一种新的分类方法——属性均值聚类属性支持向量机(AMC-ASVM)

在属性均值聚类(AMC)与支持向量机(SVM)的基础上,提出了一个新的模式分类算法——基于(属性)聚类的属性支持向量机算法(AMC-ASVM)。主要思想是利用属性均值聚类网络得到的具有概率信息(权重)的样本,来训练属性支持向量机,从而得到分类器。这种方法结合了属性聚类的稳定性与属性支持向量机可以利用加权样本的优点,适合处理具有强噪声的数据。另外,该方法也可以看作是堆近邻分类法的自然推广。在实验部分,将其用于结肠癌基因表达数据的处理。实验结果显示了AMC-ASVM在一定程度上优于最近邻,Boosting,堆近邻,SVM等方法。

自监督对比的属性图联合表示聚类

现实世界中越来越多的复杂数据被表示为具有属性节点的图,因此属性图聚类是图挖掘中的一个重要问题。图神经网络在图结构数据的编码表示方面取得较好性能,但基于卷积操作或者注意力机制的图神经网络方法存在节点噪声、特征过度平滑、网络异质性、计算代价高昂等问题。基于深度学习方法如自编码器能够有效地提取节点属性表示,但不能包含丰富结构信息。因此提出了一种基于自监督训练和对比学习的图联合表示聚类方法(self-supervised contrastive graph joint representation clustering,SCRC)。使用自编码器预训练学习节点的属性表示,通过在图结构信息上增加对比损失信息,使用影响对比损失融合更加丰富的结构信息,联合图结构信息和属性表示,基于神经网络自监督训练机制迭代优化完成聚类任务。通过设计简单的线性模型,避免使用卷积和注意力机制,有效整合结构信息,使得运行速度更快。在广泛使用的引文网络数据上进行实验,对参数敏感性进行分析,验证了影响对比损失和自监督联合聚类的有效性。实验结果表明,所提出的方法取得了显著的性能提升,并且对节点噪声、特征过度平滑和网络异质性更具有鲁棒性。

一种基于EFD的混合属性聚类算法

为了提高混合属性聚类效率,提出一种基于扩张翻转距离(Expand Flip Distance, EFD)的混合属性聚类算法。以信息熵及熵权法为基础,通过定义扩张属性和属性扩张量得到EFD,将其作为待聚类对象属性区分的依据,进行聚类对象的属性约简,最终对约简后的属性构建混合属性聚类模型,实现混合属性聚类。实验结果表明,所提算法获得的聚类谱系图和聚类结果均优于对比算法,验证了该算法的合理性和有效性。

点云多属性聚类的三维锥桶目标检测算法

为了解决大学生方程式无人车在赛道环境中锥桶检测精度不高的问题,提出一种针对大学生方程式无人车比赛的三维锥桶目标检测算法。首先,在激光雷达采集到的点云中提取ROI区域;其次,在该区域进行地面点去除;最后,在非地面点云中执行点云聚类,将属于锥桶的点聚类为一簇,实现赛道锥桶目标的检测。本方法对原有单属性聚类方法进行改进,采用点云强度和点云密度多属性进行聚类。通过大学生方程式无人车实车测试,提出的三维锥桶目标检测算法在多个赛道场景中均取得90%以上的准确度,为后续大学生方程式无人车比赛提供了优异性能的算法。

采用属性聚类的高维子空间聚类算法

为了解决现有子空间聚类算法时间复杂度偏高以及对输入参数敏感的问题,提出了一种基于属性聚类方法的高效子空间聚类算法.算法首先通过计算每个属性的基尼值来过滤冗余属性,而后通过基于二维联合基尼值的关系函数建立非冗余属性的关系矩阵,以衡量任意2个非冗余属性的相关度,进而在关系矩阵上应用可产生交叠的聚类算法,聚类结果即为所有兴趣度子空间的候选集合,最后调用聚类算法得到所有存在于这些子空间内的簇.在人工数据集和真实数据集上的实验表明,新算法不仅在时间复杂度和子空间簇的寻找能力方面均有较优表现,而且对输入参数的取值不甚敏感.

