一种基于距离的增量聚类算法

在传统层次聚类基础上，提出并实现了一种基于距离的增量式聚类算法，并应用于粮食智能决策支持系统中，算法在保持层次聚类优点的基础上，利用原有的聚类结果提高聚类速度，并可以根据用户需要在聚类精度和聚类速度两方面选取一个适当的平衡点，有效地提高聚类分析的效率。     

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.     

对层次聚类算法的改进

介绍了层次聚类算法的基本思想,在原算法的基础上,通过对类间距离进行预排序从而避免合并类时重新计算类间距离,该算法降低了计算的复杂度．实验表明,改进后的算法在与原算法聚类效果相同的情况下运行速度明显提高．     

一种新的用于三维检索的快速邻域搜索方法

在传统的层次聚类算法上,对孤立聚类进行特殊处理,并在此基础上提出了与传统内容检索方法不同的三维模型索引检索技术.首先提取三维模型的深度图像特征并将特征值存入数据库;其次利用改进的层次聚类算法对特征值进行聚类并计算聚类中心值;之后计算每个三维模型内容特征与其所在聚类中心的距离并保存到数据库中,查询时计算待查询模型特征与各个聚类中心的距离并排序;最后在每个聚类里面进行检索,与聚类中心的距离位于待检索模型与该聚类中心距离的邻域就是查询结果.在该方法中,将每个模型特征与其所在聚类中心的距离作为其索引.实验结果表明,该方法在保证检索质量的基础上大大提高了检索速度.     

凝聚型层次聚类算法的研究

本文在综合分析凝聚型层次聚类算法的优缺点和借鉴前人算法的基础上,提出了一种改进算法。实验证明该算法是一种速度更快、效率更高的算法。     

基于分层聚类的FCM算法

为了更好地实现聚类,在分析分层聚类和FCM算法优缺点的基础上提出了一种改进的聚类算法。改进算法将分层聚类和FCM聚类算法的优点相结合,首先采用分层聚类,得到一初始聚类结果,然后应用FCM聚类算法重聚类。实验结果表明,改进算法较原传统的聚类算法,不但算法执行速度较快、效率较高,而且聚类效果也较好。     

基于提高RNN算法聚类效果的研究

RNN（相互最近邻）算法是一种基于层次的聚类算法,它比其他传统的层次聚类算法聚类更快.由于利用RNN算法对同一个数据集聚类,若选择不同簇间距离度量方式,那么聚类结果就会不同.因此在分析聚类结果对距离度量方式依赖性的基础上,采用用聚类聚集的思想,找出一种新的聚类方式,从而使得聚类效果更好.     

一种基于网格的层次聚类算法

传统的凝聚层次聚类算法的时间复杂度为O(n3),由于时间复杂度太高而无法应用到大的数据集.针对这一问题,提出了一种新的基于网格的层次聚类算法,先用基于网格的方法进行一次微聚类,然后再用凝聚的层次聚类算法进行聚类.在进行凝聚的层次聚类时,提出了一种新的簇间距离度量方法,该方法采用簇中权值最高的代表点的最小距离作为簇间的距离.理论分析和实验结果表明,基于网格的层次聚类算法比传统的凝聚层次算法具有更高的效率和正确性.     

基于混合聚类方法的电力系统负荷概率模型

针对利用k-均值聚类算法形成发电系统充裕度评估中的聚类负荷模型时存在的聚类中心初始值和聚类数难以确定的问题,提出根据负荷水平对充裕度指标的贡献度,将负荷曲线分成高贡献度、中等贡献度、低贡献度等分区,分别采用层次聚类、均值-标准差、随机法来选择各分区中聚类中心初始值;定义改进效率指标,将改进效率作为收敛条件确定聚类数.利用本文方法所得的聚类负荷模型,采用状态抽样法计算IEEE RTS79电力系统可靠性测试系统的发电系统充裕度指标.算例结果表明,同采用基于传统k-均值聚类方法的负荷模型结果相比,基于混合聚类方法得出的负荷模型的计算结果更精确,收敛速度更快.     

基于Spark平台的K均值聚类算法的人力资源推荐

为了提高人力资源推荐系统的效率,提出一种基于Spark平台的K均值聚类算法来完成人力资源推荐;Spark平台在分布式系统所有节点的内存弹性分布式数据集中完成聚类迭代运算,以加快聚类速度;将K均值聚类算法与聚类簇思想相结合,以提高大规模数据样本聚类的效率,得到聚类结果后,采用动态推荐算法实现人力资源实时推荐。结果表明,Spark平台相比于单机在聚类计算效率方面更有优势,且所提出的算法比单机的K均值聚类算法的聚类速度和准确率均更优,在动态推荐性能方面也优于常用推荐算法。     

Improvement and Parallelism of k-Means Clustering Algorithm

The k-means clustering algorithm is one of the most commonly used algorithms for clustering analysis. The traditional k-means algorithm is, however, inefficient while working on large numbers of data sets and improving the algorithm efficiency remains a problem. This paper focuses on the efficiency issues of cluster algorithms. A refined initial cluster centers method is designed to reduce the number of iterative procedures in the algorithm. A parallel k-means algorithm is also studied for the problem of the operation limitation of a single processor machine when given huge data sets. The analytical results demonstrate that these improvements can greatly enhance the efficiency of the k-means algorithm, i.e., allow the grouping of a large number of data sets more accurately and more quickly. The analysis has theoretical and practical importance for work on the improvement and parallelism of cluster algorithms.     

