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.     

一个基于K-means的聚类算法的实现

聚类算法作为数据挖掘中的一种分析方法，它能找到样本比较密集的部分，并且概括出样本相对比较集中的区域．分析了传统的聚类算法及局限性，讨论了一个基于K-mealls算法的实现过程，使得算法可处理存在孤立点的大文档集，得到最佳的聚类结果。     

基于YOLO改进算法的安全帽和口罩佩戴自动同时检测

针对工地、危险区域等场景需要实现同时佩戴安全帽与口罩的自动检测问题,提出一种改进的YOLOv3算法以提高同时检测安全帽和口罩佩戴的准确率。首先,对网络模型中的聚类算法进行优化,使用加权核K-means聚类算法对训练数据集聚类分析,选取更适合小目标检测的Anchor Box,以提高检测的平均精度和速度;然后,优化YOLO网络内部的Darknet特征网络层,将4倍降采样提取的特征图进行2倍上采样,再与2倍降采样进行卷积融合,与4倍降采样、8倍降采样以及16倍降采样一同输送到后续网络中,来达到降低小目标的漏检概率。实验结果表明:改进后的算法同时检测安全帽和口罩佩戴的平均准确率比原算法提高了11.3%。     

非负矩阵分解：模型、算法和应用

近年来,非负矩阵分解模型已经成为数据挖掘领域中最成功的模型之一。该模型能够自动从一组高维向量中提取隐含模式,从而被广泛应用于降维、无监督学习（图像处理、聚类和双聚类等）和预测当中。本文将从它的发展历史、数学表达形式、算法和热点应用等几个层面对非负矩阵分解模型进行综述。简言之,该模型具有较好的可解释性,模型简单,易于理解操作,可拓展性强,该模型和无监督学习领域中其它被广泛采用的模型关系紧密,且有广泛的应用空间,数值表现优异。同时作为一项新兴技术,该模型亦有许多有趣的问题值得进一步深入研究。     

基于Minkowski泛函和K-means聚类算法的岩石类型划分

数字岩心技术的发展和计算科学、物理学、统计学、油藏工程等多学科的交叉融合,为基于数字岩心图像的岩石类型的精细划分提供了一种新的方法。基于micro-CT物理法成像处理后获得的砂岩数字岩心图像,运用闵可夫斯基泛函作为基于数字岩心图像的岩石物性特征的综合表征参数;并结合K-means聚类算法,可以达到基于数字岩心图像的岩石类型的精细划分和获得基于精细岩石类型层次系统的目的。对于后续基于精细岩心层次系统岩心物性参数的模拟和粗化具有十分重要的意义。     

基于颜色不变量和轮廓特征的地面多圆形目标检测

研究了一种室外环境旋翼无人机对地面多圆形目标检测的方法。考虑室外环境光照变化、阴影等自然因素以及无人机飞行高度、姿态变化等因素对目标检测带来的不利影响,首先引入颜色不变量特征;并采用改进K-means算法进行图像分割;其次根据目标轮廓特征,设置面积与圆形度阈值滤除干扰区域;最后,采用基于对称性的最小二乘法与残差度确定目标位置。实际实验及无人飞行器大赛验证了所研究方法的实时性和准确性。     

电动汽车城市行驶工况构建

通过采集电动汽车及传统汽车的实际行驶数据,使用K-均值聚类法和马尔可夫链理论构建电动汽车与传统汽车城市行驶工况。构建出的城市行驶工况与当下较为流行的传统汽车的行驶工况进行比较。结果表明,电动汽车行驶工况与传统汽车行驶工况的加速度有较大的不同;这是因为电动汽车的电机扭矩响应速度快,低速时可以输出大扭矩。构建出的电动汽车行驶工况还可以作为评价电动汽车的经济性与碳排放的依据。     

基于Monte Carlo模拟和K-均值聚类算法的赤平极射投影概率分析

对于结构面多而复杂的岩质边坡,其优势结构面的选取与分析是极其重要的工作。借助于赤平极射投影法,在楔形体滑移分析中首先确定其可能的滑移区域,筛选出可能滑移的结构面交线,缩小计算范围。根据结构面交线的二维经验分布,采用Monte Carlo方法模拟出多条结构面交线,通过结构面交线平均产状的求解来证明该方法的合理性,再采用快速聚类分析的方法,将筛选出的结构面交线划分为不同的组,以赤平极射投影分析得到滑移区域的对称轴中心作为初始凝聚点,通过多次迭代计算得到滑移区域内的优势结构面。将该方法用于重庆綦万高速顺层岩质边坡工程,结果表明,将赤平极射投影与Monte Carlo模拟和K-均值聚类算法相结合,计算得到的优势结构面分类合理,结果可靠,可以准确地确定结构面交线的优势产状。     

基于统计与频谱模型特征融合的纹理图像分割

纹理分析方法主要包括统计法、结构法和频谱法。由于不同纹理分析方法的侧重点和适用对象不一样,传统的单一特征分析方法存在一定的局限性。结合统计法和频谱法对纹理进行分析,利用灰度共生矩阵得到纹理的统计特征,应用Gabor变换得到多尺度、多方向的纹理特征,提出一种依据纹理宏、微特性加权的新的特征融合的方法,最后进行K均值聚类得到分割结果。实验结果表明,与传统应用单一纹理分析方法相比,该方法在保持边缘准确性和区域一致性上有一定程度的提高。     

一种共调控基因聚类的新方法

定义了一种基于滑动匹配的相似度, 并在此基础上提出一种能够自适应确定聚类数目的全局K-均值算法, 解决了现有共调控基因聚类方法无法考虑到基因的正反、 延时、 部分时间和差异表达全部4种共调控关系的问题. 将提出的算法应用于微阵列数据中, 并将实验结果与CLUSTER 3.0算法进行了比较, 验证了算法的可行性和有效性.