基于图像处理的三支聚类

将数字图像处理中模糊锐化算子与三支聚类进行结合，提出了一种基于图像处理的三支聚类算法。该算法通过逆多元二次核函数将数据集的密度量化为灰度值，对数据总体采用模糊与锐化操作，提取锐化后灰度值较高的数据区域，将低密度区域从原始数据中删除。对灰度值较高的数据采用传统的聚类算法得到不同的类簇，然后对每个类簇利用图像模糊算子得到类簇的核心域，锐化算子得到类簇数据边界域，从而获得每个类簇的三支表示。试验采用不同的UCI数据集，通过比较聚类指标Adjusted Rand Index(ARI),Normalized Mutual Information(NMI)和Adjusted Mutual Information(AMI),验证了该聚类算法的有效性。     

基于连通性的三支密度峰值聚类算法

为了解决密度峰值聚类算法选择密度峰值点困难以及误分配的问题，基于流形的连通性，提出了一种改进的密度峰值聚类算法。通过使用三支密度峰值聚类算法，得到初始聚类结果与簇的边界点，根据这些边界点之间的连通性判断初始聚类之间的连接情况，并利用这些信息进行聚类结果融合。重复上述过程，每次迭代中在剩余数据里寻找密度峰值候选点，并将其纳入聚类过程，得到一种对流形数据友好的聚类算法。结果表明，所提算法在人工数据集和真实数据集上均有较好的表现，聚类准确度相较现有算法更高。基于连通性的三支密度峰值聚类算法可以在不计算路径距离的前提下，有效识别流形数据，大大降低了计算成本。     

基于SVM的决策树多类分类器及在遥感图像中的应用

利用三种不同的聚类方法——利用类均值的最小距离聚类、利用类均值的最大距离聚类和利用最大间隔准则聚类,提出了三个基于SVM的决策树多类分类器.为了检验所提算法的有效性和先进性,对AVIRIS遥感图像进行了实验.实验结果表明,本文所提的三种算法明显好于最小距离分类法、线性判别分类法、决策树分类法、OAR-SVM和OAO-SVM.     

第二类对称三对角阵的特征值反问题的降阶法

本文构造了一个求解第Ⅰ类对称三对角矩阵特征值反问题的算法，把第Ⅱ类特征值 反问题归结为第Ⅰ类特征值反问题，其阶数降低一半，进行了算法的稳定性分析。     

三种典型聚类算法在职员评定中的应用

通过利用三种典型算法:Q-型模糊聚类算法、K-means算法及K-medians算法,对公司职员的年终评定进行应用分析,得到了不同的聚类结果,通过对结果的分析比较、探讨,得出结论:针对不同问题,应结合实际,有针对性地用不同算法更适合.并在此基础上,对聚类算法的聚类过程、本文后续工作进行了探讨总结.     

融合聚类法的改进三帧差分车辆检测算法

针对三帧差分法在车辆检测任务中出现的前景点误检和漏检问题，提出了一种融合K-means聚类的改进三帧差分车辆检测算法。首先，综合当前图像分别与改进算法所选两帧的差分结果，初步判定像素点类别并定义待分类点；其次，结合待分类点在三帧内的灰度特征对其进行K-means聚类，并依据点的坐标信息修正聚类结果，得到待分类点类别；最后，设计车辆形状修正方法，填补空洞并修正目标边界，完成检测。实验结果显示，改进算法在2种不同场景视频上的检测效果达到了81.72%的平均精确率、93.85%的平均召回率以及87.34的平均F₁值，各指标值相比于原三帧差分法平均有11.86%提升，较好解决了检测中前景点误检和漏检的问题。     

基于三种近邻网络的聚类算法研究

根据K近邻、共享K近邻和互K近邻三种近邻算法的思想分别构造复杂网络,然后通过复杂网络的社团发现算法来实现对样本的聚类.最后,将三种方法分别在人工构造的非凸类簇数据集和UCI数据集上进行仿真实验,结果表明三种方法都是可行的,且互K近邻网络聚类方法还具有识别一定数量孤立点功能.     

聚类算法在数据挖掘领域的研究

全方位的对各类聚类算法进行总结和归纳,并且对一些在特殊领域中应用聚类算法进行深度解析,然后从以下三个部分,算法思想,关键技术以及算法特点等方面进行基本概括,对一些代表性的聚类算法进行比较分析以及聚类算法新领域研究的展望,这对将来聚类发展具有重大意义.     

