分簇认知网络中能量有效的协作频谱感知算法研究

针对认知网络中用户节点能量受限问题,提出了一种基于分簇网络的能量有效协作频谱感知算法。该频谱感知算法通过对用户节点分簇,缩短感知结果的传输距离。根据对授权用户信号的本地感知和簇内融合的判决结果,设计两次报告审查规则,减少传输感知结果的认知用户数量。以最小化协作频谱感知能耗为目标,建立多变量非线性优化问题模型,并通过逐一变量优化方法求得次优解。仿真结果表明,在保证检测性能的前提下,该算法能明显降低协作频谱感知的能量消耗和传输时延。     

应用层组播分布式动态路由算法

在深入分析基于虚拟覆盖网上的应用层组播的特点,并建立组播网络路由模型的基础上,针对应用层组播带度约束与时延及时延抖动约束的路由问题,提出一种新的应用层组播分布式动态路由算法,该算法只要求维护网络链路和节点的局部状态信息,不需要维护全局状态信息,从而能够较好地减少构造组播树的开销。仿真实验结果表明,该算法具有较小的时延和较小的代价,能够较好地适用于网络状态变化比较频繁的环境及各种实时多媒体应用。     

任务类型感知的无线传感器网络数据融合调度算法

针对数据融合调度能量与时延优化问题,提出一种任务类型感知的无线传感网数据融合调度算法。通过传感器节点多功率、多信道的方式,利用最大独立集思想,构建基于数据融合主干树的网络拓扑结构,从而根据调度优先级,通过近似贪婪算法实现簇内数据融合调度,同时结合稀疏系数感知任务类型,减少传输数据量,进而利用簇头节点在网络中的等级,实现簇间数据融合调度。结果表明,所提算法在减少簇头节点数据传输量,降低节点能耗的同时,缩短了数据融合时延,提高了网络寿命。     

改进的时延约束Steiner树算法

针对现有时延约束Steiner树算法时间复杂度较高以及生成的组播树代价较高的问题,提出了一种改进的时延约束Steiner树算法.该算法采用Dijkstra算法路径递增的基本思想和链路共享的方法,在快速搜索阶段,依次搜索到当前树有最小可行代价的节点,将目的节点通过最小可行代价路径加入组播树;在异常处理阶段,将遗漏的目的节点通过最小时延路径加入组播树,进而生成满足时延约束的Steiner树.理论分析和实验结果表明,与同类算法相比,该算法能够以较低的时间复杂度,取得较好的组播树代价.     

拓扑感知和局部负载均衡的应用层组播方案

应用层组播是一种适合大规模流媒体分发的方案。为了解决异质网络条件下Peer节点的负载均衡问题和降低覆盖层传输延迟,提出一个二层构架方案,覆盖网络根据网络距离进行聚类实现拓扑感知来降低覆盖层网络延迟;在聚类网络的内部,通过基于预期适应度的有偏游走算法构建局部负载均衡的覆盖网络。"中国教育与研究网"(Cernet)主干网上的实验验证了节点聚类方法的有效性。仿真结果表明该方案能够以O(lgN)的游走步长得到比现有系统更小的相对负载方差。     

拓扑感知和局部负载均衡的应用层组播方案

应用层组播是一种适合大规模流媒体分发的方案。为了解决异质网络条件下Peer节点的负载均衡问题和降低覆盖层传输延迟,提出一个二层构架方案,覆盖网络根据网络距离进行聚类实现拓扑感知来降低覆盖层网络延迟;在聚类网络的内部,通过基于预期适应度的有偏游走算法构建局部负载均衡的覆盖网络。"中国教育与研究网"(Cernet)主干网上的实验验证了节点聚类方法的有效性。仿真结果表明该方案能够以O(lgN)的游走步长得到比现有系统更小的相对负载方差。     

分簇认知网络中能量有效的协作频谱感知算法

针对认知网络中用户节点能量受限问题,提出了一种基于分簇网络的能量有效协作频谱感知算法。该频谱感知算法通过对用户节点分簇,缩短感知结果的传输距离。根据对授权用户信号的本地感知和簇内融合的判决结果,设计两次报告审查规则,减少传输感知结果的认知用户数量。以最小化协作频谱感知能耗为目标,建立多变量非线性优化问题模型,并通过逐一变量优化方法求得次优解。仿真结果表明,在保证检测性能的前提下,该算法能明显降低协作频谱感知的能量消耗和传输时延。     

基于方向矢量角簇群和桥节点的车间通信协议

在车载自组织网(vehicular ad hoc networks,VANET)中,高动态的拓扑结构和频繁断裂的链路给车间通信提出挑战。为此,针对VANET城市场景,提出基于方向矢量角簇群和桥节点的路由(vector-angle-cluster and bridge nodes-based routing,VAC-BNR)协议。VAC-BNR协议将城市道路划分为十字路口区域和十字路口间的直线路段区域。在十字路口区域内,选择合适的车辆作为桥节点;并由桥节点连通断裂的链路。而在直线路段区域,利用矢量角将车辆划分不同的簇群,然后计算每个簇群内节点的效用值;并选择效用值最高的车辆传输数据。仿真结果表明,提出的VAC-BNR协议能够有效地降低端到端传输时延、提高数据包传递率。与AMD相比,VAC-BNR协议的平均端到端传输时延下降了约30%,当车流密度大于80辆/km~2时,数据包传递率提高了约50%。     

应用层组播时延模型及出度优化算法

为了使应用层组播(ALM)的数据包转发时延能够满足组播应用的要求,根据ALM时延特性建立了ALM时延模型,提出并证明了ALM具有最小平均时延和最小最大时延的ALM最小时延定理,同时根据该定理设计了ALM节点主动调节出度的时延优化算法(AOLA)和被动调节出度的时延优化算法(POLA),两个算法在全局优化策略和局部优化策略下的复杂度分别为O(N)和O(logN).仿真实验表明:所提出的ALM时延模型和ALM最小时延定理是正确的,AOLA和POLA时延优化算法能够显著减小ALM时延,其优化效率最高可达58.76%.     

