基于转移矩阵P的复杂网络聚类方法

提出了一种相对简单、有效的划分复杂网络社团结构的方法.该算法利用复杂网络的转移矩阵P和K均值聚类算法来划分社团结构,并且用F统计量判定最优的聚类结果,在探测社团结构明显的人工网时具有较高的准确度.     

矩阵F分布与矩阵T分布在左球分布类中的推广

利用任意非负Borel函数的教学期望与随机向量的密度函数的关系,通过随机矩阵的变换,证明了左球分布定义的矩阵F和矩阵T仍然服从矩阵F分布和矩阵T分布,从而将矩阵F分布和矩阵T分布推广到左球分布类.这一结果扩大了椭球等高分布的应用范围.     

基于设计结构矩阵的产品结构模块聚类方法

阐述了当前产品结构模块聚类方法中存在的不足,并通过基于设计结构矩阵(DSM)的聚类方法较好地解决了这些不足.给出建立产品结构DSM模型的方法,并基于五点刻度法对产品结构DSM模型进行数字化.在聚类的过程中开发了基于产品结构DSM联系强度的聚类算法和基于联系成本的择优算法.以某摩托车发动机为例进行了实际建模、聚类运算及聚类择优,得出了优化的模块聚类结果.     

基于聚类矩阵的CM-Apriori算法研究

针对关联规则中Apriori算法的不足,提出了一种基于聚类矩阵的CM-Apriori新算法.该算法只需扫描事务数据库一次,就直接按事务项数生成聚类矩阵,每次只需对部分聚类矩阵进行运算,就可以生成频繁项集.这大大减少了扫描数据库的次数和计算成本,从而有效提高了算法的运算效率,并通过实例说明了它是一种有效的关联规则挖掘方法.     

二分图的Laplace矩阵的最大特征值

图的Laplace矩阵的谱,在物理、化学和计算机等学科有着广泛应用。但是,求图的Laplace矩阵的谱,是很不容易的。文章通过分析二分图的结构,研究了二分图的Laplace矩阵的特点,利用非负矩阵的经典理论和图论方法,导出了一般二分图的Laplace矩阵的最大特征值的界值。     

基于RF-BiLSTM-Attention音乐分类方法的京剧二分类仿真

为了普及国粹京剧,本研究提出一种将随机森林（Random Forest,RF）耦合注意力（Attention）机制和双向长短时记忆（BiLSTM）网络的音乐分类方法RF-BiLSTM-Attention,使用其进行京剧与其他类型音乐的二分类（以下简称“京剧二分类”）。首先,提取音乐所有光谱特征,利用RF选择重要特征;然后,在BiLSTM网络的隐藏层与输出层之间嵌入注意力层,对数据进行分类训练与预测。用来自大众音乐平台和GTZAN数据集的1 500首音乐进行京剧二分类实验,对比RF对循环神经网络（RNN）、长短时记忆（LSTM）网络、BiLSTM等9种模型的影响,结果表明：RF-BiLSTM-Attention模型的分类准确率为89.00%,运行时间为33.22 s,比简单模型中表现最好的RF-BiLSTM模型的分类准确率提高3.33%,运行时间缩短40.54%;比原始BiLSTM-Attention模型的分类准确率提高6.33%,运行时间缩短96.89%。与传统音频分类工作相比,本研究考虑了京剧二分类问题,对京剧起着良好的推广作用。     

基于潮流分布矩阵的电力系统碳排放流计算方法

电力系统是中国碳排放的主要来源。研究电力系统的碳排放理论、提高碳流分析结果的准确性,是完善碳交易市场建设、促进电力碳减排的重要前提。提出了一种基于潮流分布矩阵的电力系统碳排放流计算方法,旨在解决现有方法过于粗放、无法准确实现功率与碳流分摊的不足。其主要思路是结合精确潮流计算结果,采用比例分配原则,通过分析功率在网络中的流动过程,构造潮流分布矩阵,从而准确建立机组功率与节点流过功率之间的联系;然后根据发电机组类型的不同,考虑其技术水平与运行状态等因素影响,构建火电机组的精准碳排放模型。基于该模型,利用碳排放流依附于潮流的特征,将机组碳排放分摊到各节点负荷、各支路功率以及网络损耗,成功实现了电力系统碳排放流的准确追踪与溯源。采用4节点和30节点系统进行测试,测试结果验证了本文方法的正确性和有效性。     

基于GMM和二分类特征筛选的多级音频分类方法

采用同一种特征参数——Mel倒谱系数及其动态参数区分纯语音、带背景语音、乐器音、歌声和环境音.根据该特征参数的特点以及各类音频之间的差异,给出了一种区分性模型训练和特征筛选相结合的多级二分类音频分类方法,即为各级建立GMM(Gaussian mixture model)模型的同时挑选出使当前模型区分程度达到最大的特征子集.对长约2 h的音频数据集的测试结果表明,该方法相对于特征筛选前的分类系统,平均误识率下降了约23.5%,且各二分类子系统的特征维数也有明显地减少.     

