一种文本聚类算法

目的 通过对现有聚类常用算法的研究，给出一种适用于大规模中本数据集聚类的算法DBTC(density-based text clustering)。方法 采用在DBSCAN算法基础上改进提出的DBTC算法，对中本数据集进行聚类。结果 DBTC算法可以发现任意形状的簇，对中本聚类的准确率高达80％以上。结论 经过分析和实验证明DBTC算法比基本的DBSCAN算法更适合于大规模数据集。     

基于Storm的分布式实时数据流密度聚类算法

基于经典流聚类框架CluStream和密度聚类算法DBSCAN,提出了一种分布式实时数据流密度聚类算法DBS-Stream,并在Storm流式处理平台上设计了算法实现方案.该算法局部节点使用CluStream的两段式经典框架,在线微聚类中利用DBSCAN代替K-means初始化数据,在中心节点再使用DBSCAN算法进行全局聚类.该算法可解决任意型聚类问题,并可使局部节点快速更新数据.将DBS-Stream算法与CluStream算法进行比较,实验结果表明,本研究算法在聚类质量和通信代价方面均优于CluStream.     

一种改进的毫米波雷达聚类算法

针对毫米波雷达数据均匀性差,数据量小,噪点多等问题,提出一种基于DBSCAN (density-based spatial clustering of applications with noise)的雷达自适应聚类算法.改进算法能够根据K近邻距离和目标反射截面自适应调整聚类半径.首先给出一种聚类半径根据K近邻距离动态调整的机制:目标第K个近邻的距离与阈值相比较,以确定阈值半径取值.再提取雷达提供的目标反射截面,基于该值计算目标假象半径作为聚类半径的补充量.实现根据目标反射截面与数据稀疏程度自适应聚类的效果.将改进算法与不同参数的DBSCAN聚类算法在真实雷达点云数据进行实验对比.相较于选取合适参数的DBSCAN算法,改进算法能够更好适应毫米波雷达点云特征,对行人目标识别准确率提高4.18％,对车辆目标识别准确率提高5.63％.     

一种改进的DBSCAN算法

聚类技术是数据挖掘中的一项重要技术,它能够根据数据自身的特点将集中的数据划分为簇.DBSCAN是一种经典的基于密度的聚类算法,能发现任意数量和形状的簇,但需设置Eps和MinPts参数,且聚类效果对参数敏感.提出一种改进的DBSCAN算法,该算法采用自适应的Eps参数使得DBSCAN算法能对具有不同密度的簇的数据集进行聚类.仿真实验结果验证了所提算法的有效性.     

基于 DBIRCH 算法的 Argo 剖面数据聚类

为解决实时分析处理的海洋 Argo 浮标剖面观测数据特有的数据密度较高、快速响应且需要识别任意形状簇等问题, 提出了一种可通过单次扫描数据集进行有效处理的低复杂度聚类算法 DBIRCH( Density-BasedBalanced Iterative Reducing and Clustering Using Hierarchies)。 该算法通过使用新引入的参数密度阈值修正因子,动态的更新限制 CF(Clustering Feature)树生长的约束系数子空间阈值, 同时结合密度关联思想在不同邻域内多次建立 CF 树且合并, 最终以核心 CF 树子节点为聚类结果输出, 避免了 BIRCH(Balanced Iterative Reducing and Clustering Using Hierarchies)算法对参数的过度依赖, 同时因能处理任意形状簇从而提升了数据处理的整体鲁棒性, 提高了处理 Argo 剖面监测数据的时效性和算法的整体吞吐速度。 为测试算法的综合性能, 使用真实 Argo浮标剖面实时监测数据集, 并根据不同的参数对算法做出多组对比实验, 同时使用不同评价指标对算法从运行时间和聚类准确率上进行综合评估, 从全局角度分析该算法在 DBSCAN(Density-Based Spatial Clustering of Applications with Noise)、 BIRCH 及 DBIRCH 3 种不同算法中综合聚类性能最优。 实验结果表明, 在3 种算法中,BIRCH 算法运算速度最快, 但准确率最低; DBSCAN 算法聚类性能高于 BIRCH 算法, 但运算速度最慢; 改进的DBIRCH 算法运算效率略低于 BIRCH 算法, 但聚类准确率最高。     

一种改进的汽车雷达数据实时聚类算法

为了更好地在复杂多目标环境下进行汽车雷达数据的实时聚类,使用扩展卡尔曼滤波算法(EKF)对基于密度的聚类算法(DBSCAN)进行改进,并通过仿真和实测实验进行验证。结果表明:新算法在进行增量聚类时每次耗时可以保持在一个稳定且较低的水平;新聚类在不增加时间复杂度的情况下进行自适应聚类,可以解决汽车雷达数据密度不均匀的情况。可见新算法同时实现了增量和自适应DBSCAN聚类,同时保证聚类的效率和准确度。     

