对基于聚类和遗传算法的时间序列分割算法的改进

Vincent S.Tseng等人提出的基于聚类和遗传算法的时间序列分割算法中,对于适应值函数的定义存在缺陷,本文对此进行了改进:用归一化处理消除子序列幅度对距离计算的影响,并引入类间距使分割结果的类间差异(模式之间的差异)变得更明显。从对比算法改进前后的实验结果可以看出,这两点措施使适应值函数的精确性得到了提高,更有利于识别出子序列的模式。     

基于协作反馈的蚁群算法的自适应网站研究

提出了一种基于蚁群算法的关联网页推荐方式,针对蚁群算法中固有的缺陷以及它在自适应网站应用中所出现的问题进行相应的模型改进.引入了选择权值自适应,反馈机制和多智能体协作的思想,解决了收敛速度和停滞现象的矛盾平衡问题,实现了动态调整系统推荐和不同访问用户之间的交互,并根据用户日志进行了访问倾向性推荐.     

基于遗传算法的双尺度自动机的虚拟植物自动构建

将遗传算法与双尺度自动机模型相结合,通过分析双尺度自动机的模型参数,设计了合理的编码方式,并针对树形的相似性度量设计了有效的适应度函数,对给定的植物拓扑结构,利用遗传算法的全局寻优能力搜寻到相应的双尺度自动机,实现了虚拟植物的自动构建.实验验证了该方法的有效性,为探索虚拟植物自动构建提供了一种新思路.     

基于特征点的行车数据序列对齐

依据背景知识,选择行车数据序列在隧道附近所特有的形态,作为该路段的特征点,进行序列的对齐.给定一组未对齐的序列,使用期望最大化(EM)算法进行对齐:在E步算出标准序列,在M步对齐序列.在对齐序列时,采用了基于形态的相似性度量找出待对齐序列与标准序列的最佳特征点匹配方案.本策略成功用于福泉高速行车数据的对齐.     

一种混合限制层次聚类算法

分析了CCL算法,基于数据对象间的关联限制定义了类间关联系数,提出了一种混合型限制层次聚类算法HCCL.本算法可以分成2个相对独立的阶段,第一阶段同Complete-link算法几乎一致,依据数据对象的自然分布,把它们合并入一个个小类;在第二阶段,依据背景知识,基于类间关联系数来实现小类的进一步合并,近邻信息辅助决策.实验结果表明,HCCL较CCL更为稳定,总体上能更有效地利用所给的关联限制.