基于重要结点的社区发现算法

复杂网络中内部的社区结构是复杂网络结构特征和属性特征的具体体现。首先依据模块度最大化理论计算网络的模块度矩阵的最大k特征向量矩阵;然后提出聚类中心方法,并用于求出k个社团的重要结点作为k聚类中心,利用欧几里得距离计算每一个结点到k个聚类中心的距离,将结点分配到距离聚类中心最近的社区中;最后对网络应用k-means方法进行迭代计算,得到k个社区的划分。分别在Karate Club Network和American College Football数据集上对算法进行了实验验证,实验结果表明该算法可以有效发现潜在社区,其纯度与模块度比已有的社区发现算法都有一定的提高,并且迭代次数较少,效率较高。     

基于交通指数聚类的路网区域动态划分

针对宏观路网区域交通状态预报需要首先产生路网区域的需求,提出了一种新的基于交通指数聚类的路网区域动态划分方法。首先对整个城市路网进行网格化划分,将路段划分为从属于某个网格的子路段;然后,计算每个网格的交通指数,提取网格特征,从而得到样本特征矩阵;接着,利用k-means~(++)聚类算法对样本特征矩阵进行聚类,得到初始聚类标签,并对其中奇异网格的聚类标签加以修正;最后,得到划分后的路网区域。为了验证该方法的性能,利用上海市的GPS数据对上海市进行了路网区域的划分,并与不同聚类方法的结果进行了对比。结果表明,新方法对路网区域划分的精度及稳定性均有所提高。     

基于无监督机器学习的多段射孔压裂的分段优化

为实现非常规页岩油气资源的经济开采,对低渗储层进行分段射孔压裂,通过人造裂缝增加缝网波及区域并建立从储层到井筒的有效渗流通道,而射孔压裂分段的选择和划分直接影响到压裂的有效性.采用基于欧氏距离的无监督k均值(k-means)聚类算法根据储层渗流及地质力学参数对储层进行聚类,识别储层压裂段的可压区域,从而保证射孔压裂的有...     

基于点击流的频繁模式聚类算法研究

在用户访问网站点击流形成频繁序列的基础上,提出基于距离函数的聚类分析算法.首先对数据流分区做K均值聚类生成中间聚类结果,然后对这些均值参考点进行离线聚类,以获取用户访问模式.理论分析和实验表明,算法具有较好的聚类效果.     

一种改进的全局K-均值聚类算法

将快速K中心点聚类算法确定初始中心点的思想应用于全局K-均值聚类算法,对其选取下一个簇的最佳初始中心的方法进行改进,提出选取下一个簇的最佳初始中心的一种新方法.该新方法选择一个周围样本分布相对密集,且距离现有簇的中心比较远的样本为下一个簇的最佳初始中心,得到一种改进的全局K-均值聚类算法.改进后的算法不仅可以避免将噪音点作为下一个簇的最佳初始中心点,而且在不影响聚类效果的基础上缩短了聚类时间.通过UCI机器学习数据库数据以及随机生成的人工模拟数据实验测试,证明改进的全局K-均值聚类算法与全局K-均值聚类算法及快速全局K-均值聚类算法相比在聚类时间上更优越.     

基于最小化最大类内距离的面聚类网格分割算法

介绍了一种简单、有效的三维网格分割算法．该算法是基于最小化最大类内误差的聚类方法．先将表面网格转换成连接图,通过最短路径定义任意两个三角形之间的“距离”,然后利用新的距离度量将传统的聚类算法应用到网格表面分割问题．提出的算法不仅确保使最大类内距离实现最小,而且可以确保每个类别的所有三角形都构成网格表面上单独的一片．提出了一种受限边界直化算法,极大改善了分割后的区域形状．实验表明,这种两步(最小化最大类内距离聚类和受限边界直化)的网格分割算法在区域平面性和区域形状方面都表现出了良好效果．     

基于直觉模糊集的阔叶树苗叶片边缘检测

针对田间或苗圃植物背景的复杂性,为准确从采集的样本图片中分割出树苗叶片,提出了一种基于直觉模糊集的阔叶树苗叶边缘检测算法。首先采用3×3模板分别对RGB颜色空间中的R、G、B灰度图进行x方向、y方向、45°以及135°方向模糊聚类,然后采用最大类间方差法提取模糊聚类图像的阈值,最后根据阈值检测出阔叶苗叶边缘。对经典的基于微分算子的边缘检测法与该研究提出的边缘检测算法进行了分析比较,结果证明该研究提出的算法能较好地检测出阔叶树苗叶边缘,特别对于重叠区域叶片也能检测出边缘。     

