一种基于Fréchet距离的谱聚类算法

为提升谱聚类的聚类精度和适用性,提出了一种基于Fréchet距离的谱聚类算法(A Spectral Clustering Algorithm Based on Fréchet Distance,FSC),通过Fréchet距离构建相似度矩阵,并将重构的相似矩阵应用于谱聚类中。利用Fréchet距离度量数据特征维度的相似性对样本的多个特征进行分析,进而扩展典型谱聚类算法的适用性。FSC不仅适用于低维流形结构清晰的数据,也适用于高维或稀疏数据,如高光谱图像数据。在3个经典的高光谱图像上的实验结果表明,FSC算法有效提高了高光谱图像聚类的精度。

用于因果分析的混合贝叶斯网络结构学习

目前主要结合扩展的熵离散化方法和打分-搜索方法进行混合贝叶斯网络结构学习,算法效率和可靠性低,而且易于陷入局部最优结构.针对问题建立了一种新的混合贝叶斯网络结构迭代学习方法.在迭代中,基于父结点结构和Gibbs sampling进行混合数据聚类,实现对连续变量的离散化,再结合贝叶斯网络结构优化调整,使贝叶斯网络结构序列逐渐趋于稳定,可避免使用扩展的熵离散化和打分-搜索所带来的主要问题.

Banach空间之间的微分同胚及其在区间分析中的应用

本文将Banach空间之间的同胚问题归之为一类动力系统非负解的存在性问题,证明了一个全局微分同胚定理,给出了一些推论,并应用于区间分析,推广了一些已有的结果.

周期摄动保守系统的存在性定理

本文利用全局反函数定理讨论了一类非线性边值问题解的存在性与唯一性。

基于LSTM-GRBM的云虚拟机异常检测

本文提出了一种对云虚拟机进行异常检测的模型LsGrbmAd.该模型首先通过长短期记忆网络(LSTM)捕获云虚拟机性能指标的时序特征,同时利用Dropout以防止数据过拟合;其次利用高斯玻尔兹曼机(GRBM)得出自由能;最后利用得出的自由能与训练阶段得到的参数基准模型进行对比,判断云虚拟机是否出现异常.实验表明该模型能够对云虚拟机进行异常检测,且准确率有较大的提升.