基于并查集的DBSCAN算法设计

DBSCAN算法是经典的基于密度的聚类算法,能够在含有噪声的数据中发现任意形状的簇,但其效率较低．并查集常用于解决不相交集合的合并问题,将并查集的方法应用于DBSCAN算法的设计中,使得算法效率得到有效提高．     

一种基于自适应网格的DBSCAN聚类算法

DBSCAN方法是一种典型的基于密度的聚类算法,因此该方法具有可以发现任意形状的类的特点,但其聚类的效率并不是很高.如果考虑将传统的网格技术引入到DBSCAN聚类算法中,虽然一定程度上会提高聚类的效率,但其聚类的质量显得较为粗糙.文章通过引入自适应网格技术,使得DBSCAN聚类算法的效率和质量都有所提高.对比数值实验表明,基于自适应网格的DBSCAN聚类算法的聚类效果是良好的.     

快速鲁棒的密度基聚类算法

为有效改善基于密度的聚类算法的聚类效果,提出了判定顺序聚类算法的聚类合理性的形式判据,简述了其神经生物学证据,并据此给出了可有效改善DBSCAN算法的聚类精度和时间效率的新算法DBSCANJZPoll．该算法首先以随机处理次序多次执行一个顺序依赖的子进程;再根据子进程的各次执行结果,由“合理聚类”的形式判据和简单的统计原则确定最终聚类结果．在聚类精度方面,仿真实验表明,DBSCANJZPoll可有效处理密度不均匀的样本集,聚类效果显著优于DBSCAN．在时间效率方面,理论分析表明,对于中高维样本集,DBSCANJZPoll的时间复杂性渐近于O(N),优于DBSCAN算法族中其他算法至少O(N log N)的复杂性;对于低维样本集的仿真也表明, DBSCANJZPoll具有相对优化的时间效率．     

一种密度聚类的染色精子医学图像识别算法

当数据的密度有变化时,密度聚类算法DBSCAN不能一次发现多种密度的簇结构,通常需要调整参数,而合适参数的确定比较困难.提出了一种两阶段的密度聚类算法以识别精子图像,算法采用相同的参数完成对不同密度簇的发现.首先对原始数据图像采用初步的预处理技术,调用DBSCAN算法得到精子头部簇,然后对其余图像部分进行增强,以精子头部为核心点集合,再次调用DBSCAN算法得出密度可达的簇,从而完成精子图像的识别.实验证明对精子图像识别的准确率、效率、效果均优于传统密度聚类方法,为医生诊断病情提供有效的数据支持.     

可再生能源配额制下电力市场多主体交易决策优化模型

随着可再生能源配额制(RPS)的正式实施,可再生能源参与电力市场的交易规模不断扩大,电力市场上各交易主体在市场中的相互竞争关系将发生重大变化。考虑可再生能源配额制和绿证市场对电力市场的影响,建立电力市场各交易主体最优决策模型,并利用逆向归纳法求出了各市场主体最优交易电量和交易价格;算例分析配额义务不断变化对电力市场交易价格,常规能源发电商、可再生能源发电商和售电商的电力交易量、利润产生的影响。结果表明:随着配额义务的不断增加,常规能源发电商和售电商的收益呈下降趋势,而随着可再生能源发电商的市场占比的不断扩大,将导致电力市场的交易价格上升。     

海上开发平台选址规划模型及解法

海上油气开发平台建设是一项耗资巨大的系统工程,为了合理利用有限的资源取得最大经济效益,以产业选址问题为基础,对海上平台选址决策过程中的决策变量、目标函数和约束条件进行了分析,建立了随机油价下海上开发平台选址的双层规划模型.根据模型的特点设计了求解该问题的自适应遗传算法,求解下层规划时采用禁忌搜索算法,提高了模型的优化效率和优化效果.采用这一优化过程,成功地解决了海洋石油平台选址过程中平台产能、成本及资源最优分配问题.     

基于粒子群优化算法的均值-VaR投资组合选择

在现实市场中,①为防止由卖空交易引起市场操纵等问题的出现,即使在发达的证券市场,交易仍受到一定的卖空限制;②由于市场相关规定与投资者自身风险控制的需要,在某些资产上的投资比例受到一定限制;③交易过程中需支付印花税等交易成本。故结合这三方面,采用Value-at-Risk(VaR)度量风险,在收益率服从正态和非正态分布两种假设下,构建了带有限卖空约束、投资比例约束和交易成本的均值-VaR投资组合模型。首先,给出了该模型的粒子群优化(PSO)算法;其次采用A股市场的实际数据进行了数值实验;最后分析了有效前沿的特征及有限卖空约束对投资决策的影响。     

