改进k均值聚类算法在网络入侵检测中的应用研究

针对k-means算法事先必须获知聚类数目以及难以确定初始中心的缺点, 提出了一种改进的k-means聚类算法.改进后的算法首先使用了复合形和粒子群算法来选取聚类的初始中心点,然后使用k-means算法快速收敛获取聚类结果.实验表明:把改进后的算法用于网络入侵检测系统中,可以提高不需指导的异常检测的检测率,降低误检率.     

一种改进的K一均值聚类算法

为了改进K-means聚类算法的不足,把混合粒子群优化算法引入到K-means聚类算法中,重新选取编码方式并构造适应度函数,在此基础上提出了一种改进的K-means聚类算法;通过两个经典数据集的测试,实验结果表明:改进的算法比K-means算法具有更好的全局寻优能力、更快的收敛速度,且其解的精度更高对初始聚类中心的敏感度降低.     

基于邻域影响的改进粒子群算法的聚类算法

K-均值算法是一种传统的聚类分析方法,具有思想与算法简单的特点,因此成为聚类分析的常用方法之一。但K-均值算法的分类结果过分依赖于初始聚类中心的选择,对于某些初始值,该算法有可能收敛于一般次优解,在分析K-均值算法和粒子群算法的基础上,提出了一种基于邻域影响的改进的粒子群算法的聚类算法,通过对粒子群算法的改进来优化与K-均值结合的聚类算法。该算法将局部搜索能力强的K-均值算法和全局搜索能力强的粒子群算法结合,提高了K-均值算法的局部搜索能力、加快收敛速度,有效阻止了早熟现象的发生,达到那些离群的孤立点。实验表明该聚类算法有更好的收敛效果,一方面聚类所用的时间更短,另一方面聚类的准确率更高。     

基于Leader的K均值改进算法

研究了K均值算法中初始聚类中心的选择对算法本身聚类精度及效率的影响,并提出了改进的算法(LK算法,Leader+K-means).LK算法中的初始聚类中心选择不是随机的,而是利用Leader算法得到若干个初始类中心,然后选择包含数据项最多的k个类中心,作为K均值算法的初始类中心.实验结果表明,LK算法在聚类结果的稳定性和正确率方面都是有效可行的.     

基于leader的k-means改进算法

针对传统k-means算法中初始聚类中心选取的随意性对于聚类结果影响较大的问题,提出了基于Leader算法的k-means改进算法——Lk-means算法.该算法有效避免了初始聚类中心选取的边缘化和随意性.实验证明,Lk-means算法的聚类结果更加有效合理.     

基于粒子群的三支聚类算法

针对K均值聚类(K-means)算法处理复杂问题时易陷入局部最优值、聚类质量较差等不足,提出一种基于粒子群的三支聚类算法.该算法先以随机产生的聚类中心组合作为初始粒子,构成粒子群;然后,通过调整算法中的速度公式参数,使粒子在迭代过程中能较快速地找出全局最优解,即最优的聚类中心;最后,采用三支决策的方法考察数据与类的关系,把确定归属的数据分配到类的核心域,归属不确定的数据分配到类的边界域.实验结果验证了所提算法的有效性,在寻找全局最优值和聚类结果准确性等方面算法都具有较好的性能.     

基于K均值的带变异粒子群聚类算法

针对K均值算法的搜索结果依赖于初始聚类中心以及粒子群算法早熟收敛的缺点,提出了一种基于K均值的带变异粒子群聚类算法.该算法通过粒子群算法来弥补K均值算法的不足,根据粒子的收敛情况判断K均值操作的时机,提高了搜索性能,并采用变异操作来跳出局部极值.分别用K均值算法、PSO-K均值算法和该算法对3种实际数据进行了聚类测试,...     

智能单粒子优化算法在聚类分析中的应用

针对K-均值聚类算法存在的缺陷,将改进的粒子群优化算法———智能单粒子优化算法（ISPO）应用到聚类分析当中来,提出一种混合聚类算法ISPO＋K-means.该算法分为两个阶段：第一阶段利用ISPO算法较强的全局寻优能力形成初始聚类,第二阶段将初始聚类结果通过K-means算法形成最终聚类结果输出.与K-均值聚类算法和...     

一种局部概率引导的优化K-means++算法

针对K-means++算法选取初始聚类中心计算误差平方和时, 实验次数对误差平方影响不准确的问题， 提出一种PK-means++算法. 结果表明, 该算法在进行分散数据聚类时, 在同一K值情形下, 聚类后的误差平方和较原K-means++算法更稳定, 从而更好地保证了随机实验取值的稳定性.     

一种新的TS模型辨识算法

提出一种新的TS模型辨识算法.该算法思想:首先采用MCR算法(Mountain C-Regressionmethod)自动确定聚类数目和初始聚类中心,然后采用改进的GK(Gustafon-Kessl)聚类算法得到最优的划分矩阵,再根据最优划分矩阵计算系统前件参数的最优值,最后用自适应粒子群优化算法(Adaptive Parti-cle Swarm Optimization,APSO)对后件参数进行优化.此辨识算法能够用较少的规则数描述给定的未知系统,并且容易实现.仿真实验表明该算法能够实现非线性系统的辨识,并且可获得相对高的精度.     