两阶段密度意识子空间聚类模型

针对网格聚类方法在高维子空间聚类中网格规模随着维度急剧升高的问题,以及差别阈值方法引入干扰小聚簇的问题,提出一种具有两个网格划分阶段的密度意识子空间聚类模型。该模型第一阶段采用粗网格找出可能存在聚类的子空间区域,第二阶段在这些区域中进行等效精度更高的网格划分并找出所有致密单元。该模型在两个阶段处理的网格规模均远低于密度意识子空间聚类模型在相同划分精度下的网格规模,同时利用第一阶段对网格空间的筛选作用降低小聚簇干扰,提高聚类质量。合成数据集实验表明:该模型聚类精准率和查全率性能明显优于原模型;基于真实数据集实验,相比一次划分模型,该模型以损失0.4%数据点的代价提高输出聚类密度19.4%,聚类质量大幅提升。     

自助劳务众包平台定价规律的研究

针对网络众包模式下的任务定价问题,划定任务可行范围,针对会员和任务主体构建拟合回归模型。运用K-means均值聚类对任务进行区域划分,引入修正价格的工资比、修正僵尸会员比例的阶层比两个指标,得到四个区域的定价模型。并通过弹性分析理论,认为分区定价模型可以提高任务的完成率。利用matlab进行灵敏度分析,认为K=9时取值最合理。     

利用高斯混合概率假设密度滤波器对扩展目标量测集进行划分

针对杂波环境下多扩展目标高斯混合概率假设密度(ET-GMPHD)量测集划分难、计算量大的问题,提出了一种新的基于网格密度分布和谱聚类的扩展目标量测集划分方法。利用动态网格生成技术来获得量测集的网格密度分布;在获得网格划分后,将全部量测数据映射到网格单元中并统计网格单元的密度,且采用双密度阀值法来滤除量测集中的杂波;在谱聚类算法中利用密度敏感距离测度对去除杂波后的量测集构造相似矩阵,继而变换得到拉普拉斯矩阵;利用k-均值聚类算法对拉普拉斯矩阵的特征向量进行聚类划分。采用网格密度划分法滤除量测集中的杂波,使划分子集尽可能多地包含真实量测,增加划分子集与量测集合的近似度,从而在减少计算量的同时保证算法的跟踪性能损失不大。仿真实验表明,与典型的量测集划分算法相比,所提方法在跟踪误差损失约5%的前提下,计算效率提高了38%以上,具有更好的性能。     

基于效用函数动态多用户调度的协作用户分类

为解决基于固定信干噪比(SINR： Signal to Interference plus Noise Ratio)门限值的协作用户划分策略的不足, 在综合考虑系统平均速率和边缘用户最小平均速率基础上, 定义了协作距离。提出了基于效用函数的协作用户划分动态分簇联合多用户调度算法, 并采用蒙特卡洛方法进行了仿真。仿真结果表明, 改进的基于效用函数的协作用户划分算法能在系统整体性能和边缘用户性能上取得较好的平衡, 系统整体性能得到提升。在相同信噪比条件下, 系统平均频谱效率提升0.1~ 0.2 bit/(s·Hz)。     

基于改进群组层次分析法的机场Ⅱ/Ⅲ类运行效益影响因素研究

为研究运输机场Ⅱ/Ⅲ类运行效益影响因素，参考相关规则及机场调研建立了Ⅱ/Ⅲ类运行效益影响因素指标体系，采用群组层次分析法，通过改进打分方式和k均值聚类算法对其进行优化。对比改进前后两种方法得出的指标权重结果，发现改进的群组层次分析法得出的权重差异明显，适合关键影响因素提取。最后分析场地改造、灯光系统升级改造等关键影响因素，对国内Ⅱ/Ⅲ类运行建设效益问题给出了相关建议。     

八邻域网格聚类的多样性XML文档近似查询算法

提出了一种基于八邻域网格聚类的多样性XML近似查询算法.首先给出了支持XML文档间语义距离计算的3种编辑操作代价模型,再利用XML文档间的语义距离建立XML文档的向量模型并设计基于八邻域网格的XML文档聚类算法,进而利用聚类过程中得到的物理和逻辑聚类中心对静态有序选择算法的查询评估策略进行优化,这样做只需定位聚类中心所在组群的局部范围,并在该范围内进行目标查询,而无需遍历整个XML数据库,从而快速返回满足用户需求的查询结果.经汽车外形智能化设计实验表明,所提算法的查询速度比静态有序选择算法平均提高了3~4倍.     

