基于密度的计算机兵棋推演数据快速聚类算法

针对计算机兵棋推演数据的特点,提出了一种基于密度的快速聚类算法-基于密度的快速空间聚类算法(quick density based spatial clustering of applications with noise, QDBSCAN),目的是通过聚类检测孤立点,快速定位地面部队兵力部署上的缺陷。QDBSCAN算法在基于密度的空间聚类算法(density based spatial clustering of applications with noise, DBSCAN)算法的基础上做了相关改进:在邻近度度量上提出了最短可行路径的概念,使聚类更符合计算机兵棋的规则;动态设置密度参数;采用提出的代表对象选择方法来减少对对象邻域的判断次数;按区域对数据进行分组以缩小聚类规模。实验表明,QDBSCAN算法的性能在数据规模较大的情况下,明显优于DBSCAN算法。     

基于RSOM聚类的局部线性嵌入算法

局部线性嵌入算法(locally linear embedding,LLE)是一种非线性降维方法.当数据量较大时,算法计算效率较低,算法运行所占用的内存空间较大.为了提高LLE算法的计算效率和减小算法运行时占用的内存空间,给出了基于RSOM(Recursive SOM)树聚类的LLE算法,通过RSOM树对数据集进行聚类,在保证输入样本依概率分布的同时显著降低算法复杂度,提高了映射效果.仿真实验表明,基于RSOM树聚类的LLE算法相对于原始的LLE算法,其算法效率有了显著提高,明显降低了算法运行所占用的内存空间,同时很好地学习了高维数据的流形结构.     

基于核密度估计的层次聚类算法

聚类分析是统计、模式识别和数据挖掘等领域中一个非常基础且非常重要的研究课题，具有广泛的应用前景。在众多的聚类方法中，基于密度的方法是一种相当有效的聚类方法，能够发现任意形状的聚类，对噪声数据不敏感，但是聚类结果严重依赖于用户参数的合理选择。以DENCLUE算法为基础，一种基于核密度估计的层次聚类算法被提出，该算法首先优选窗宽σ产生较好的核密度估计结果，然后以密度函数的局部极大值点为聚类中心形成数据的初始划分，最后根据密度函数的鞍点递归合并初始聚类产生不同层次的划分模式。理论分析和仿真实验结果显示，该算法能够发现任意形状、大小和密度的聚类，能够有效处理噪声数据，而且聚类结果不依赖于用户参数的仔细选择。     

基于线性回归分析的快速搜索聚类中心算法

针对一种可快速搜索和寻找到聚类密度峰值点聚类算法的缺陷,利用线性回归与残差分析的方法进行改进,可自动、快速地确定聚类中心且优化样本点密度值。算法利用样本点的近邻信息重新度量点的密度值,提高聚类中心点位置稳定性;利用一元线性回归与残差分析,快速、自动地选出聚类中心点,去除了人为选择的主观性。通过理论分析以及在人工数据集和真实数据集的对比实验表明,提出的基于线性回归分析的快速搜索聚类中心算法能够克服原有算法的缺陷,并且在聚类效果和计算时间上优于原有算法、基于密度的带有噪声的空间聚类算法(density based spatial clustering of applications with noise, DBSCAN)以及K-means算法。     

基于最优划分的K-Means初如聚类中心选取算法

针对传统K-Means算法聚类过程中,聚类数目k值难以准确预设和随机选取初始聚类中心造成聚类精度及效率降低等问题,提出一种基于最优划分的K-Means初始聚类中心选取算法,该算法利用直方图方法将数据样本空间进行最优划分,依据数据样本自身分布特点确定K-Means算法的初始聚类中心,无需预设k值,减少了算法结果对参数的依赖,提高算法运算效率及准确率.实验结果表明,利用该算法改进的K-Means算法,运算时间明显减少,其聚类结果准确率以及算法效率均得到显著提高.     

基于灰关联分析的谱聚类

谱聚类作为一种建立在谱图理论基础上的聚类方法,具有能够处理任意空间形状数据且收敛于全局最优解的优点,但其对参数非常敏感,参数值微小的变化都会影响聚类精度.提出一种将基于差异信息理论的灰关联分析结合到谱聚类中的新方法,利用序列的均衡接近度描述数据点的相似程度,在克服参数影响的同时提高了传统谱聚类算法的性能.实验结果证明了新方法的有效性.     