电子邮件过滤系统的研究

介绍了电子邮件协议簇,基于LINUX系统下的邮件系统的工作原理,并对邮件服务器阻挡垃圾邮件、病毒入侵的过滤算法进行研究和改进,可实现邮件服务系统的稳定性、高效性.     

基于B样条函数无线传感器网络能量有效性研究

为了有效地利用有限的存储能量,延长网络使用寿命,提出了一种基于B样条函数解决网络节能的新方法,即在已知坐标的网络中计算出合理有效的控制点,在误差范围内,用控制节点传输的数据表征整个网络的数据,使控制结点的数量较大幅度少于网络数据总结点量,从而使得网络中采集、处理、传输所消耗的能量大大减少,明显地提高了能量利用的有效性,且此方法也可较好地与其他节能路由协议相结合。通过仿真实验验证了该方法具有明显的节能效果,节能率超过传统方法的50倍以上。     

一个粮食聚类分析系统的设计与实现

在构建粮食行业数据仓库的基础上,运用数据挖掘中的层次聚类分析方法和分裂聚类分析法,结合中国粮食行业的业务发展方向并充分考虑用户的热点需求,实现了一个完整的聚类分析系统,并针对粮食行业的业务特点对聚类分析中的各种问题提出了相应的解决办法,是粮食行业的数据仓库解决方案中的重要组成部分.     

类簇级测试任务并行化研究

为了提高传统串行类簇级测试速度, 对类簇测试任务并行化方法进行研究。使用类间依赖关系和类测试依赖关系分析方法将类簇级测试任务并行化问题转化为求解对象关系图中节点的并行性。复杂的类簇关系会形成有向环路, 为确定环路中测试的起始位置需要将环路打破, 提出了综合考虑节点度数、环路数和测试桩复杂度3 种因素的破环方法; 对消除环路的对象关系图进行并行性分析, 并设计了一种分层并行算法。通过实验对串行方案和分层并行方案进行对比, 证明了分层并行方案的有效性。     

新闻事件的分布式混合推荐算法

针对新闻的个性化服务差及推荐效率低的问题,提出了一种新闻事件的分布式混合推荐算法.该算法改进了传统的层次聚类算法用于新闻事件发现,通过协调簇中心距离和簇间最远距离的权重解决了传统层次聚类中的大簇问题;使用混合推荐算法进行事件推荐,引入了事件的多重特征来计算用户兴趣模型,更准确地表示用户的兴趣偏好;采用Spark分布式计算平台实现该算法,可处理大数据的个性化推荐问题.在公开数据集上的实验结果表明本文方法有效.      

MPEG-2 AAC缩放因子的算术编码方法

Huffman码的码字只能由整数比特逼近符合的熵，同时它的母符概率模型要做自适应调整非常困难，为克服这些局限进一步提高编码效率，提出用算术编码对先进音频编码器（AAC）的缩放因子进行无损编码，实验验证了该方法的可行性和有效性，表明算术编码在音频编码中具有良好的应用前景。     

一种增量式MinMax k-Means聚类算法

针对MinMax k-means算法易产生空解、 收敛速度慢和计算效率低的问题, 提出一种增量式MinMax k-means聚类算法. 该算法从给定的初始聚类个数开始, 以固定步长递增式产生新的聚类中心, 采用基于数据均衡的快速分裂方法产生增量聚类中心, 从而避免了传统增量聚类中心选择中遍历数据、k-means聚类算法运行次数过多导致的大计算量问题. 与MinMax k-means及相关算法的对比实验结果表明, 该算法在计算效率和求解精度上均优于对比算法, 有效改善了MinMax k-means聚类对初始化中心敏感和易产生空解的问题.     

基于发送切换邀请的越区切换准周期触发机制

为了克服基于接收信号强度的越区切换触发机制的局限,依据移动终端较规则的移动线路及其邻近基站部署的位置信息,构建协作小区簇,提出一种基于发送切换邀请的准周期触发机制.该机制在移动线路相对固定、移动速度较高的无线通信环境中能使越区切换的触发更及时、准确和可靠,也能使整个越区切换的实现过程得到简化,缩短整个切换的执行时间,提高越区切换的速度和效率,同时还能防止"乒乓切换"现象的发生.在城市BRT、高速公路和高速铁路中具有广泛的应用前景.