基于量子蒙特卡罗的地震多属性聚类方法

多属性聚类分析是从众多地震属性中提取地下地质特征的重要途径。为了更好地提高属性聚类分析的有效性,本文将寻优能力更强的量子蒙特卡罗方法引入到聚类分析中,它能自动根据数据结构的特点,动态调整数据固有的类别数;通过在聚类分析过程中引入相关性分析,估算各个属性的权重大小,提出根据权重大小进行加权的方法,突出对地质特征敏感的地震属性的作用;并提出变尺度的方法,挖掘属性之间共有的、宏观的特征之外的细节部分,减少属性交叉信息的影响。实例应用结果表明,本文提出的方法能很好地挖掘数据的内在特征,提高储层预测的准确性。

应用多属性聚类分析方法研究南黄海盆地二叠系沉积特征

地层参数的变化引起地震属性的变化,但是地层参数与地震属性的变化并没有一一对应的关系,这就带来了通过地震数据反演储层、岩性参数的多解性问题,因而采用多属性综合研究是重要的手段之一。南黄海盆地钻井较少,单井控制面积较大,利用地震属性信息研究了南黄海盆地二叠系沉积特征;并采用神经网络算法,提取了对岩性参数敏感的均方根振幅、反射强度、相对波阻抗、主频、平均瞬时频率5种地震属性;对南黄海盆地二叠系地层进行属性聚类分析,刻画出砂岩和灰岩2种岩相的分布特征,不仅避免了单一地震属性的多解性问题,同时突显了二叠系下统栖霞组灰岩之上的碎屑岩特征。结合井—震分析,确定南黄海盆地二叠系龙潭—大隆组沉积时期主要发育陆棚相、潮坪—潟湖—沼泽相及河流相。

基于项目属性聚类及相似度优化的协同过滤算法

协同过滤是电子商务推荐系统中应用最广泛的算法,传统协同过滤算法在面临数据稀疏性问题时,其相似度计算不够准确,影响了推荐系统的准确度。鉴于此,提出了一种基于项目属性聚类及相似度优化的协同过滤算法。首先,利用杰卡德系数衡量项目间属性距离,利用改进后的K-means算法对项目聚类;然后,计算目标项目与每个类中心的属性距离,设定阈值并筛选出小于阈值的类,将搜索范围缩小到对应的类中;最后,引入属性权重概念,将评分与属性权重相结合,优化相似度计算。在MovieLens数据集上的实验结果表明:改进后的算法能够显著提高推荐的准确度、查准率和覆盖率。

基于属性聚类的离群数据挖掘算法

针对现实生活中出现的越来越多的高维海量分类数据,基于属性聚类的方法,提出了一种新的离群数据挖掘算法.该算法首先通过计算属性之间的相关性,将高维分类数据的属性分成多个属性子集,然后在多个属性子集上根据离群得分分别进行离群挖掘,最终选择离群得分最大的k个数据对象作为离群数据.通过采用人工数据集和UCI数据集验证了算法的有效性和可行性,实验结果表明,该算法在精度和效率方面都有提高,可用于高维海量分类数据的离群挖掘.

Bezdek型模糊属性C均值聚类算法

推广了属性均值聚类算法,提出了基于模糊度m的Bezdek型模糊属性C均值聚类算法(FAMC),给出了FAMC算法的迭代算法,并讨论了模糊度m对算法收敛性的影响.在标准Iris数据集与肿瘤基因芯片表达数据的模式识别实验结果,验证了该算法优于模糊C均值算法和属性均值聚类算法.