一种三支决策软增量聚类算法

已有的大多数聚类算法都假设数据集保持不变,然而,很多应用中数据集是会随时间变化的。为此,提出了一种新的三支决策软增量聚类算法。采用区间集的形式表示类簇,区间集的上界、边界与下界就对应着三支决策产生的正域、边界域和负域,并提出了一种基于代表点的初始聚类算法。采用同样的方式对新增数据集进行一次预聚类,以消除数据处理顺序对最终聚类结果产生的影响。为了快速查找新增数据的相似区域,建立了代表点搜索树,并且给出了查找和更新搜索树的策略。运用三支决策策略完成增量聚类。实验结果表明提出的增量聚类算法是有效的。     

基于KWAP-KNN分区聚类算法的室内定位分析

针对单一聚类算法存在的多种问题，提出一种基于KWAP-KNN的分区聚类算法。首先，结合信号发射装置和实际定位环境进行区域粗划分，之后通过K-means聚类对该方法中未覆盖节点及交叉节点进行聚类，得到最新分区结果。区域划分之后，通过熵值法对仿射传播算法（WAP）中偏向参数p进行优化，以进一步提高其聚类的效率，最后通过K最近邻算法（KNN）算法得到粗定位结果。实验结果证明，区域划分后，KWAP-KNN算法得到的粗定位结果更准确，定位精度可达到1.8m左右。相比较其他算法，WAPKNN算法的平均误差、最大最小误差值最小。     

一类混合算法的时间复杂度分析

近年来,许多学者对设计混合算法求解复杂问题感兴趣。混合算法被越来越多的学者所重视。然而,大部分有关混合算法的工作都集中于实验研究,几乎没有混合算法的理论分析工作。本文分析一类混合算法的时间复杂度。这些混合算法是结合两个基本算法而得。通过分析首达时间向量m的∞-范数,我们得到这类混合算法时间复杂度的上下界。这些界是混合算法参数ω与基本算法相应范数的函数。当ω趋于0或1时,这些界是非平凡的。     

非线性滤波算法在无源定位中的应用

针对无源定位中量测方程非线性对滤波精度及稳定性的影响,分析了基于模型线性化的滤波算法,包括扩展卡尔曼滤波(EKF)、伪线性滤波(PLF)、修订增益的扩展卡尔曼滤波(MGEKF)算法的特点,重点论述了非线性滤波(UKF)与粒子滤波器(PF)这2种新的非线性滤波方法思想及其特点,指出了无源定位问题中,这2种算法有更好的滤波精度及稳定性.     

无人机航迹规划常用算法综述

为促进航迹规划技术的发展,对航迹规划常用算法进行综述。首先对航迹规划的规划思想和构成进行分析; 其次将航迹规划算法分为传统经典算法和现代智能算法两大类,对其中几种常用算法进行分析总结; 最后阐述现代智能算法在航迹规划应用中的改进、多重算法的融合改进以及多无人机四维航迹规划算法研究3 个研究热点及未来发展趋势。     

Web信息检索排序算法研究

系统地研究了Web信息检索常用排序算法,即基于Web页面内容的排序算法、基于Web页面链接分析的排序算法和基于检索用户的排序算法,并对其优缺点进行了分析．在此基础上,对Web信息检索排序算法的发展趋势进行了展望．     

图类算法可重用设计及其实现

为了提高图算法生成效率和可靠性,该文提出一种将领域特征模型与构件组装技术相结合的可重用的图类算法开发方法.首先,通过对一族图算法的深入分析,揭示出图类算法领域的共性特征和可变特征,建立领域特征模型;然后,分析特征之间的交互过程,设计图类算法的可重用构件,并对构件依赖关系做出描述;最后,借助高可靠平台对算法构件进行开发,建立高可靠可重用构件库,进一步由构件组装出多种图算法,提高了图算法的开发效率和可靠性.实验表明开发出的图算法可重用构件库具有一定的实用性.     

AQM算法在公平性方面的研究

主动队列管理是实现网络拥塞控制的一种重要技术.近年来,出现了一些新的主动队列管理算法.这些新算法针对大多数主动队列管理算法对公平性考虑不足的问题在一定程度上进行了改进,对公平性提供了一定的支持.本文对其中两个有代表性FRED和CHOKe算法进行了对比研究及理论分析,结合在ns2上的仿真实验结果对算法中存在的问题及其原因进行了深入的分析.最后对算法进行了综合的评价,并给出了对算法的改进建议.     

全局智能优化集成算法研究

针对遗传算法、模拟退火算法等智能全局优化算法的集成问题开展研究,分析归纳了智能全局优化算法和局部搜索算法的一般规律和特性,给出了全局智能优化算法进行集成的统一框架--全局智能优化集成算法(IGIOA),及IGIOA的设计要素,还给出了评价算法的优化性能指标、时间性能指标、鲁棒性能指标,以及将三指标综合的综合性能指标,为智能集成算法的选取和性能比较提供了依据.     

两种特殊类型矩阵的QR分解

给出了两种特殊类型矩阵的QR分解的改进算法,理论与数值实验说明了它们的速度比一般的QR分解要快．并且对这两种改进算法进行了基于分量的扰动分析,从而证明了它们的稳定性。     

模式匹配算法性能对比试验结果在入侵检测系统中的应用

在分析入侵检测系统中常用的模式匹配算法的基础上,通过实验对3种常用的模式匹配算法进行性能分析,得出3种算法各自的最佳适用场合,可为模式匹配算法的选择和改进提供指导.     

两个经典频繁子图挖掘算法的对比与分析

AGM算法和HSIGRAM算法是两个经典的频繁子图挖掘算法,在基于图的数据挖掘中有重要的应用.从算法思想和应用技术两个方面分析了AGM算法和HSIGRAM算法的异同点,结合基于图的数据挖掘的特性,提出针对这两个算法的改进策略.