基于MCL与KNN的混合聚类算法

MCL是一种图聚类算法,针对MCL计算过程会产生小聚类及边缘节点从团中脱离出来的问题,提出了一种基于MCL与KNN相结合的混合聚类算法。该算法利用KNN的分类特点,以MCL聚类得到的聚类表为依据,通过KNN对小聚类中的元素进行再分类,以提高聚类的质量。实验证明此方法是可行的,改进后的算法能使聚类质量有所提高。

基于Markov随机场K-Means图像分割算法

传统的K-Means算法在图像分割中只与特征向量有关,从而忽略了像素间的空间位置关系,因而分割模型是不完整的.本文利用Markov随机场描述图像像素间的邻域关系,引入拒绝度的概念到聚类目标函数中的同时,提出了初始类别及初始中心点的确定方法,提出了较为完备的基于Markov随机场图像分割算法.并通过实验验证该分割方法在效果及效率上的有效性.

一种基于Markov链模型的动态聚类方法

对单变量时间序列的聚类 ,是一类有着广泛应用背景的特殊的聚类问题 由于该问题的特殊性 ,现有的聚类方法无法直接使用 ,故提出了一种新的基于Markov链模型的动态聚类方法 该方法首先对每一个时间序列建立一个描述其动态特征的Markov链模型 ,从而把对时间序列的聚类问题转化为对Markov链模型的聚类问题 然后通过定义各个Markov链之间的“距离” ,采用动态聚类算法完成对这些Markov链模型的聚类 使用该方法 ,分别对一批真实数据和仿真数据进行了聚类试验 。

MCL聚类算法求解植入(l,d)模体识别问题

模体识别是指寻找一系列功能相近且形式相似的基因片段.为此将MCL聚类算法引入模体识别应用,设计出一种适用于这个问题的新算法,在一组目标DNA序列中找到拟识别的模体.该方法基于马尔科夫链原理,构建概率转移矩阵,按随机游走方式对矩阵进行扩展、膨胀迭代,最终形成各个样本的分类.在此基础上进行贪心算法求精计算,得出若干组模体.实验表明该算法是有效的.

基于Markov模型的异常用户检测

在入侵检测的研究中,异常检测已逐步成为了入侵检测研究的主要方向。为提高检测效率,提出一种基于Markov模型的行为模式-聚类(BMC)的用户行为异常检测方法,采用一阶Markov模型对多用户计算机系统中用户的正常行为进行建模,学习Markov模型参数时采用命令匹配方法。在检测阶段,通过计算状态序列出现的概率得到概率序列,并对其进行加窗和处理得到判决值序列。BMC采用KNN方法对判决值序列进行聚类,以聚类结果来对用户行为进行异常检测与分析,发现系统中潜在的入侵用户及入侵用户群组。实验结果表明BMC不仅能够判别单用户的异常入侵行为,更能够有效识别多用户计算机系统中的异常用户行为。

中国股票市场的波动率聚集性研究——基于Markov机制转换Copula模型的实证分析

波动率聚集性是金融资产收益率序列中的一个重要特征。构建了Markov机制转换Copula模型研究中国股票市场的波动率聚集性(波动率相关性结构)。采用上证综合指数和深证成份指数日内高频数据,构造已实现波动率作为隐波动率的代理变量,对中国股票市场进行了实证分析。结果表明,SJC Copula相比其他Copula能更好地刻画中国股票市场的波动率聚集性,波动率聚集具有明显的尾部非对称特征,高波动率的聚集相比低波动率的聚集发生概率要更高。另外,基于Markov机制转换SJC Copula模型的研究表明,中国股票市场的波动率聚集还具有明显的尾部动态特征。

基于混合隐Markov链浏览模型的WEB用户聚类与个性化推荐

针对传统的Markov链模型不能有效的表征长串访问序列所蕴含的丰富的用户行为特征（用户类别特征、访问兴趣迁移特征）的缺点,提出混合隐Markov链浏览模型。混合隐Markov链模型使用多个不同的模型来区分不同类别用户的浏览特征,并为每个类别的用户设置了能跟踪捕捉其访问兴趣变化的类隐Markov链模型,能更好地对WWW长串访问序列的复杂特征进行建模,在真实WWW站点访问日志数据上的用户聚类实验与个性化推荐实验的结果表明,混合隐Markov链模型与传统的Markov链模型相比,具有更理想的聚类性能和推荐性能。

基于Markov链的集束型晶圆制造设备预防性维护建模

为了有效提高集束型晶圆制造设备的运行可靠性,同时降低其维护成本,提出了基于Markov链的预防性维护建模方法.根据集束型晶圆制造设备的特点,将设备使用情形分为运行状态、预防性保养状态、保养未能回复状态、预防性维修状态和维修无法回复状态,建立了设备状态转移模型.在此基础上,建立了集束型晶圆制造设备的预防性维护成本模型,进行了仿真实验分析.结果表明,该模型可有效分析不同参数组合下的单位时间预防性维护期望成本.