基于动态类簇形成博弈的属性图聚类方法

以微博、微信为代表的社交网络不仅包含丰富的节点属性信息,还蕴含复杂的网络拓扑信息,这些社交网络通常可被建模为属性图.传统的图聚类方法假设节点属性与网络拓扑共享同一类簇结构.然而,在真实社交网络中,节点属性与网络拓扑所对应的类簇结构并非完全一致.譬如,通过社团发现技术分析新浪微博的好友关注列表能够直观地获取聚集在同一群组的用户集合;而借助文本挖掘技术分析同一群组的用户生成内容却会发现用户讨论话题的分布广泛,体现出差异化的用户偏好特征.如何有效融合属性与拓扑信息对属性图进行聚类是理解、分析和可视化大规模社交网络的关键难题之一.为此,本文将属性图聚类建模为多目标优化问题,提出一种基于动态类簇形成博弈的属性图聚类方法.首先定义一种新颖的中心性指标度量节点的影响力,并提出一种启发式方法初始化属性图类簇质心;其次在动态博弈理论框架下,提出一种贪心的局部搜索策略更新节点类簇标签,并严格证明该局部搜索策略可使类簇结构收敛至局部帕累托最优解;最后设计一种基于多智能体自治计算的属性图聚类算法,该算法无需预设初始类簇个数,且复杂度近似线性于边的数目.为验证本文所提算法的性能,我们依次从三个方面来对其进行测试和评估.首先我们在Google+属性图上对所提算法进行了单独的收敛性分析.我们测试了算法中四个需要优化的目标函数(K-means损失函数、Havrda-Charvat生成熵、负模块度和负紧凑度)在三个不同的Bregman散度(欧氏距离平方、KL散度距离和余弦距离)设置下的收敛性情况.实验结果表明,四个目标函数能在50轮迭代之后达到收敛状态.然后,我们在4个大规模属性图上分别从聚类精度和可扩展性两个方面将本文所提算法与9个基准方法作了充分对比.对比结果表明,本文所提算法在NMI指标下比其它算法所得最优结果高出0.7%;而在AvgF1指标下比大多数算法所得的最优结果高出0.2%.在可扩展性方面,本文所提算法即使在最大规模的Google+属性图上也能在1个小时内计算出聚类结果.最后,我们在小规模PolBK数据集上进行了可视化分析.从可视化结果可以看出,在14轮迭代后本文所提算法就达到了稳定状态,与此同时找到了与真实情况接近的类簇结构.总体实验结果表明,本文方法能够准确发现大规模社交网络潜在的类簇结构,且同已有方法相比具备较好的有效性和高效性.

一种全部属性聚类和特征属性聚类相结合的无监督异常检测模型

为提高无监督异常检测系统的检测率、误报率和检测效率,将数据集划分为不同的服务集,然后对每个服务集数据包进行全部属性聚类和部分相关属性聚类(即特征属性聚类)并比较训练结果,取其中训练性能较优的方法建立对该服务的检测模型。检测实验表明,本文模型的检测率达到99.21%,误报率降低到2.2%。与不加服务划分的模型相比,本文模型的训练时间和检测时间分别降低为相应模型的21.17%和21.98%。与其他检测算法的比较结果也表明,本文模型在检测率和误报率方面具有更优的性能。

利用人工蜂群算法进行地震属性聚类分析

将具有全局搜索能力的人工蜂群算法引入到地震属性聚类中,在人工蜂群算法中蜜蜂被分为引领蜂、跟随蜂和侦察蜂三种,引领蜂寻找蜜源,跟随蜂根据引领蜂带回的蜜源信息搜索新蜜源,若某个蜜源被引领蜂或跟随蜂丢弃,则侦察蜂随机搜索新蜜源代替被丢弃的蜜源。其中每个蜜源代表优化问题的一个可能解,蜜源的花蜜量对应于解的质量,用适应值表示。最优解的搜索过程包括初始化和蜜源更新两个过程,通过蜂群分工协作,搜索最佳聚类中心,解决常规K均值聚类算法存在的多解性问题。利用国际上通用UCI机器学习数据库中的Iris和Wine数据集对常规K均值算法和人工蜂群算法进行了测试,结果表明:基于人工蜂群算法的聚类方法的分类正确率明显高于K均值方法。实际地震数据的聚类结果表明:基于人工蜂群算法的地震属性聚类能精细刻画塔北奥陶系碳酸盐岩岩溶储层的相带特征,并且能较好地描述呈片状弱反射特征的储层分布。

