基于谱聚类的图像多尺度随机树分割

针对谱聚类（spectral clustering）应用于图像分割时权矩阵的谱难以计算的实际问题，定义了像素点与类之间的距离，给出一个采样数定理，设计了一个图像的分层分割（hierarchical divisive）算法．在利用该算法进行图像分割时，由于既要对待分类的点进行随机抽样，又要通过调节尺度因子来合并较小的类或拆分较大的类，因此图像的分割既具有随机性又具有多尺度特性，称之为基于谱聚类的图像多尺度随机树分割（multiscale stochastic hierarchical image segmentation byspectral clustering，简写为MSHISSC）．实验结果表明了算法的有效性．     

面向数据流的加权聚类及演化分析研究

为解决无限数据流在有限内存空间中的聚类分析问题，本文提出了一种加权聚类及演化分析框架。为简要地描述此框架，给出了聚类、聚类簇的概念及其数据结构定义，接着对聚类、聚类簇的加法运算和差运算给出了清晰的描述和相应的实现算法。本框架与CluStream框架有较大的差别，这里采用聚类簇的加法运算来实现更大时间跨度内的聚类簇融合，采用聚类簇的差运算来进行聚类簇的演化分析。最后通过第一个例子来说明本框架是如何对数据流进行加权聚类及演化分析的，采用第二个例子来验证为实现本框架所需的十五个算法的正确性及有效性。     

基于模块性指标优化的层次聚类算法

层次形成的正确性决定了层次聚类的质量，通常围绕对象类内类间关系评价实现。本文基于聚类目标，综合考虑类内类问关系，借鉴网络分析中模块性评价准则，设计用于层次聚类的模块性指标，并采用自底向上合并的途径实现指标优化从而完成聚类，提出一种基于模块性指标优化的层次聚类算法。仿真试验表明，和谱聚类算法相比，本文介绍的算法实现简单，能以较少的计算代价，准确地获得样本特征，实现聚类。     

基于改进K均值的脸形聚类算法

针对海量人脸图像数据库检索时顺序匹配速度慢等问题,提出把聚类技术应用于数据库预分类,利用脸形特征对人脸图像自动聚类.首先用改进主动形状模型提取脸形特征,再用改进K-均值算法对人脸图像进行聚类.使用Hausdorff距离计算两个特征点集的相似度.实验表明,该算法的聚类结果比较稳定、精确且符合人类视觉认知特性.     

基于FRCM和FLAR的水文过程遍历特征分析模型及其应用

提出利用模糊粗糙聚类（FRCM）、自相关趋势图和模糊最小一乘回归（FLAR）对水文过程的遍历性特征进行研究，以上海54年（1951～2004）的降水为例，进行了具体的计算和分析，并利用离差系数作了印证性分析．结果表明：上海4～6和9月具有过程遍历性特征，所以，从长时间尺度来看，上海4～6和9月的降水量总体上不会呈长期下降趋势，在某个时期都会向该月份的降水均值回归．     

一种结构自适应的聚类神经网络

为了解决聚类分析中聚类数的确定问题，在SOFM神经网络的基础上，从聚类准则出发，通过试验对聚类准则的曲线特征进行了详细的分析和论证，设计出一种结构自适应的聚类神经网络，该网络能自动确定最佳的聚类数，并提出了一种减少计算量的改进算法。     

改进的等斜率灰色聚类法在地面水质量评价中的应用与分析

为了更好地将等斜率灰色聚类法应用于地表水质评价，提出了改进的等斜率灰色聚类法——灰色聚类样点排序法，并通过实例的计算比较，讨论灰色聚类样点排序法再权重处理过程的可行性。可以得出灰色聚类样点排序法能兼顾到：1）各测点地实测污染浓度都在级别标准范围内较有规律的变化，各污染物的标准之间差异不太大；2）污染物分布的离散度太大，各标准值之间差别也太大这两种情况。     

有限状态机的行为阶段聚类及其对测试的应用

提出了有限状态机的行为阶段和行为阶段聚类的新概念, 它是介于有限状态机的行为级描述和低层描述(状态表或状态图)之间的一种新的抽象级别. 给定一个有限状态机的低层描述, 可以对它的状态按某种规则进行聚类来简化对有限状态机的分析. 给定一个有限状态机的行为描述, 可以直接从中提取行为阶段, 并通过对行为阶段进行聚类来分析它的功能. 详细阐述了对状态或者行为阶段进行聚类的理论和方法. 行为阶段聚类描述可以应用于对有限状态机的功能分析、验证和测试中. 作为行为阶段聚类描述的一种应用, 建立了一种用于测试产生的新的故障模型——行为阶段转换故障模型, 并利用对行为阶段的聚类来加速基于此故障模型的测试产生, 实现了一个寄存器传输级的自动测试产生系统ATCLUB. 实验结果表明, ATCLUB与其他测试产生系统相比有很高的效率, 并且能够产生相当短的测试序列, 以达到对电路门级固定型故障的较高的覆盖率.     