隐私保护的快速聚类算法

针对基于安全多方计算聚类算法的低效问题,提出了基于聚类特征树结构的隐私保护的层次k-means聚类算法.算法基于半诚信模型,在第三方内存中保留对各记录的索引信息及聚类特征树的当前层信息,减少了I/O次数和通信量,克服了难以适应多数据方和因过于信赖第三方导致隐私泄漏等缺陷.算法通过基于安全多方计算的标准化协议、距离计算协议和聚类中心计算协议,实现了数据的有效保护,综合层次和k-means聚类算法的优点,提高了计算精度和算法的可伸缩性.理论证明了算法的安全性和高效性,实验结果表明所提算法优于同类算法.     

基于密度峰值聚类的Tri-training算法

Tri-training利用无标签数据进行分类可有效提高分类器的泛化能力,但其易将无标签数据误标,从而形成训练噪声。提出一种基于密度峰值聚类的Tri-training(Tri-training with density peaks clustering,DPC-TT)算法。密度峰值聚类通过类簇中心和局部密度可选出数据空间结构表现较好的样本。DPC-TT算法采用密度峰值聚类算法获取训练数据的类簇中心和样本的局部密度,对类簇中心的截断距离范围内的样本认定为空间结构表现较好,标记为核心数据,使用核心数据更新分类器,可降低迭代过程中的训练噪声,进而提高分类器的性能。实验结果表明：相比于标准Tritraining算法及其改进算法,DPC-TT算法具有更好的分类性能。     

基于障碍物约束的遗传-中心点聚类算法研究

面对障碍物约束的聚类问题,分析了目前障碍物约束聚类算法的不足,定义了相关概念,随机选择k个样本作为聚类中心点,以距各聚类中心点的可达距离为样本划分依据,以类内平方误差和(WGSS)为聚类目标函数,引入遗传算法,提出一种基于障碍物约束的遗传-中心点聚类算法。最后,通过实例进行了算法测试,并与k-中心点算法进行比较。算法测试结果表明:基于障碍物约束的遗传-中心点聚类算法是完全可行和有效的,所提算法使得聚类结果符合地理空间实际情况,解决了聚类结果对初始化敏感的问题。     

基于混合聚类和网格密度的欠定盲矩阵估计

欠定盲矩阵估计是欠定盲源分离的关键技术,其估计结果直接影响源信号的分离精度。针对目前欠定盲矩阵估计算法稳定性差、估计精度不高的缺点,提出了一种基于混合聚类和网格密度的新算法。该算法利用基于人工蜂群算法和K-均值的混合聚类方法对信号数据进行聚类,提高聚类结果的稳定性;利用网格密度法修正每一类的聚类中心,提高混合矩阵的估计精度。实验结果表明,所提算法在稳定性和估计精度方面都比传统欠定盲矩阵估计算法有了明显改善。     

基于混合遗传的粗集理论在工期目标实现中的应用

提出了一种基于混合遗传算法的相对约简算法,把模拟退火融入到遗传算法中形成混合遗传算法,提高了遗传算法的优化效率,并用这种混合遗传算法寻求最小条件属性集及最小属性值约简.并把该算法引入到工程管理中,提出若干条决策规则,工程管理人员按照这种决策规则进行施工过程的管理,确保在预定时间内完成工程任务.如果对整个施工过程的每道工序都提出决策规则,就可以实现施工过程的智能化管理.     