基于属性-链接的聚类算法综述

首先总结了链接挖掘中基于属性—链接聚类算法的研究现状;然后把它大体分为三类,对每一类中具有代表性的算法进行了详细介绍、分析和评价;最后指出了该领域进一步的研究方向。

基于属性聚类的网站集成检测及统计分析

收集大量网站的包含30个特征属性的数据,用k-means属性聚类方法将特征属性划分为不同类别,利用不同类别中的属性数据训练基础分类器,通过集成各基础分类器的结果对未知网站进行预测.采用简单投票和贝叶斯投票对结果进行组合预测,结果表明,k-means属性聚类方法大大增加了基础分类器的差异性,提高了分类检测的精度,其中基于贝叶斯投票策略的集成模型具有很高的检测精度.

异构数据库相似语义属性聚类过程研究

对异构数据库相似语义属性聚类过程及其关键技术进行研究,在词频-逆文件频率的基础上,提出数值类型属性信息的槽频率-逆文件频率处理方法,分别应用于文本信息和数值信息的相似语义属性聚类过程。研究结果表明:使用词频-逆文件频率和槽频率-逆文件频率方法相结合是异构数据库相似语义属性聚类实现的一种有效方法。

多属性交叉聚类法的理论与应用

针对聚类分析的可解释性和可用性提出多属性交叉聚类法,并在中国城市综合竞争力评价分析中与传统方法进行对比,结果也显示出其优越性。

遗传优化的属性聚类在入侵检测中的应用

分析了入侵检测的问题,借助全局搜索能力强的遗传算法来解决聚类问题,并在标准遗传算法基础上进行了改进。提出了用遗传算法来优化属性聚类,将该算法运用于入侵检测系统的数据聚类,同时验证了算法的有效性。

困难样本采样联合对比增强的深度图聚类

针对困难样本挖掘的图聚类算法是最近的研究热点,目前算法存在的主要问题有:对比方法和样本对加权策略缺少良好的融合机制;采样正样本时忽略了视图内部的“假阴性”样本;忽视图级信息对聚类的帮助。针对上述问题,提出困难样本采样联合对比增强的图聚类算法。首先使用自编码器学习嵌入,根据计算的伪标签、相似度、置信度信息为表示学习设计一种自加权对比损失,统一不同视图下节点对比和困难样本对加权策略。通过调整不同置信区域样本对的权重,损失函数驱动模型关注不同类型的困难样本以学习有区分性的特征,提高簇内表示的一致性和簇间表示的差异性,增强对样本的判别能力。其次,图级表示经聚类网络投影,通过聚类对比损失最大化不同视图下聚类的表示一致性。最后联合两种对比损失,利用自监督训练机制进行迭代优化,完成聚类任务。该算法在5个真实数据集上与9个基准聚类算法对比,在4个权威指标上达到最优,聚类性能出色。消融实验表明两个对比模块的有效性和可迁移性。

属性聚类下三支概念的对比

三支概念分析是人工智能领域一个非常重要的研究方向,该理论最大的优势是可以同时研究形式背景中对象“共同具有”和“共同不具有”的属性。众所周知,经过属性聚类生成的新形式背景与原形式背景具有较强的联系,同时原三支概念与经过属性聚类得到的新三支概念也存在紧密的内在联系。为此,进行属性聚类下三支概念的对比研究和分析。首先基于属性聚类提出悲观属性聚类、乐观属性聚类以及一般属性聚类的概念,并研究了这三种属性聚类的关系;然后,通过对比聚类过程与三支概念形成的过程,研究了原三支概念与新三支概念的区别,分别从面向对象和面向属性的角度提出两个最低约束指数,探索了属性聚类对三支概念格的影响,进一步丰富了三支概念分析理论,为可视化数据处理领域提供了可行的思路。