一种基于动态填充的不完备数据聚类算法

不完备数据聚类是聚类分析中的一个重要问题.现有的不完备数据聚类算法对缺失值仅填充一次进行聚类,没有充分利用数据的已知信息,致使填充效果不佳,影响了聚类的有效性.文章提出了一种基于动态填充的不完备数据聚类算法.首先利用均值填充法对缺失数据进行初始完备化,然后利用K-means算法对填充后的数据集进行聚类,同时用含缺失值对象所在类的类中心的相应属性值对其再次填充,直到聚类结果不再变化时停止.该算法在多个UCI数据集上进行了实验验证,结果表明算法是有效的.     

基于样本划分的启发式遗传BP算法

遗传算法作为一种模拟生物遗传进化过程的随机搜索算法,具有并行和全局搜索能力、不要求函数可导等特点,在神经网络学习中得到广泛应用.合理选择初始群体和控制搜索的盲目性,有利于提高算法的效率.为此,提出了一种新的神经网络学习算法--基于样本划分的启发式遗传BP算法.该方法对神经网络学习样本进行划分,形成样本子集.初始群体通过在样本集类上训练神经网络而获得.这些初始网络中包含了关于样本子集的有用信息,根据模式定理,能通过遗传算法保留和加强.此外,提出并证明了关于样本集类及其BP训练的几个代数性质,结合子空间划分进行启发式搜索,以克服搜索的盲目性.对上述方法进行仿真实验,迭代次数和误差较小,表明本学习算法是切实可行的.     

一种改进的分布约束优化算法MULBS+

完备算法虽然能够求得分布式约束优化问题最优解,但要消耗大量资源及时间,相反,非完备算法通过求得次优解来提高效率.MULBS作为一个有效的非完备算法,虽然在求解质量和时间上有所提高,但在解决赋值冲突时采用的回溯策略及并行搜索方面存在不足.通过对该算法的深入分析,本文针对上述问题进行了改进,提出其改进算法MULBS+.通过在回溯策略中引入最小冲突选择机制,以及在约束图密度较大时采用基于动态子图划分的并行搜索策略,进一步提高了算法的性能.实验表明,该算法除增加一定的通信信息外,其执行时间及求解质量均优于原算法.     

一种有效的基于密度聚类的排序算法

个性化搜索引擎研究的目的是使搜索结果尽可能满足不同用户的信息需求,而排序算法在搜索引擎技术中占有着核心的地位.提出了一种基于改进的DBSCAN聚类的个性化排序算法,在全文搜索包Lucene与开源搜索引擎Nutch的基础上,实验证明该方法提高了用户搜索的准确率和召回率.     

视觉特征空间中大规模聚类问题的一种鲁棒近似算法

视觉特征空间中的大规模聚类问题是图像识别和检索中亟待解决的问题.当前最好的算法是近似k-means算法,它是Lloyd算法的近似算法,只能依靠采用高准确率的近似搜索近似地保证聚类结果的性能.为此针对近似k-means算法提出改进的基本不增加时间、空间代价新算法,具有更好的算法收敛性和聚类性能.该算法利用了迭代求解过程中更多的信息,更有效地更新子类划分,使得聚类损失单调不增并且快速减小.理论证明,采用任意准确率的近似搜索,该算法都可以在有限轮迭代后收敛到Lloyd算法的收敛解.实验结果表明,分别采用最优参数产生同等性能结果时,所提出的算法比近似k-means算法快10倍.此外,通过比较全局特征聚类实验中的子类的图像,也直观地验证了其聚类效果.     

基于信息熵的不完备信息系统属性约简算法

在现实生活中信息的不完备现象广泛存在,等价关系不一定成立,限制了经典Rough集理论在一些实际问题中的应用.从信息论角度出发引入信息熵的概念,提出了不完备信息系统中知识熵的度量方法,定义了信息观下不完备信息系统知识约简的方法,分析并讨论了与现有其他约简定义的关系,给出了一种基于信息熵的不完备信息系统属性约简算法,通过仿真实验说明了该算法对于不完备信息表知识约简是可行的.     