基于核聚类算法和模糊Markov随机场模型的脑部MR图像的分割

为了更有效地对被噪声污染的脑部MR图像进行分割,提出了一种基于模糊核聚类和模糊Markov随机场的脑部MR图像分割算法。该算法在使用高斯径向基函数的核聚类目标函数中,引入了基于Markov随机场的补偿项,作为分割算法的空间约束。这种空间补偿项用Gibbs分布描述,实际上是一种归一化的核函数,其和用来度量灰度特征的核函数的形式是相似的,并且这种空间约束利用了分割结果的模糊信息。这种基于核函数和Markov随机场模型的算法克服了传统聚类以及核聚类算法的缺陷,不仅提出了更加合理的空间约束,而且改善了原有的分割模型,因此可以得到更加分段光滑的聚类结果。通过对合成图像、模拟MR图像以及临床MR图像进行的分割实验以及和标准分割结果的比较表明,该算法优于相关算法,可以有效地分割被污染的MR图像。

一种改进的Markov预测模型方法

马尔可夫(Markov)模型的链式结构简便易行,适合作为一个预测模型来预测用户的页面访问模式。针对Markov原始预测模型算法时间和空间高开销的缺点,引入聚类方法对模型进行改进,以有效降低原始Markov预测模型计算开销。改进的Markov模型虽较好地克服了原始Markov模型的缺陷,但在提高效率的同时,模型的预测准确度有所降低。不过由于是将高阶Markov模型类别预测和低阶Markov模型页面预测相结合,和原始低阶Markov模型页面预测相比,准确性具有一定优势。

数据库集群负载均衡优化的Markov模型研究

针对数据库集群负载过重问题,本文提出了一种基于Markov的数据库集群负载均衡优化模型。该模型引入了基于两级事务管理器的中间件模型,提高写数据库操作的效率,并采用Markov模型预测采样周期内执行节点负载信息,并结合滑动窗口方法来更新管理节点内各执行节点的负载信息记录,然后针对综合性能指标对其进行负载均衡优化。实验表明,基于Markov的数据库集群负载均衡优化模型在可靠性和性能上得到了提高,该模型切实有效。

基于类Markov链的用户浏览行为预测方法

根据浏览历史对用户进行有效聚类,建立基于用户聚类的用户浏览行为预测模型是Web环境下实现个性化服务的关键。该文对系统用户进行聚类,产生相似用户群,根据每个相似用户群的浏览特征,建立基于相似用户群的类Markov链用户浏览行为预测模型,实验验证了该模型的有效性。

融合停留时间的隐Markov个性化推荐模型

静态模型在推荐系统中往往将用户的兴趣偏好看作是固定不变的,而在一定程度上与实际并不符合。为此,基于隐Markov动态模型提出一种融合停留时间的类时齐隐Markov个性化推荐模型(ctqHMM)。该模型用隐含状态变量的转移来模拟Web用户的兴趣变迁,并用停留时间来描述用户对某一偏好感兴趣的程度和所推荐页面的重要性。然后,提出一种基于该模型平稳分布的用户聚类方法,并将其用于推荐系统中。在真实的Web服务器访问记录数据上的实验证明,类时齐隐Markov模型具有更好的推荐性能。

融合多尺度统计信息模糊C均值聚类与Markov随机场的小波域声纳图像分割

声纳图像成像质量差、特征信息弱,目标分割存在一定困难,为此提出一种融合多尺度统计信息的模糊C均值(FCM)聚类与Markov随机场(MRF)的小波域声纳图像分割算法。小波域中低频信息统计特性描述了低频不同区域像素聚类情况,高频信息反映了该方向纹理特征,依据低频子带的统计峰值选取FCM初始聚类中心,应用小波域FCM聚类算法对声纳图像进行预分割,抑制噪声的影响,提高了预分割的准确性;构建初分割后图像的多尺度MRF模型,尺度间节点标记的相关性采用1阶Markov性表征,尺度内构建2阶邻域系统描述系数间的标记联系,标记场采用双点多级逻辑模型建模,同一标记的系数特征场采用高斯模型建模,弥补了MRF算法中层次信息和轮廓信息描述的不足;应用迭代条件模型算法求其最小能量下的标记场,实现声纳图像分割。从视觉主观效果和客观评价指标两方面的实验结果验证表明,该算法分割声纳图像均优于FCM聚类算法和MRF算法,分割的声纳图像边缘与细节的清晰度、精细度均有一定程度改善。