极大熵聚类算法的收敛性定理证明

有关极大熵聚类算法收敛性的研究是理论研究的一个热点问题,有的学者认为迭代序列的极限点有可能不是目标函数的严格局部极值点.针对这个问题,文中用科学计算软件对相关文献中给出的例子进行了实验,说明该例子并不能否定极大熵聚类算法收敛性定理.最后,从理论上给出了极大熵聚类算法收敛性定理的一个证明.     

基于改进灰色聚类法的空气质量综合评价

通过构造指数型的白化函数和熵权法对灰色聚类法加以改进。此法充分利用已知的有限信息；避免了主观因素对环境质量综合评价的影响；使评价结果更符合实际、更准确。结合阜新市功能区空气质量评价的实例，介绍了此法的具体应用，并与经典灰色聚类法的结果相比较，除了个别功能区的评价等级有差异外，总体来看评价结果差异很小。对比值得出的结论是评价等级均为良，验证了改进方法的可行性和有效性。     

带信息反馈的凝聚层次聚类算法

本文针对传统的基于相似性的层次聚类算法存在的两个问题(相似性度量中方向信息的丢失和算法的适应能力弱)提出了一种带有信息反馈的凝聚层次聚类算法.首先将无法预知的复杂数据结构描述成3个基本的结构特征单元,并对其进行建模构建一种相似性度量定义的泛型和一种凝聚的层次聚类算法.在凝聚的层次聚类算法中加入类信息的反馈机制,并在不同阶段对相似性定义的泛型进行具体化,充分利用数据点对之间的方向信息和距离信息进行聚类.该聚类算法主要有两大优势:(i)算法的适应能力较强,不需要假设的前提下可以处理无法预知的复杂数据结构;(ii)算法对噪声具有较强的鲁棒性,在不需要对数据集进行预处理的情况下能够在聚类的过程中识别噪声点或者噪声类.从人工数据和真实数据的试验结果可以看出新算法的优越性能.     

模糊聚类方法中的最佳聚类数的搜索范围

研究了聚类方法中的最佳聚类数可能存在的范围，提出了一种新的解决方法,据此指出现今文献中普遍使用的规则c_max≤√n 在一定意义上是合理的.并就文献中的几个典型例子对上述结论进行了验证与分析. 其结果说明了新方法的有效性.     

一种基于相似度聚类方法的指纹识别算法

提出了一种基于相似度聚类的指纹识别算法．同现有的指纹识别算法相比较，该识别算法的独特之处体现在如下方面：首先，根据指纹纹理特性，采用二元尺度空间方法来对图像进行增强处理；其次，构造一种局部拓扑结构．细节点单形，根据与图像变换的相关性，将这些拓扑结构的属性分为变换可变特性和变换不变特性；再次，应用聚类方法，分析指纹之间的变换模型的分布空间；最后，用递归分层搜索方法，在变换模型的分布空间中估计出最优参数，并求指纹之间的最大相似度．FVC2002(the 2^nd International Fingerprint Verification Competition in 2002)对该算法的性能测试与认证结果表明了算法的有效性与先进性．     

一种基于自体集层次聚类的否定选择算法

否定选择算法是用于产生人工免疫检测器的重要算法,然而传统的否定选择过程需要将随机生成的候选检测器与全部自体数据进行匹配以排除识别了自体的无效检测器,该匹配过程导致检测器的生成效率过低,极大地限制了免疫算法的应用.为此,文中提出了一种基于自体集层次聚类的否定选择算法CB-RNSA.算法首先对自体数据进行层次聚类预处理,然后用聚类中心取代自体数据点与候选检测器进行匹配,以减少距离计算代价.在生成检测器的过程中,候选检测器被限定在非自体空间的低覆盖率区域内,以降低检测器冗余.对检测器的非自体空间覆盖率进行了概率分析,给出了中止生成检测器的条件,该条件较传统的预设检测器数量的中止条件更为合理.理论分析表明CB-RNSA的时间复杂度与自体集规模无关,从而解决了经典的否定选择算法的时间复杂度随自体数量呈指数增长这一难题,极大地提高了大自体样本空间下的检测器生成效率.对比实验结果表明:在相同的实验数据集与期望覆盖率下,CB-RNSA的检测率比经典的RNSA与V-detector算法分别提高了12.3%与7.4%,误警率分别降低了8.5%与4.9%,产生检测器的时间代价分别降低了67.6%和75.7%.     

