到多视图数据之间的互补性和每个视图数据的高维度特性,提出了一种矩阵分解和相似度矩阵学习的多视图聚类算法。为了去除数据中存在的噪声,通过对每个视图的数据进行矩阵分解得到其潜在表示。最大化不同视图表示之间的独立性来得到不同视图的互补信息。为了融合不同视图的潜在表示,最大化最终数据表示的相似度与潜在表示的相似度。采用了最大化熵正则来限制潜在相似度矩阵的值和各视图的权重。3个真实数据库的实验表明,与比较算法相比,本文的聚类算法准确率分别高15%、9%和25%。

基于时间聚类和用户动态相似度的自适应位置推荐算法

位置推荐是位置社交网络中为商家和用户提供的一项重要服务,推荐结果易受用户上下文和时空上下文影响。针对当前研究忽略了用户的动态相似度、推荐模型自适应性较弱以及存在严重的数据稀疏问题,提出了一种基于时间聚类和用户动态相似度的自适应位置推荐算法(ALRTU)。首先,基于时间槽的签到数据统计特征,对时间进行模糊C均值聚类,提取聚类内的时间相似度,利用平滑技术更新原始评分矩阵,以解决数据稀疏问题。分别计算用户在不同时间槽的动态相似度,根据目标时间段所属的时间聚类自适应选择不同的评分数据集,完成用户偏好和时间特征挖掘。其次,根据用户的访问频率特征,为活跃用户和非活跃用户自适应选择核密度估计或幂律分布模型,完成地理特征挖掘。最后,融合用户、时间和空间上下文的综合影响完成位置推荐。在两个真实的位置社交网络数据集Brightkite和Gowalla中开展准确度评估实验,实验结果表明,与基准方法中最高的推荐精度相比,ALRTU算法在Brightkite和Gowalla数据集中的准确度仍分别平均提高了3.74%和1.42%。