基于变异赋权的吸引子传播算法

基于传统吸引子传播算法, 通过样本特征赋权, 克服冗余信息的影响及给出新的相似性度量方法等策略, 提出一种基于变异系数赋权的吸引子传播算法. 实验结果表明, 该算法在处理属性较多、 信息重叠的样本时, 不仅具有吸引子传播算法的快速、 高效聚类特征, 且聚类性能明显优于传统吸引子传播算法和K-均值等经典聚类算法.     

属性分布相似度吸引子传播聚类算法研究

传统吸引子传播聚类算法对数据类型敏感,文中提出一种改进的吸引子传播聚类算法,将JACCARD系数引入对象间属性分布相似度,并与吸引子传播聚类算法结合。仿真实验结果表明,该算法收敛速度快,聚类精度高,明显提高高维稀疏数据的聚类性能。     

基于子带噪声的自适应小波阈值算法

该文提出了一种新的小波阈值的算法,它是在传统的Donoho阈值上的改进．传统的Donoho阈值没有考虑小波系数中不同的子带包含的噪声不同,均采用唯一的一个Donoho阈值对小波系数进行判别．这显然是不合适的．因此,作者提出了这种根据子带中的噪声自适应的调整小波阈值的算法,收到了比较满意的效果．     

基于吸引子布局算法求解码头泊位岸桥分配问题

泊位和岸桥资源是港口码头的重要稀缺资源,如何合理的安排调度船舶靠泊和岸桥工作对港口码头的作业效率有极其重要的影响.同时研究了泊位分配与岸桥调度分配问题,通过将靠泊时间、岸桥使用以及泊位占用进行抽象化,成为一种矩形评价块,并将整体靠泊作业过程转化为一种新的三维矩形布局问题进行研究.计算表明,将传统建模方法转化为空间布局模型可全面考虑靠泊过程中各类型资源的占用,并可有效提高各类资源在靠泊作业中的总体宏观效率,与传统建模和算法相比有明显的优越性和更全面的统筹性.     

基于小波多阈值和子带增强的图像去噪

为了在有效降低噪声的同时,尽量保留图像的边缘特征,提出了一种基于小波多阈值和子带增强的图像去噪方法.该方法对最小尺度小波系数采取软阈值方式,将其他小波系数再分解为近似子带和细节子带,依据误差度增强近似子带像素块,同时引入增强因子调节增强幅度;利用局部方差和混合阈值函数对各子带进行阈值处理,保证了图像达到较好的去噪效果.实验表明,与传统阈值方法相比,该方法不仅提高了去噪图像的峰值信噪比,而且较好地保留图像边缘特征,优于常规的阈值方法.     

稳定企业人才队伍 吸引更多人才

本文就如何辩证地把握薪资在人力资源管理中的作用,才能稳定企业人才队伍,吸引更多的人才进行了阐述。     

用Mathematica语言演示Lorenz吸引子

首先介绍了Lorenz吸引子,接着通过对Lorenz方程组进行特征分析,得到了方程的3个奇点,并由此对Lorenz吸引子做了分类.随后,给出了一种用Mathematica演示Lorenz吸引子的方法,编制出一个立体动态演示Lorenz吸引子的程序.最后,绘制出验证蝴蝶效应的图形以观察初始条件的微小变化对Lorenz吸引子产生的影响.     

气候吸引子维数及可预测尺度的计算

<正> 0 前言对于一个气候资料的时间序列,我们习惯于计算其平均值、方差及能谱。通过一系列的研究我们认识到气候是一个混沌吸引子,它只需相对少状态变量或自由度来描述。一个气候吸引子的维数反映了它的结构。由于气候对初始条件极为敏感,初始条件的微小变化可引起轨道很大差异,因此,就存在一个可预测性问题。     

介子圈图传播子重整化有限量的有效计算法（Ⅰ）

采用中性介子与核子(反核子)相互作用的Lorentz不变耦合模型，对计算“介子单圈图传播子与链图传播子”在动量重整化方案中的“有限量”涉及的通常解析计算方法(即Feynman高维收敛积分计算方法)作了详尽分析、讨论与研究，发现可以从“大动量积分”计算角度出发建立起一种更为有效与实用的计算方法——“大动量积分极限法”。采用这种有效方法，对介子圈图传播子重整化“有限量”作了具体降维积分计算，获得了这个“有限量”的“一维积分严格解析表达式”。     

基于动态阈值的运动目标检测算法

本文给出的运动目标检测算法,提出了一种基于动态阈值对称差分和背景差分的运动对象检测算法,详细描述了算法的原理和流程。此外,本文在运动目标检测算法的过程中还采用动态最优阈值的方法,进一步提高了运动目标检测的准确性。     

采用仿射传播的聚类集成算法

针对K均值聚类随机初始聚类中心导致的聚类结果不稳定问题,提出一种基于仿射传播的聚类集成算法.该算法把每个聚类集成的成员个体结果看成是原始数据的一个属性,然后在其基础上对聚类成员个体的聚类结果进行加权集成,集成算法采用简单高效的仿射传播聚类,并且提出了直接集成、利用平均规范化互信息(NMI)和聚类有效性Silhouette指标进行加权集成.最后,运用Hungarian算法对仿射传播聚类集成的结果进行类别标签的统一和匹配.在加州大学尔湾分校数据集上进行了实验,结果表明,与集成前的K均值聚类及其他聚类集成算法相比,该算法能有效地提高聚类结果的准确性、鲁棒性和稳定性,建立起来的聚类集成算法具有良好的扩展性和灵活性,而且简单有效.     