基于隐反馈的类时齐 Markov 推荐模型

传统Markov链模型在用户浏览行为预测方面体现出较好的性能,但不能很好的体现出用户的兴趣度和所推荐的页面的重要性,因此本文提出类时齐Markov模型.该模型给不同的类别用户单独创建时齐Markov模型,并用时齐Markov模型的平稳分布表征用户的访问兴趣和页面的重要程度.本文进而提出了基于隐反馈的类时齐Markov推荐模型,在真实的WEB服务器日志数据上的实验证明,类时齐Markov模型具有更好的推荐性能.

超谱遥感图像的Markov链小波特征空间聚类算法

根据像素的谱特性 ,提出基于 Markov链小波特征空间分解的超谱遥感图像聚类算法 ,并对小波特征空间Markov链聚类问题进行了理论分析。通过小波变换抽取并标记谱矢量小波系数的极值点 ,根据极值点的位置差异程度和相关系数阈值进行 Markov聚类 ,避免了一般聚类算法求欧氏距离造成的时间开销 ,使聚类速度加快。算法中采用模拟退火并逐步降低聚类规模的方法实现 Markov链特征空间在每个温度上的最优聚类。将此算法用于 AVIRIS超谱图像聚类 ,结果表明算法在提高聚类精度、聚类速度等方面有一定的优越性。

基于聚类与Markov链法的西安市某线路城市客车工况构建

为了对特定区域构建符合当地车辆行驶特征的行驶工况,基于聚类与Markov链法构建了西安市某线路城市客车的行驶工况,确定了聚类个数及特征参数组合,提出了构建工况长度的确定方法,从能耗角度定义汽车行驶时的单位里程比能耗作为工况选取标准,从50条候选工况中筛选出该线路的代表工况。结果表明:与聚类法工况和V-A矩阵法工况相比,基于聚类与Markov链法构建的行驶工况与样本数据偏差最小,平均偏差率为1.17%,百千米能耗相差最小,偏差率为0.069%,显示基于聚类与Markov链法构建的行驶工况精度更高,更能反映车辆的实际行驶状况工况。

基于动态Markov的热风炉操作预测

针对马尔可夫预测传统的状态划分采用人为确定方法,由预测者的经验决定预测对象的初始状态,状态界限的划分定性分析因素极大的问题。提出根据预测对象数据自身的相似度,采用动态聚类方法对预测对象进行初始状态划分,确定初始状态概率和状态转移概率矩阵,进行马尔可夫预测的方法。该改进的方法在某厂的热风炉操作预测中进行了应用,预测结果表明该方法可以有效指导热风炉操作。

基于Markov逻辑网的虚假评论识别方法

为解决虚假评论识别的问题,该文提出一种基于Markov逻辑网的虚假评论识别方法。首先,对虚假评论内容和评论者行为的特点进行分析,选取评论内容特征和评论者行为特征;然后,根据特征定义一阶逻辑谓词和逻辑公式,并介绍了权重学习和推理的过程;最后,进行了对比实验,结果表明该方法的虚假评论识别取得了较好的效果。

基于Markov流量预测和改进蚁群算法的分簇自适应路由

为了改进传统分簇路由协议的被动轮换簇头导致的簇头过早死亡,以及寻找簇间多跳路由时仅考虑长度因素而导致路径拥塞的缺陷,提出了一种基于Markov预测节点数据流量和改进蚁群算法的分簇路由协议;在网络初始化阶段,Sink节点对整个网络进行非均匀分簇以避免"盲区";簇成员节点存储自身的状态序列并能预测在未来时刻的数据流量,当簇头需要轮换时,簇头管理节点接收节点预测数据并选择具有最小数据流量的节点作为新簇头;在寻求簇间多跳路由时,引入改进的蚁群算法,使得簇头在选择下一跳节点时,综合考虑路径长度、节点剩余能量以及路径拥挤度等因素;仿真实验证明文中的分簇路由协议能最大程度地均衡节点负载和延长网络的生命期,在运行到450轮时才出现第一个死亡节点,较其它方法具有较大的优越性。