长江安庆段水环境质量及污染状况分析

根据对安庆长江段水质的监测数据,结合城市污水的排放情况的综合分析,重点考察了长江安庆段水质状况以及存在的问题,对其变化机理进行了分析。结果发现2006～2009年长江安庆段为Ⅲ类水体水质,安庆市区的污水排放对江水水质有明显影响,污染特征为有机污染,主要影响因素是城区生活污水。     

安庆市声环境质量分析及对策

随着城区建筑业、商业、服务业以及交通道路等公共事业的快速发展,噪声污染日益突出。通过对历年噪声监测数据的分析比较,解析安庆市声环境质量变化的趋势与特点,尤其关注交通噪声污染,从而针对各类污染成因,提出合理化的对策及建议。     

“安庆地区小网运行”事故处理预案

在安徽省安庆地区电网可能发生"小网运行"事故前,安庆石化热电厂应编制好事故处理预案。经过一定程序审批后,若安庆地区电网发生"小网运行"事故时,安庆石化热电厂应严格执行事故处理预案,确保安庆地区电网和安庆石化供电供热供水系统安全稳定运行。     

三维地质建模及可视化系统在安庆铜矿勘查中的应用

阐述了所构建的三维地质建模及可视化系统总体结构及主要功能,并结合安庆铜矿勘查实例对其加以应用。该系统主要包括三维结构建模、三维属性建模和三维地质可视化等子系统。基于建模系统功能,利用安庆铜矿实际勘查数据,获得三维地质建模结果。经三维分析认为,该地区铜铁矿向东偏南方向延伸的趋势揭示了较好的找矿方向,进而表明该三维地质建模及可视化系统在提升矿产勘查效率和准确性方面具有良好的应用前景。     

安庆市售叶菜类蔬菜硝酸盐含量的调查及污染评价

采用硝基水杨酸比色法,分别测定了安庆市10个菜市场6种叶菜类蔬菜体内硝酸盐的含量。结果表明,安庆市售叶菜类蔬菜硝酸盐含量情况是:苋菜>大白菜>小白菜>韭菜>生菜>莴苣叶。食用卫生评价结果显示,安庆市售叶菜类蔬菜硝酸盐含量均达到1级或2级的标准,苋菜、大白菜及小白菜生食不宜,其他均达各种食用标准。针对此种情况,本文提出了一系列降低蔬菜体内硝酸盐含量的措施。     

安庆市地表水污染特征分析及防治对策

根据"十一五"期间监测数据,采用平均水质类别法及Spearman秩相关系数法对安庆市主要地表水流域水质状况进行了分析。结果表明,"十一五"期间长江安庆段水质为优,破罡湖流域水质良好,华阳河流域、皖河流域、菜子湖流域及白荡湖流域水质不容乐观,为轻度污染或中度污染。境内水域主要污染物为总磷、总氮及化学需氧量,表现为有机污染的特征,污染物主要来源于生活污水、工业废水及面污染源。结合安庆市的地域特征,提出了进一步改善地表水水质的防治对策。     

大气环境质量评价API方法实例教学——以安徽省安庆市为例

传统API指标体系所得城市大气质量往往偏离群众真实感受,特别是像安庆这样的化工城市,这给环境影响评价教学带来了困难,论文选取了该市2010年四季中空气中有明显异味的10天,监测了其CO、氨和苯含量,并参照GB3095-1996标准,通过逐步添加特征指标的方法,在课堂上展示了增加指标前后安庆市大气环境质量API指数,结果表明:①增添指标前,安庆市大气API指数皆小于100,质量等级为良,主要污染物为SO2或PM10;②增添指标后,安庆市环境空气质量普遍下降1到2个档次,由原来的优良变为轻中度污染甚至是重度污染,主要污染物为苯;③CO指标增加后,其单因子指数皆小于50,安庆市大气污染并不以煤烟型污染为主;④实例教学能解决理论与实际的偏差,激发学生兴趣,极大地改善课堂教学效果。     

2007年长江安庆段水环境质量的监测与评价

根据长江安庆段2007年水质监测结果,对2007年长江安庆段水环境质量进行了综合评价,分析了长江安庆段污染物浓度变化趋势。由于各监测断面的首要污染物均为有机污染,从皖河口至石化总排江段,安庆市排江的生活污水对江水水质影响较大;从石化总排至前江口断面内,梅罗指数逐渐衰减到近似于皖河口的水平,说明了污染物在长江安庆段得到了很好的消减,同时也说明长江安庆段的纳污能力满足安庆市污水排放的需要。     

基于MATLAB的安庆市TSP浓度GM(1,1)模型的建立

对大气TSP浓度的影响因素进行分析,得出TSP浓度的模型可以用GM(1,1)来建立。并以安庆市近8年的TSP浓度监测数据,借助M ATLAB建立预测模型,为环境保护工作提供理论依据。     

在线水质自动监测仪器的应用研究

介绍安庆皖河口水质自动监测站的基本情况及在线水质自动监测仪器的考核验收工作