联合模拟网络编码和压缩感知的数据传输方案

基于模拟网络编码和压缩感知的思想,提出传输链路上的节点可进行同时传输以降低传输所需时隙开销,设计了一种在链状拓扑中的联合模拟网络编码和压缩感知的传输方案.基于分簇压缩感知方案可有效减少传输量的思想,提出了将无线传感器网络划分为簇,在簇间采用联合模拟网络编码和压缩感知传输方案的模拟网络编码分簇方案.与传统的压缩方案相比,该方案降低了传输量,节省了节点能耗,且减少了传输所需时隙开销,提高了系统吞吐量.     

覆盖聚类算法

首先比较几类主要的聚类算法,给出每类算法的基本概念、原理、每类的代表性算法,及这些算法的主要特征。在此分析基础上,提出一种新的聚类算法———覆盖聚类算法,该算法采用覆盖的概念将比较集中的样本聚合在一起,从而发现隐含在样本集中的类,对于周围稀疏的样本结合最短距离法,获得聚类效果,并用实验数据对分层聚类方法、LBG方法与覆盖聚类算法进行比较,证明了覆盖聚类算法的可行性和有效性。最后给出了算法的研究方向。     

基于山峰聚类的聚类上限确定方法

文章提出了一种基于山峰聚类的聚类上限检测方法,依靠山峰聚类确定聚类数目的上限,仿真试验表明,这种方法能将聚类上限确定在一个合理的范围之内,从而加快聚类的效率.     

一种新的层次谱聚类算法

提出一种新的聚类算法——层次谱聚类算法.该算法在传统二分的SM谱聚类的过程中嵌入了层次聚类算法,目的是为了提高谱聚类的聚类正确率,同时又利用谱聚类纠正了层次聚类过程中所得到的歪斜划分.实验结果表明:提出的层次谱聚类算法的聚类正确率比层次聚类算法、谱聚类算法的聚类正确率都要高,同时又纠正了层次聚类过程中的歪斜划分.     

Combined Density-based and Constraint-based Algorithm for Clustering

We propose a new clustering algorithm that assists the researchers to quickly and accurately analyze data. We call this algorithm Combined Density-based and Constraint-based Algorithm （CDC）. CDC consists of two phases. In the first phase, CDC employs the idea of density-based clustering algorithm to split the original data into a number of fragmented clusters. At the same time, CDC cuts off the noises and outliers. In the second phase, CDC employs the concept of K-means clustering algorithm to select a greater cluster to be the center. Then, the greater cluster merges some smaller clusters which satisfy some constraint rules.Due to the merged clusters around the center cluster, the clustering results show high accu racy. Moreover, CDC reduces the calculations and speeds up the clustering process. In this paper, the accuracy of CDC is evaluated and compared with those of K-means, hierarchical clustering, and the genetic clustering algorithm （GCA）proposed in 2004. Experimental results show that CDC has better performance.     

基于远近距离的说话人聚类算法

提出了基于远近距离的说话人聚类算法:首先,使用端点检测算法把语音分割成读音段,然后,采用T2公式对近距离的说话人语音段进行聚类得到语音块,最后,使用谱聚类的方法估计说话人数目,对远距离的说话人(语音块)进行聚类。实验结果表明,在近距离的说话人聚类中,使用T2公式比使用BIC和KL在语音块准确率方面分别高出2.62%和13.84%,在远距离的说话人聚类中,使用谱聚类算法基本上可以把语音中的说话人数目计算出来,当说话人数目为15时,类纯度和说话人纯度可以达到78%,说明该算法可以有效地对说话人进行聚类。     

一种基于k prototype的多层次聚类改进算法

针对k-prototype算法在处理复杂的数据集时,常出现一些纯度不高的簇,影响了聚类质量的问题,提出一种基于k-prototype的多层次聚类改进算法,利用属性自动选择的方法将一些纯度不高的簇进行再聚类,以提高聚类质量.以UCI标准测试数据集进行实验,实验结果表明,该改进算法能够明显提高混合型数据集的聚类质量,并且在数据约简方面有良好表现.     

Research of Web documents clustering based on dynamic concept

Conceptual clustering is mainly used for solving the deficiency and incompleteness of domain knowledge. Based on conceptual clustering technology and aiming at theinstitutional framework and characteristic of Web theme informauon, this paper proposes and implements dynamic conceptual clustering algorithm and merging algorithm for Web documents, and also analyses the super performance of the clustering algorithm in efficiency and clustering accuracy.     

一种增量式文本软聚类算法

针对传统文本聚类算法时间复杂度较高，而与距离无关的算法又不适用于动态、变化的文本集等问题，提出了一种基于语义序列的增量式文本软聚类算法．该算法考虑了长文本的多主题特性，并利用语义序列相似关系计算相似语义序列集合的覆盖度，同时将每次选择的具有最小熵重叠值的候选类作为一个结果聚类，这样在整个聚类的过程中大大减小了文本向量空间的维数，缩短了计算时间．由于所提算法的语义序列只与文本自身相关，所以它适用于增量式聚类．实验结果表明，算法的聚类精度高于同条件下的其他聚类算法，尤其适合于长文本集的软聚类．     

聚类算法综述

聚类分析是一种基本的数据分析方法,它在数据挖掘,统计学,空间数据库技术,人工智能,生物学研究,机器学习,模式识别等领域都得到了广泛的应用.论文介绍了各类主要的聚类算法,并概述了其主要应用领域.