基于萤火虫算法的岩体结构面优势产状聚类分析

传统的图形分析方法较为粗糙,且主观因素影响较大,因此提出一种基于萤火虫算法的岩体结构面产状数据划分的新方法.用结构面单位法向量表示结构面的产状,通过单位法向量所夹锐角正弦值来衡量结构面间的距离,并建立模糊目标函数,然后运用萤火虫优化算法搜索最优聚类中心,同时确定组间边界.由于萤火虫算法具有出色的全局寻优能力和较快的收敛速度,使得新算法在解决结构面产状划分问题时非常省时高效.最后应用此算法对怒江松塔坝址区平硐实测结构面产状数据进行优势组划分,结果显示,此方法合理有效,优势明显.     

地址模型下的城市网格划分方法

针对目前行政边界的尺度选择存在不确定性,道路的选取过于依赖其原始的等级划分,融合人文要素的网格细分自动化程度较低等问题,提出一种基于地址模型的城市网格划分方法.首先在网格划分过程中引入地址模型,以地址模型中行政区划要素的层次划分确定行政区划要素选取;然后解析地址模型,处理面向划分主题的人文要素地址数据,抽取更契合划分主题的道路要素,实现一种以行政区划边界和道路为基础框架,贴合应用主题的城市网格划分方法;最后,以福州市鼓楼区兴趣点网格为例验证该方法.实验结果表明:在有效约束条件下,该方法能更有效地融合两类划分要素,并将人文要素信息融入道路选取中,可以实现结合人文要素的自动化网格细分,便于网格的更新.     

用遗传算法C-均值聚类分割医学彩色图像

图像分割和对象提取是从图像处理到图像分析的关键步骤 .经典的C -均值聚类算法 (CMA)是将图像分割成C类的常用方法 ,但依赖于初始聚类中心的选择 .该算法通常得到的是局部最优解而非全局最优解 .遗传算法是一类全局优化搜索算法 .通过将遗传算法 (GA)与CMA相结合 ,对医学彩色图像直接按红绿蓝 (RGB)三色空间进行聚类 ,用遗传算法搜索全局最优解 ,有效地避免了C -均值聚类算法收敛到局部最优的问题 ,并在此基础上实现了对医学病理彩色图像的分割和对象提取 ,得到了比较满意的效果     

应急医疗资源保障研究综述

应急医疗资源是应对突发公共卫生事件的物质基础和保障,能否根据需求及时、准确地提供应急医疗资源对于降低疫情造成的损失具有重要作用。首先,综述了应急医疗资源需求预测方法及紧迫度的评估指标体系;其次,对应急医疗资源储备的关键问题进行分析,综述了规模与轮换、政企合作、设施选址3个方面的研究现状;再次,从优化目标、时间窗等角度总结应急医疗资源调配模型,以及优化算法的研究现状;最后,对应急医疗资源保障发展趋势进行了总结和展望,指出通过大数据技术和平台提升应急医疗资源保障能力尤为重要,具体应关注3个方面:1）运用数字技术建设应急医疗资源大数据平台;2）通过大数据平台重构应急医疗资源保障系统;3）应急医疗资源保障系统重构的实现路径。     

基于网格技术的地震资料并行处理平台建设与应用

针对地球物理勘探领域海量数据处理需求和行业高性能资源整合需求,结合地震资料数据并行处理特征,利用网格技术建设应用网格分布并行处理平台,详细介绍平台的体系结构和关键技术,成功部署包含两个虚拟社区的应用网格平台。进行Marmousi模型地震波场正演模拟网格并行处理、基于模糊聚类作业划分策略的叠前深度偏移并行处理、积分法叠前时间偏移并行处理。验证了平台的稳定性和并行作业划分策略的有效性,平台效率与传统并行处理平台相比效率相当。结果表明,利用该平台可以进一步整合更多高性能资源,扩大并行处理规模,提高资源的利用率,缩短数据处理周期。     

基于和声搜索算法的应急资源筹集优化

在应急资源调度过程中,资源的筹集问题是其解决的核心问题之一,在应急点较多的情况下,采用穷举法等传统方法求解速度较慢,不能满足应急资源快速准确调度的需要.和声搜索算法是一种启发式全局搜索算法,在许多优化问题得到很好的应用.本文将采用和声搜索算法对此类问题进行求解,并通过实验结果验证其可行性和高效性.