基于改进近邻传播聚类的异构无线传感器网络分簇算法

在近邻传播聚类算法基础上提出了基于偏向参数p可变的分簇路由算法CPAP,该算法针对异构无线传感器网络的特殊背景,改变AP算法偏向参数p的常规设置方式,综合考虑能量、距离因素解决分簇问题;另外,分析了算法中K参数的影响,取得其近似最优值。仿真结果表明:CPAP与PECBA相比,第一死亡节点出现时间推迟了28.5%,将更多的能量用于网络开始死亡之前,提高了网络的能量利用率。     

基于力的类同传播聚类方法

提出一种基于力的类同传播聚类方法AFAPC.依据万有引力定律,根据数据间的相互引力,并在数据组成的网络中交替传递类同信息,计算出数据的聚类和对应的聚类中心.实验结果表明,AFAPC能在更短的时间内,取得与类同传播聚类算法APC相媲美的聚类效果.     

Improved Semi-supervised Clustering Algorithm Based on Affinity Propagation

A clustering algorithm for semi-supervised affinity propagation based on layered combination is proposed in this paper in light of existing flaws. To improve accuracy of the algorithm,it introduces the idea of layered combination, divides an affinity propagation clustering( APC) process into several hierarchies evenly,draws samples from data of each hierarchy according to weight,and executes semi-supervised learning through construction of pairwise constraints and use of submanifold label mapping,weighting and combining clustering results of all hierarchies by combined promotion. It is shown by theoretical analysis and experimental result that clustering accuracy and computation complexity of the semi-supervised affinity propagation clustering algorithm based on layered combination( SAP-LC algorithm) have been greatly improved.     

基于半监督学习的核信任力传播聚类算法

文中提出一种半监督核信任力传播聚类算法(SSKAPC).SSKAPC在对样本聚类的过程中,引入先验知识提高聚类性能;同时该算法将样本映射到高维空间进行聚类.人工数据和真实世界数据的实验表明,SSKAPC算法能大幅度提高聚类的准确性.     

一种带监督的仿射传播聚类多模型建模方法

针对传统的多模型建模方法在聚类过程中不考虑模型的输出误差而导致最终的模型存在较大误差的问题,提出了一种带监督的仿射传播聚类多模型建模方法.该方法先由仿射传播聚类算法得到初始聚类,然后,根据输出误差对聚类进行循环调整至各类别不再变化为止,最后,得到准确划分的聚类并采用最小二乘支持向量机建立子模型来实现对输出的估计,并将本文的建模方法应用到某双酚A反应釜出口丙酮含量的软测量建模中进行仿真.结果表明,该方法可以获得比传统的多模型建模方法更好的建模效果.     

基于近邻传播的时间序列基因表达谱聚类算法

聚类是识别基因表达数据蕴含的关键基因调控模块的一种有效方法,基因表达谱的相似性度量是聚类的关键问题.然而,一般的相似性度量方法不能刻画时间序列基因表达谱数据所蕴含的时间延迟、反向相关和局部相关等复杂的基因调控关系.针对时间序列基因表达谱数据,提出一种基于近邻传播和动态规划的相似性度量方法和聚类算法.在大鼠再生肝细胞基因表达谱数据集上的聚类结果与基因功能富集分析结果高度一致,证明算法在时间序列基因表达谱数据聚类上的有效性.     

基于二次分水岭和近邻传播聚类的彩色图像分割算法研究与实现

利用特征散度普适能力强的优势,提出了基于二次分水岭和近邻传播聚类的彩色图像分割算法.算法通过二次分水岭算法预分割,提取区域中色彩向量数据点,利用特征散度构造相似度矩阵,运用近邻传播数据聚类,实现图像的分割.实验证明,算法较好地避免了聚类算法对初始条件的依赖性,降低了彩色图像大样本数据的运算量,与人的主观视觉感知具有良好的一致性.     

基于仿射传播聚类选择的多Atlas右心室精准分割

由于右心室具有易变、壁薄、边界不明显等特点,Atlas成为近年来流行的图像分割方法.针对现存的Atlas选择方法大多基于配准后选择最优的Atlas,比较耗时并且降低了分割性能,提出了利用仿射传播聚类算法进行Atlas选择的方法.首先,将所有的Atlas图像看作一系列数据点,通过数据点之间的消息传递聚类;然后,得到的聚类中心图像和目标图像经过配准得到形变标记结果,采用STAPLE融合策略融合;最后,对融合结果以相似性测度因子为依据进行排序,而用相似性测度因子值最大的聚类中心进行配准分割.重复以上过程,直到得到较精确的分割结果.实验结果表明,提出的方法能有效地进行右心室的分割,与传统选择方法相比,分割精度得到了明显提高.     

基于改进克隆选择算法的函数优化问题

根据传统克隆选择算法的不足,提出了一种改进的克隆选择算法.设计了具有自适应能力的改进变异算子,抗体基因位变异概率取决于抗体亲和度;并提出了兼顾亲和度和浓度两种因素的改进选择算子.通过函数优化仿真实验证明了改进算法在收敛速度和寻优结果上均优于传统克隆选择算法.