基于生物地理学模糊C均值聚类的图像分割算法

提出了一种基于模糊C均值算法和生物地理学优化算法的混合聚类算法(BBO-FCM).该算法结合了生物地理学优化算法的全局搜索和FCM算法快速局部搜索的特点,利用生物地理中的迁移算子来进行各解之间的信息共享,从而有效地克服了FCM对初始值敏感、易陷入局部最优等问题.将BBO-FCM算法用于图像分割,实验表明,新算法的聚类效果评价指数更好,聚类效果明显优于原始的FCM算法.     

基于词间语义相关度的搜索结果聚类算法

将查询结果根据内容进行聚类是提高搜索引擎服务质量的关键技术之一.搜索结果聚类时只能从文档标题和文档片段中抽取有限信息,传统聚类方法难以准确计算其相似度.提出了一种基于词间语义相关度的搜索结果聚类算法,该算法以词为聚类的核心,词所出现的文档为词的属性,根据词在搜索结果文档中共现的情况来划分类别.该方法可以充分利用词间的语义相关性,类别划分后即可确定类名.实验结果表明,对搜索结果聚类时与K-Means和STC算法相比,质量上有所提高.     

基于K中心点的文档聚类算法

K中心点算法是一个常用的聚类算法,它的主要缺陷是容易陷入局部极值,计算代价太高.本文先构造一个运用余弦相似度的K中心点文档聚类算法,然后提出一个改进算法,该算法不增加计算的复杂性,显著改进文档的聚类结果.最后,将该改进算法作为局部搜索过程嵌入到迭代局部搜索结构中,构造一个基于K中心点的迭代局部搜索文档聚类算法,进一步改进了文档聚类结果.试验结果表明该算法显著改进了文档聚类结果.     

基于维度近邻关系扩散的改进粒子群优化算法

针对标准粒子群算法存在容易早熟及陷入局部最优等缺陷,提出了一种基于维度近邻关系扩散的改进粒子群优化算法.改进后的算法初始化时借鉴k-means对空间中粒子的维度进行聚类,聚类的标准为每个维度之间的欧氏距离,算法中将聚类得到的每个起始类视为一个家庭.家庭内部和外部分别进行迭代更新,结合智能单粒子优化算法的思想将粒子的更新速度划分为对应的家庭速度子矢量.粒子间交换记录的扩散和传播借鉴在线社会网络传播模型,在采纳信息的过程中不仅会考虑信息的价值,也会考虑其周围粒子状况.结合禁忌搜索优化算法,通过将该算法中的建立禁忌表、设定禁忌搜索长度和特赦准则等策略来避免重复搜索和改进算法的全局搜索性能,提高解的精确性.实验结果表明,改进后的算法有效解决了算法收敛速度慢、求解精度低等问题.     

一种基于粗交流的博弈分类方法

关于博弈的分类,是博弈论研究的基础性工作。传统博弈论关于博弈的分类实际上只考虑了两个分类准则,分别记为信息的完全性和信息的动态特征。于是,传统博弈论得出了关于博弈的如下分类： Game/(θ1∩θ2)=(完全信息静态博弈,完全信息动态博弈,不完全信息静态博弈,不完全信息动态博弈)。本文在此基础上引入关于博弈分类的第三个分类准则：信息粗交流准则,记为=信息交流的粗糙度。由此,我们得到关于博弈的如下分类：Game/(θ1∩θ2∩θ3)=(完全信息静态博弈,完全信息动态博弈,完全信息粗交流静态博弈,完全信息粗交流动态博弈,不完全信息静态博弈,不完全信息动态博弈,不完全信息粗交流静态博弈,不完全信息粗交流动态博弈)     

乒乓球赛制中的数学问题

国际乒联于2001年10月1日把国际乒乓球赛制由原来的21分制改为11分制。运用概率论方面的知识并应用MATLAB数学软件给出在新赛制和旧赛制下运动员取胜一局的概率,并对11分制的5局3胜制和21分制的3局2胜制,11分制的7局4胜制和21分制的5局3胜制单打取胜的概率及其差别作了定量的比较分析.进而验证了11分制的变革与实施增加了比赛结果的随机性,使优秀队员取胜的把握减少,从而提高了比赛的观赏性,达到了发展乒乓球运动项目的目的。     

非合作寡头博弈与干扰信道资源分配

将多用户干扰信道频率和功率资源分配问题用寡头博弈模型进行分析. 寡头博弈中有一个超级用户,它知道其它用户的所有信道信息,并且知道它们所采取的策略,那么这个超级用户将可以计算出对自己更有利的资源分配方案,获取比纳什模型更高的速率. 通常在非合作分布式系统中,获取其它用户信息是非常困难的,本文提出的算法可以让用户从干扰强度的变化中学习得到有用信息,从而设计出基于寡头博弈模型的分布式算法.      