混合储备模式下洪涝灾害应急物资配置结构优化

为了提升洪涝灾害应急响应能力,提出应急物资三主体混合储备模式,根据三主体供应特点和物资需求条件,构建了以最小政府成本和最低灾害损失为目标,以保障能力、政府成本及企业利润为约束的洪涝灾害应急物资配置模型,并通过模型的求解及简化,确定了不同储备模式的适用范围。在对以块石为代表的洪涝灾害应急物资算例计算的基础上,分析比较了不同储备模式下的最优配置结构,并针对与政府决策相关的重要参数进行了敏感度分析,结果表明,对于以块石为代表的洪涝灾害应急物资,建议采用以政府直接储备为主、委托企业储备为辅、社会力量代为储备为补充的储备模式,物资的现货市场采购成本会影响物资储备总量,政府储备库采购储备成本、企业期权价格会影响物资配置结构。     

不同O2O模式下供应链服务质量控制

针对一个线上平台和一个线下服务商组成的供应链,考虑线上平台服务外包和线下服务商加盟的两种O2O模式,研究服务质量控制问题.构建两种模式下服务质量控制基本模型,分析服务价格弹性、服务质量成本系数、营销努力成本系数等对服务价格、服务质量和营销努力的影响.通过数值仿真分析集中和分散决策下的均衡解.研究结果表明:服务质量和营销努力水平与服务价格弹性负相关;线下服务商加盟模式中分散决策导致“双重边际化”效应;线上平台所获利润份额较小且进行分散决策时,线上平台选择服务外包模式,否则选择服务商加盟模式.     

对规模经济与企业竞争力理论的再认识

规模经济理论是经济学的基本理论之一，也是现代企业理论研究的重要范畴．传统规模经济理论从生产的分工与组织角度对规模经济规律进行了探讨．以美国学者R科斯为代表的交易成本理论则从市场交易成本的角度出发，对企业规模经济做出独到的解释．规模经济对企业竞争力的贡献表现为，规模经济不仅可以提升企业的成本优势，也为建立岐异优势奠定了基础．特别是现代信息技术的广泛运用，已大大改变了企业的运作条件和空间，使企业实现规模经济的有效形式有了突破性的发展、因此，规模经济理论可以在提升和维持企业竞争力方面得到重新认识．     

Analysis of a Firm's Optimal Size Based on Accessible Market Capacity

E-commerce has dramatically reduced the limitation of space and time on economic activities,resulting in individuals having access to a huge number of consumers.In this paper,we propose a company's optimal size decision model containing management costs as a means of investigating the evolution of the company size in e-commerce.Given that production decisions are made based on accessible market capacity,we explain how a company enters the market,and we draw an evolutionary path of the optimal company size.The results show that in the early expansion stage of accessible market capacity,a firm's optimal size keeps increasing;after reaching a peak,the change in a firm's optimal size depends on its cost management.When the accessible market capacity reaches a threshold,the firm will no longer be in the market,and may no longer exist.Finally,we construct a simulation framework based on complex adaptive systems to validate our proposed model.A simulation experiment confirms our model and reveals the dynamic co-evolution process of individual producers and firms.     

综合客运枢纽内各方式协调调度模型研究

以乘客费用最小为优化目标, 以各种客运方式（地铁、轻轨和常规公交）的发车间隔为决策变量, 以各方式的车辆配置及各方式间的运能匹配为约束条件, 建立了综合客运枢纽各方式协调调度模型, 利用Matlab遗传算法工具箱对模型进行求解, 并以北京市西直门综合客运枢纽为例对模型进行了验证. 结果表明实施协调调度后乘客费用显著减少, 已建模型能够较好地解决枢纽内各方式间的协调调度问题.     

摩擦市场条件下的Mean-Variance-Skewness模型

在投资组合选择模型中考虑了资产收益率分布中正的偏度水平,并通过引入一些市场摩擦因素建立了摩擦市场条件下的Mean-Variance-Skewness模型.提出了一个新的遗传算法加速其搜索收敛过程,解决了该模型的计算复杂性问题.在该模型框架内对交易费用和税收等市场摩擦因素进行了敏感性分析.研究证明资产收益率分布的偏度水平是与投资者的决策相关的,市场摩擦因素对投资者的决策行为也有直接的影响.因此,考虑摩擦市场条件下基于正偏度水平偏好的最优投资组合模型对投资者有很强的实践指导价值.     

纺织服装工业与棉花产业带的 空间布局及协调

本文根据交易效率损失与地理距离成正比这一假设,建立关于棉花产地、纺织服装加工地和最大服装需求市场的一般均衡模型.最优选址位置由棉花交易效率、纺织服装交易效率和需求市场人口比例共同决定.根据这一结果,再对近10年年鉴数据进行回归分析,发现各地区纺织服装加工业的比重与当地需求市场和交通密度密切相关.这对通过改善中西部地区的交通环境、扩大中西部地区消费需求市场,以及实现我国纺织服装业由东部地区向中西部发展转移具有重要意义.