颜色对聚类量化算法的效率改进

颜色对聚类量化算法是进行色彩量化的重要方法之一,将二维平面上最接近点对问题推广到三维色彩空间,采用递归与分治策略有效地提高了该方法量化过程中对两个最小误差颜色点的选择效率,颜色对的选择效率为O(nlogn),从而提高利用该方法对色彩进行量化的效率。

基于演进向量量化聚类的增量模糊关联分类方法

为了提高动态数据集上模糊关联分类器(FAC)的建模效率,提出了一种基于演进向量量化(eVQ)聚类的增量模糊关联分类方法。首先,采用eVQ聚类算法增量更新数量属性上的高斯隶属度函数参数;然后,扩展早剪枝更新(UWEP)算法,使之适用于增量挖掘模糊频繁项;最后,以模糊相关度(FCORR)和分类规则前件长度为度量方式裁剪并更新模糊关联分类规则库。在4个UCI标准数据集上的实验结果表明,与批量模糊关联分类建模方法相比,所提方法能够在保证分类精度和解释性的前提下,减少模糊关联分类器的训练时间;基于eVQ的高斯隶属度函数的增量更新有助于提高动态数据集上模糊关联分类器的分类精度。

LVQ聚类算法在爆炸物THz光谱识别中的应用

运用THz光谱特性进行爆炸物的识别,是现代检测技术研究的一个热点。由于直接对原始数据进行聚类的识别率并不理想,首先对实验样本的THz频域光谱数据曲线进行二阶导数变换,得到了更能表现数据变化趋势和峰值的特征曲线,然后基于该特征曲线利用LVQ神经网络聚类算法,设计并用VC++6.0实现了THz光谱自动分类识别系统。分别对RDX、DNT、TNT、HMX四种爆炸物进行识别对比实验,运用原始数据训练出的分类器,识别率为96%,运用变换过后的特征数据训练出的LVQ分类器,识别率可以达到100%。实验证明,所设计的基于LVQ的神经网络分类器具有强大相似特征聚类功能和较高的识别率。

Extracting and evaluating method of web dense cores

This paper focuses on some key problems in web community discovery and link analysis.Based on the topic-oriented technology,the characteristics of a bipartite graph are studied.An Х bipartite core set is introduced to more clearly define extracting ways.By scanning the topic subgraph to construct Х bipartite graph and then prune the graph with i and j ,an Х bipartite core set,which is also the minimum element of a community,can be found.Finally,a hierarchical clustering algorithm is applied to many Х bipartite core sets and the dendrogram of the community inner construction is obtained.The correctness of the constructing and pruning method is proved and the algorithm is designed.The typical datasets in the experiment are prepared according to the way in HITS（hyperlink-induced topic search）.Ten topics and four search engines are chosen and the returned results are integrated.The modularity,which is a measure of the strength of the community structure in the social network,is used to validate the efficiency of the proposed method.The experimental results show that the proposed algorithm is effective and efficient.

基于LZW编码的卷积神经网络压缩方法

针对卷积神经网络(CNN)因参数量大难以移植到嵌入式平台的问题,提出基于LZW编码的CNN压缩方法。通过浮点转定点和剪枝2种方法来压缩模型容量。对权值进行k-means聚类量化,并在此基础上进行LZW编码。在MNIST数据集上进行实验,结果表明,剪枝效果优于浮点转定点的压缩效果,在进行剪枝、量化后使用LZW编码,其压缩比可达25.338。