一种基于同步动力学模型的层次聚类方法

本文基于建模同步动力学行为的Kuramoto模型提出了一种新的有效层次聚类方法.本文提出的方法基于局部邻域的概念,能够实现稳定的局部同步聚类.通过不断扩大对象同步的邻域半径,所提出的方法能够实现层次化的同步聚类.此外,提出对象邻域闭包的概念,在对象间到达完全同步之前就能预测出聚类的形成,从而减少对象动态交互的时间.本文的方法不依赖于任何数据分布假设,无需任何手工参数设置,可以检测出任意数量、形状和大小的聚类.由于同步过程能够有效地规避离群点,该方法有较强的噪声数据抑制能力.在大量真实数据集和人工合成数据集上的实验结果表明本文的方法聚类准确率高,且运行时间较同类基准算法显著缩短.     

星敏感器星点聚类提取方法

星敏感器现有的星点提取方法运算时间长、存储需求大,从而限制星敏感器姿态初始捕获时间、轻小化等性能指标的提高.针对以上问题,提出了一种星敏感器星点聚类提取方法.首先,介绍和分析了星点聚类提取方法中的预处理滤波算法和聚类算法;然后,给出了该方法在北京控制工程研究所新研小型星敏感器中的实现方式和实现效果,该星敏感器在探月三期月地高速再入返回飞行器中成功实现了首次在轨飞行实验;最后,通过星敏感器观星实验对星点传统提取方法和星点聚类提取方法进行了比对验证,并通过小型星敏感器在轨飞行实验对星点聚类提取方法进行了在轨验证.实验显示,该方法提取星点所需时间最大约为传统方法的16%,星图存储需求不到传统方法的1%,且星点提取正确,在轨表现良好.结果表明,星敏感器星点聚类提取方法能有效减小星点提取所需时间,不需大容量星图存储器件,且逻辑简单、移植性好,适用于各类光学成像敏感器.     

基于DSM的产品协同开发流程优化方法研究

针对传统的按职能分工部门之间的壁垒造成产品开发过程中的信息传输迟滞，以及流程活动冗余造成的流程运行时间长的问题，从时间的维度进行产品开发活动的协同管理，建立流程活动间信息交互模型，以实现流程活动间信息传递的量化和无量纲化。根据流程活动间信息依赖关系，建立基于设计结构矩阵（Design Structure Matrix，DSM）的产品协同开发流程结构矩阵，用模糊聚类方法对流程进行优化，并建立了流程优化算法，通过实例验证该方法的可行性。     

基于K-means聚类的快递企业客户细分方法

为了实现对快递企业客户的科学划分，制定差异化的客户营销策略，建立了一种基于K-means聚类的客户细分模型。对快递企业呼叫中心的客户相关数据特征进行了分析与预处理，确定了合理的客户细分变量，并建立了基于呼叫中心数据挖掘的客户细分流程。以某快递企业为例对客户细分方法进行了验证。结果表明该方法能够有效区分快递客户为敏感客户、节俭客户、高端客户、潜在客户与优质客户等五类，为进一步营销方案的设计提供决策支持。     

稀疏表示与病态混叠盲分离

Bofill（2001）等人首次针对两个传感器的稀疏信号盲分离问题进行了讨论. 但也正如Bofill自己所指出的那样, 此方法存在局限性, 特别是其中的势函数的参数选择缺乏理论指导, 而且此方法不宜推广到具有三个或更多的传感器的情形. 因此这里回避Bofill势函数方法, 建立了K-PCA方法（即K-聚类与主成分分析PCA相结合的方法）. 新方法克服了Bofill方法参数选择的困难, 可以方便地应用于三个及其以上传感器的情况, 而且具有实现简单、混叠矩阵估计精度高的特点. 另外, 为了检验混叠矩阵A的估计是否一定有效, 给出了相应的判别准则. 仿真结果表明了该方法的可行性和准确性.     

一种对程序故障行为和失效行为的聚类有效性验证方法

分析软件自身故障在软件运行过程中的行为规律是分析＂故障—错误—失效＂链式效应的基础.但在研究软件故障行为特征时面临的关键问题是故障行为集合的庞大与复杂.因此,如何约简故障行为集合是研究故障行为规律的基本前提.＂当两个程序具有相似的基本属性时,其故障行为和失效行为也具有相似性＂这一推断为约简故障集提供了良好的依据,但尚未得到验证.本文核心工作即验证该推断的正确性.为此,首先提出一种针对程序基准行为、故障行为和失效行为的表征方法;其次提出一种考虑最佳聚类数的程序行为聚类方法;最后设计一组基于故障注入的程序行为聚类实验,用以验证前述推断的正确性.其中,实验分别以计算密集型程序（SPEC CPU2000和SPEC CPU2006基准程序）和I/O密集型程序（IOZONE、DEBENCH等）作为目标程序集.实验结果表明,（1）程序行为的表征方法和聚类方法具有合理性和有效性;（2）以程序基准行为聚类结果为依据的故障行为和失效行为的聚类质量良好,以此验证了推断的正确性.