一种基于聚类模式的RDF数据聚类方法

如何有效管理并利用日益庞大的RDF数据是当今Web数据管理领域面临的挑战之一。对大规模的RDF数据集进行聚类操作从而得到数据集的有效划分是RDF数据存储和应用时通常采取的策略。针对现有RDF聚类过程中忽略RDF三元组自身模式特征的问题,在对RDF聚类结果的形式深入分析的基础上,定义了3种不同类型的聚类模式,从而提出基于模式的聚类方法。通过对RDF数据集的重新描述,自动生成适用于RDF数据集特征的聚类模式,在此基础上实现数据聚类的任务。在不同测试集上的实验结果验证了所提方法的正确性和有效性。

元话语标记语的分布特征及聚类模式对比分析--以银行英文年报总裁信为例

研究发现,西方的总裁信中使用较多人际互动型的元话语标记语,尤其使用较多表示与读者直接互动的"I-you"框合结构,而中国的总裁信中使用较多文本交互型的元话语标记语;西方的总裁信具有更多追求可信度和情感共鸣的特征,而中国的总裁信具有更多追求理性诉求的特征;西方的总裁信则更多体现等同关系,而中国的总裁信更多体现权势关系。中国的总裁信写作者语域意识比较缺乏。

基于URL聚类模式的个性化智能推荐服务

基于Web访问挖掘的个性化智能信息推荐服务方法的处理过程分为在线部分和离线部分。离线部分主要完成从站点服务器的访问LOG文件中挖掘出适合在线智能个性化推荐服务的用户事务模式,采用基于聚类用户事务方法获取用户个性化模式。在线部分通过个性化智能推荐服务智能接口实现基于URL聚类模式的个性化信息推荐服务,给出了链接距离因子定义和基于URL聚类模式的生成算法。通过实验总结这种方法的优缺点,这种方法是有效和可实现的。

我校体育课程体系的研究与聚类模式课程设计

结合航海类专业培养目标和综合学科基本规格，提出了海事大学体育课程体系改革方案。

模式聚类与周期分解的能耗监测及异常检测方法

时间序列异常检测对于能耗监测和管理至关重要。为了解决周期分解算法在时间序列中易受模式不一致影响的问题,文章提出模式聚类和周期分解相结合的异常检测方法。该方法使用密度峰值聚类算法寻找聚类中心点,并通过循环距离度量方法解决子序列相位偏移问题;为了屏蔽不同模式数据间的影响,使用季节分解算法S-H-ESD(seasonal hybrid extreme studentized deviate)在具有相同周期模式的聚类簇中寻找异常点,并评估和筛选检测结果的异常程度。实验结果表明,方法得到了较为理想的效果,适用于复杂周期时间序列的异常检测工作。

广东省“人口—经济—土地—社会—生态”城市化协调度时空变化及其聚类模式

多维城市化协调度评价是衡量区域城市化质量的重要方面,探究城市化时空聚类模式则是分析区域城市化特征的有效方法。针对目前城市化协调度评价缺乏多维度时空综合分析的现状,本文以广东省为例,提出一种基于时空权重矩阵的复杂时空系统协调度评价模型,运用此模型分析2006-2014年城市化协调度的时空变化特征,并借助时空扫描方法分析其聚类模式。研究结论为:(1)近10年来城市化水平呈现3种时序特征,人口城市化水平表现出随时间均衡发展的"集中"特征,而经济与土地表现出低频次的"集中与分散"交替,社会、生态及综合水平表现出高频次的"集中与分散"交替;稳定型城市主要位于珠三角核心区。(2)各维度及综合系统协调度时空聚类区既有空间分异性又有重叠性,人口协调度时空聚类于粤西地区,经济与土地维度协调度时空聚类高度重合于珠三角与粤北地区,社会与生态维度协调度时空聚类交叉于珠三角与粤东地区,而综合系统协调度居中。此外,时空聚类区的人口、经济与社会维度的协调度稳定性要优于土地与生态维度。本文结论有助于揭示区域城市化的时空特征。

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。

用聚类-分类模式解决聚类问题

分类和聚类都是常用的数据挖掘方法,分类的优点是准确率较高,但需要带有类别标注的训练集;聚类不需要训练集,但准确率较低。提出一种聚类-分类模式来解决聚类问题,首先通过聚类方法自动形成训练集,然后在训练集的基础上进行分类操作。实验数据表明,提出的聚类-分类模式能够有效提高聚类的准确率。

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。

空间密度聚类模式挖掘方法DBSCAN研究回顾与进展

针对DBSCAN方法存在的参数Eps和MinPts需要事先人为输入及对密度分布层次大的数据集聚类效果较差的局限性,该文对其进行了文献回顾,总结了国内外学者们的研究现状与发展,并比较分析了引用量较高方法的优点和不足,最后得出结论。对于参数确定的问题,现有学者提出了大致两种解决方法:①利用启发式方法;②与其他智能算法相结合。对于具有较大密度差数据集的适用问题,现有学者也提出了大致两种解决方法:①利用曲线斜率将数据集分层;②利用一定的规则将数据集网格化。

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。

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 .

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。

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。