可信邻居距离估计的DV-Hop校准算法

针对DV—Hop算法定位精度低的问题，提出了可信邻居距离估计的DV—Hop（CDV-Hop）校准算法。通过将邻居节点间距离与连通性差异联系起来，定义了一种新的邻居距离估计方法，计算出更精确的邻居距离；根据不同未知节点与其最近锚节点独特的位置关系，增加了校准步骤，以可信邻居距离为校准标准对未知节点的估计位置进行修正。仿真结果表明，CDV-Hop算法在不同的网络环境下表现稳定，随着锚节点比例的增加，与DV—Hop算法相比，定位精度提高了4．57％-10．22％，与改进的DV-Hop（IDV-Hop）算法相比，定位精度提高了3．2％-8．93％。

基于双倍距离的孤立点检测算法研究

孤立点检测技术广泛应用于冶金、天气预报、故障检测等领域,已经成为数据挖掘研究领域中非常活跃的领域。本文在分析现有孤立点检测算法的基础上,提出了一种基于双倍距离的孤立点检测算法DTKA,并详细描述了新算法的主要思想和计算流程,实验验证了该算法的可行性和较高的效率性。

基于2k-距离的孤立点算法研究

孤立点检测一直是数据挖掘中一个活跃的领域,如信用卡欺诈,入侵检测等。在这些应用领域中研究孤立点的异常行为能够发现隐藏在数据集中更有价值的知识。文章介绍了相关概念,分析了几类有代表性的算法。最后,给出了一个判定孤立点的新的定义,并按此定义进行了检测,用实际数据进行了实验。实验结果表明,该算法能够能够有效地检测出孤立点。

基于普通节点负载均衡的RPL路由协议

传统的RPL路由协议并未涉及到节点负载均衡的问题,容易造成网络局部负载过重导致部分节点死亡。阐述了RPL路由协议的拓扑构建、路由过程及一些现有的目标函数,定义了邻居距离和剩余能量级别两个参考指标,通过划分能量级别和改变通信半径两重负载均衡方法,提出了一种基于普通节点负载均衡的RPL路由协议——OLB-RPL。通过实验仿真验证结果证明改进后的协议可以实现网络中普通节点的负载均衡,并且在减少节点能量消耗的同时延长了整个网络的生存时间。

一种基于分布的空间聚类算法

提出一种基于最近邻居距离分布的空间聚类算法——NNDDB算法.实验分析表明,与划分聚类算法CLARANS相比,NNDDB能动态地决定聚类数目且能发现任意形状的聚类;与密度聚类算法DBSCAN相比,NNDDB算法无输入参数;在效率方面,NNDDB算法对于大型数据库是有效的.

基于GA/SVM的微阵列数据特征的选择与分类

微阵列数据样本小、维度高的特点给数据分析造成了困难,而主基因的挑选又十分的重要。该文采用遗传算法挑选主基因,其中,用k最邻居距离作为模式识别方法,用支持向量机构造了诊断系统,用不同核函数进行预测分类性能测试。在经典的白血病数据集上,对34个样本的测试集的分类准确率为100%。

面向异构无线传感器网络的节点调度算法

针对传感器网络中的节点冗余问题,提出了一种冗余判别方法来关闭冗余节点,以达到延长网络生命周期的目的.首先按邻居节点的不同位置对节点进行分类,研究了每组邻居节点的网络覆盖率与工作节点数k之间的约束关系,在此基础上,按不同的冗余法则对节点进行判断,关闭冗余节点.理论分析和实验结果表明,提出的算法能关闭网络中的冗余节点从而有效地延长网络的生存时间.

基于密度的局部离群数据挖掘方法的改进

针对传统局部离群点检测算法的局限性进行了研究,提出了一种新的有效的离群数据挖掘算法。该算法在寻找数据点的近邻区域时采用了基于影响空间的局部离群点检测(INFLO)中影响空间的概念,然后在计算数据点的离群因子时,根据基于链接的离群点检测(COF)中链式距离的思想,提出了基于相似k距离邻居序列(SKDNS)的离群因子计算方法。通过对比该算法和其他经典局部离群点检测算法在不同数据分布情况下的挖掘结果,该算法比LOF、INFLO和COF算法的离群挖掘准确性更高,能有效克服LOF算法的不足,提高局部离群数据挖掘的准确性和多样性。

基于局部偏离因子的孤立点检测算法

孤立点检测是知识发现中的一个活跃领域,如信用卡欺诈、入侵检测等。研究孤立点的异常行为能发现隐藏在数据集中更有价值的知识。该文提出基于局部偏离因子(LDF)的孤立点检测算法,利用每个数据点的LDF衡量该数据点的偏离程度。实验结果表明,该算法能有效检测孤立点,其效率高于LSC算法。

基于局部孤立系数的孤立点挖掘

提出了一种基于局部孤立系数(LOC)的孤立点挖掘算法。该算法是对基于局部稀疏系数(LSC)孤立点挖掘论文中局部稀疏率和局部稀疏系数计算的一种改进。实验表明,LOC算法在发现孤立点方面比LSC算法更高效。

一种改进的孤立点检测算法及其应用

提出了一个判定孤立点的算法DKC,并通过实验验证了算法的有效性。探讨了算法DKC在学生管理系统中的应用,从中找出异常的学生对象,为学校更加有效实施人才培养提供帮助。