从复杂性哲学看规律的复杂性

以往人们常常将所有认识问题化归为规律问题，而对规律的理解又过于简单化，而从复杂性哲学的角度看，结论可能完全不同。     

铁路运输网络资源配置与组织模式研究

通过对铁路运输资源配置模式和组织模式对系统中的扰动因素传递过程影响的定量研究,建立确定的组织模式下的运输系统附加费用模型,提出对组织模式和系统资源配置的优化模型。     

论现代企业文化结构之功能

社会经济系统在结构变革过程中，催生了“现代企业文化”，这一崭新的序参量，在企业的经济活动中，充分展现了参量系统三大要素的特殊功能，即科学文化的动力功能；道德文化的尽善功能；艺术文化的尽美功能。“真、善、美”的统一，是企业从“经济人”向“伦理人”提升的必经途径。     

论大实践视野的信息理性与科学发展的系统思路

哲学的实践转向,根本上,就是实践观的时代性转轨.只有确立诸因素多维度、大时空、全方位的互为目的、手段、中介的大实践观,发掘实践信息的综合现实意义和多维交叉促动的超循环现实意蕴,才能超越形而上学的逻格斯思辨,摆脱资本与符号联盟的抽象发展黑洞.以信息的超循环实践特性、综合现实性取代资本的盲目扩张和分化、异化的抽象逻辑,已经成为时代发展的现实趋势.党的十七大,洞见这种时代趋势,对科学发展观做了深刻阐述,提倡经济社会又好又快全面发展,重视社会发展的全面、协调、可持续等综合特性,重视统筹兼顾的综合方法等,为我们的理论与实践创新提供了一种新的系统科学的思路.     

基于DEA方法的供应链效能评估

针对目前对供应链的投入产出效能只能进行定性分析和简单定量计算的情况,把供应链看作一个具有输入输出的系统,以供应链不同阶段的投入为输入指标,以客户对供应链的满意度为输出指标,利用数据包络分析(DEA)方法,建立了供应链投入产出效能评估的数学模型.以企业内部供应链为例,通过MATLAB进行了仿真计算,根据计算结果给出了改进供应链效能的相关建议.     

预测沪深股市市场波动性

研究目的在于:首先,检验和对比三种GARCH模型对于我国上海、深圳股市波动性的预测能力.其次,使用非对称的预测指标以体现对于预测误差高低的不同个体需求.在对于4个对称型的预测常规指标中,TGARCH对于2个市场波动的预测结果都是最佳的,而EGARCH的预测结果也要好于GARCH(1,1).这表明我国上海与深圳市场受坏消息的负面影响大于同等程度好消息的正面影响,而运用单边非对称的GARCH模型将更利于提高波动性预测的准确性.在非对称预测指标方面,研究认为EGARCH模型对于那些更愿意低估市场波动性的投资者而言较为有利,而GARCH(1,1)模型则相应满足了希望高估市场波动性的投资者的需求.这也表明投资者应根据自己的需要来选择相应的波动性预测模型.     

超越启蒙时代精神

17—18世纪欧洲启蒙运动把人类从宗教迷信中解放出来,使理性大放光华,但也坠入理性崇拜之中兼有成就和缺失。片面的理性忽略人类的人性存在和用简单性思维方式看待事物,这造成近现代史上新的社会问题。所以我们现在需要超越启蒙时代精神,把理性与人类的人文精神价值结合起来,并建立起适应复杂世界的复杂性思维方式。     

从整体与部分的辩证关系看系统论与还原论的适用范围

无论是系统论还是还原论,都是以整体与部分的关系作为客观基础的,都是整体与部分的辩证关系在方法论上的反映。还原论反映的是整体与部分的统一性,系统论反映的是整体与部分的对立性,还原论和系统论都只有局部真理性,应该将二者整合在一起,创立现代系统论,使其更好地为科学认识服务。     

测度产业结构和土地利用关系的方法探讨

产业结构的演变是经济和非经济的因素综合作用的结果,区域产业结构和土地利用变化之间存在着内在的联系。采用灰色关联分析方法,以德州市产业结构与土地利用之间的互动关系为例,对产业结构与土地利用关系的方法进行了探索。结果表明,产业结构与土地利用之间的关系在一定经济发展阶段可以定量测度。德州市工业化进入了中期阶段,第一产业对未利用地和耕地影响最显著,第二产业对交通用地影响最强烈,第三产业对交通用地和居民用地及工矿用地面积影响最明显;土地总体利用对产业结构的影响程度排序为第三产业、第二产业、第一产业。并相应地提出了土地合理利用建议。