具有联盟结构的动态对策

现代对策论中原则上所考虑的理想对策模型可分为两类：策略对策和合作对策。在策略对策中局中人选择使他自己获得最大支付的策略，在合作对策中局中人只考虑使他们所在的联盟所得支付最大，而联盟中个人之间如何分配并没有考虑。许多论文已经探讨了这样的问题：当不完全合作时，局中人往往选择使他们所在联盟得到支付最大的策略来形成联盟。本文中，考虑了具有完全信息的对策，并且在对策树的一些固定结点处随机地改变联盟分割，从而形成了构造最优子树(分枝)的算法，针对这样的对策同时也得到了一种新值(PMS-值)。     

基于竞争情报的博弈论分析

当今社会无时无刻不在进行着种种博弈,而在博弈的过程中,竞争情报有着重要的作用。竞争情报掌握得越多,决策的制定也就越科学与完善,博弈也就越能取得胜利。介绍了博弈论的概念与要素,分别分析了竞争情报在完全信息博弈与非完全信息博弈中的重要作用,指出了竞争情报对于博弈结果的影响。     

一种带红黑树的哈希表在物流信息系统中的应用研究

针对在节假期间物流业务量急剧增长及大量用户在线查询订单信息而导致物流信息系统响应速度慢的问题,提出了带红黑树的哈希表,有效地提高了订单查询的速度,并将链表和红黑树进行比较,实验结果表明:带红黑树的哈希表在查找时间上有明显优势.     

对策论中平衡的稳定性

本文论述一般n人非协作对策平衡的稳定性问题。文中引入了本质平衡点、本质对策和几乎本质对策的概念,并证明了对策空间中的每一对策都能够由本质对策或几乎本质对策作任意逼近。     

灰色博弈网决策模型研究

针对超博弈决策问题中存在的"灰色"的"贫信息"问题,提出一种基于信息缺失下的灰色博弈网模型;并给出了灰色博弈网的建模思路及其纳什均衡求解算法,解决了博弈网决策模型中的灰色不确定性问题。通过宏观信念建模,生成全局灰场景和优化典型灰场景。通过微观信念均衡建模,利用可能度分析和粒子群算法求解纳什均衡。最后实例仿真,验证了该灰色博弈网模型的可行性和有效性,真实性好,有较高的应用研究价值。     

基于IP流本地性的状态检测性能优化方法

提出了一种哈希表优化算法(MTH)以提高状态检测的速度．该算法根据IP流本地性，即最近访问过的会话节点很有可能被再次访问的特点，将刚访问的节点放置在Bucket链表头部，以减少哈希表的整体内存访问次数，提高会话表的速度．历史流量驱动的性能仿真实验表明，MTH算法的性能明显优于原哈希表算法，能够满足高速状态检测防火墙的速度要求．     

基于改进型MBF的命名数据网PIT存储结构研究

命名数据网(named data networking,NDN)是一种新型的未来网络架构,以解决当今TCP/IP(transmissioncontrol protocol/internet protocol)网络面临的问题.NDN路由器的转发平面采用了一个新的数据结构待定Interest表(pending interest table,PIT),用于记录所有待定兴趣包的转发信息,并根据此信息正确地转发返回的数据包.因此,设计一个高效的PIT存储结构对提高转发性能具有重要的作用.结合Bitmap提出一种改进的数据结构B-MBF(bitmap-mapping bloom filter),该结构采用一个哈希函数实现多次哈希映射以提高检索速度,并利用Bitmap实现元素内存单元的地址偏移量的动态分配.同时,在此基础上提出PIT存储结构B-MaPIT,通过管理多个动态存储空间实现片外存储消耗随元素数量改变而改变.通过仿真实验与现有PIT结构进行了性能对比,结果表明B-MaPIT在存储消耗、数据表构建速度、吞吐量方面具有更优秀的性能表现.