应用Normal矩阵谱平分法的多社团发现

现实世界中许多实际网络都有一个共同的性质,即社团结构。揭示网络中的社团结构,对于了解网络结构与分析网络性质都是很重要的。分析了常见的社团发现算法的特点,以及谱二分法在实际应用中必须不断迭代才能完成多社团发现的不足,提出了基于Normal矩阵和k-means聚类算法的多社团发现方法。该算法能选择合适的特征向量维数,为k-means划分社团提供有效数据,相比其他算法有着较高的准确率。

基于Normal矩阵谱平分法的快速电压控制分区

为提高电网中二级电压控制分区的速度,提出种基于复杂网络谱平分法的电压控制分区新算法。该算法采用节点导纳矩阵虚部作为电压控制分区简化拓扑模型的元素,并通过分析分区模型的Normal矩阵,直接获取分区聚类样本,在保证区域无功就地平衡的条件下,能够有效降低算法的时间复杂度。采用改进初始聚类中心的K-means聚类算法保证了分区时的稳定性,同时,模块度指标和无功储备校核的引入使优分区结果更客观、更可信。通过IEEE 39节点和IEEE 118节点标准测试系统对谱平分法分区的可行性和效率进行仿真计算和验证。分析表明,该方法能够快速有效地获取合理的电压控制分区方案,分区结果可为二级电压控制分区的工程实践提供参考。

一种基于Normal矩阵的时间序列聚类方法

提出了一种基于Normal矩阵的时间序列聚类方法。该算法首先对时间序列数据进行向量形式转换,计算出各个时间序列间的相似度并构建复杂网络,然后利用基于Normal矩阵的方法进行复杂网络社团划分,同一类的时间序列被划分到一个社团,即实现对时间序列数据的聚类。为了验证该方法的可行性和有效性,将其应用于股票时间序列数据聚类分析中,并在两个实际的数据集上与其他方法相比较,取得了较好的实验结果。

一类矩阵的广义特征值的相对扰动定理

研究H-normal矩阵的广义特征值的相对扰动界问题,给出规范矩阵,可对角化矩阵与复正定矩阵的广义特征值在算子范数下的相对扰动界。

IMPROVEMENT OF MATRIX REPRESENTATION METHOD IN NORMAL FORM THEORY

In this paper, based on the invariant subspace theory and adjoint operator concept of linear operator, a new matrix representation method is proposed to calculate the normal forms of n order general nonlinear dynamic systems. In the method, there is no need to determine the structure of the class of normal forms in advance. Because the subspace is not related to the dimensions of the system and the order of the normal forms directly, it is determined only by a given vector field. So the normal forms with high orders and dimensions can be calculated by the method without difficulties. In this paper, is used the method for selecting the minimal subspace and solving homological equations in the subspace, the examples show that the method is very effective.

一种基于DTW的符号化时间序列聚类算法

提出了一种基于DTW的符号化时间序列聚类算法,对降维后得到的不等长符号时间序列进行聚类。该算法首先对时间序列进行降维处理,提取时间序列的关键点,并对其进行符号化;其次利用DTW方法进行相似度计算;最后利用Normal矩阵和FCM方法进行聚类分析。实验结果表明,将DTW方法应用在关键点提取之后的符号化时间序列上,聚类结果的准确率有较好大提高。