基于聚类和随机矩阵理论的用电行为刻画方法

针对配网大数据应用背景下难以建立用户用电行为刻画模型的问题,提出一种基于聚类和随机矩阵理论的电力用户用电行为刻画方法.首先利用K-means聚类法对海量用户用电特征数据进行分析,根据不同用电模式对用户进行群体划分.然后基于随机矩阵理论建立用户用电行为分析模型,利用各用户群体的经济数据、气候数据及电力价格数据等辨识与用户群体用电量相关联的因素,实现对电力用户用电行为的刻画.最后通过甘肃省武威市电网实际用电数据验证所提方法的有效性和准确性,为电力精准营销和制定电力需求侧响应策略提供数据支撑.     

基于分布约简的差别矩阵方法研究

在不相容信息系统中,代数观点与信息论观点下的属性约简是不等价的.阐述了分布约简与信息论观点下约简的等价性,分析了代数观点下差别矩阵的缺陷,提出了基于分布约简的差别矩阵方法.该方法不仅考虑所比较对象是否不一致,并且深入分析其不一致性的程度及所属条件等价类在决策类中的分布比例,得到信息系统在分布约简概念下的约简.理论分析与仿真实例表明了该算法的可行性和有效性.     

基于网络模型的节点阻抗矩阵的新算法

结合配电网结线图特点,建立了反映支路电流向节点分布规律的数学模型。在此基础上,根据节点阻抗矩阵各的元素的意义,提出了一种节点阻抗矩阵各元素的简单且准确的计算方法。     

基于网络模型的节点阻抗矩阵的新算法

结合配电网结线图特点 ,建立了反映支路电流向节点分布规律的数学模型。在此基础上 ,根据节点阻抗矩阵各元素的意义 ,提出了一种节点阻抗矩阵各元素的简单且准确的计算方法     

基于热点度轨迹显影机制的网络社区聚类算法

为解决网络社区聚类算法在实际应用中存在热点捕捉困难和社区聚类生存时间较低的问题,提出了一种基于热点度轨迹显影机制的网络社区聚类算法。首先,考虑网络社区聚类存在的多径一体特性,采用抽样方式与角度估计方法来实现热点信号的精确捕捉,以提高聚类效率;随后,对热点信号矢量空间进行按列重排,并综合考虑传输矩阵具有的按列正交及全秩特性,构建热点度轨迹显影方法,以提高聚类中热点显影速度和增加聚类生存时间。仿真实验表明:与聚类流动性映射算法(Clustering Liquidity Mapping Algorithms,CLM算法)、超欧里几何热度聚类算法(Hyper-Eulerian Geometric Thermal Clustering Algorithms,H-EGTC算法)相比,所提算法具有更低的聚合时间和搜寻失误率,以及更高的热点显示时间。     

基于分簇结构的P2P流媒体混合分发算法

提出了一种基于分簇结构的混合分发算法,算法采用分簇的方法将流媒体中的节点资源进行簇划分,形成由簇头、簇内节点构成的分簇网络结构,簇头与簇内节点通过拉拽算法来获得数据,而簇头间采用推送分发算法.仿真结果表明,该算法能提高数据块复制速度,减少数据传播时延,有效降低系统的控制开销,提高了播放连续度.     

基于文化算法的神经网络集成方法

提出了一种基于文化算法的神经网络集成方法,在训练好个体神经网络后,使用文化算法选择部分网络来组成神经网络集成.该方法将遗传算法纳入文化算法框架,充分利用优秀个体的经验知识来指导算法的搜索过程,从而提高了算法的搜索速度.实验结果表明,使用文化算法进行集成,能够提高构造差异性大的神经网络集成的效率.     

基于改进遗传算法的模糊聚类研究及应用

模糊C-均值聚类算法是一种局部搜索算法,采用迭代的爬山技术,对初值敏感易陷入局部最小值。遗传算法是一种全局优化算法,能够克服模糊C-均值聚类算法陷入局部最小值的问题,但遗传算法收敛速度慢,易早熟。应用小生境思想对遗传算法进行了改进,以保护种群中基因的多样性,设计了基于最短距离的算术交叉算子、边界变异算子及双精英种子参与进化的策略。仿真实验结果表明,改进后的算法能够提高模糊聚类的收敛速度和聚类质量。     

配电网络的再组合算法

基于沿环路最小损耗开断定理，构造了支路互换算法，并对支路交换中网损的估算方法做了修正，使得该算法既可保证配电网再组合的实用性，又具有满意的计算效率．对两个网络的再组合，证明了这一算法的有效性．     

2^k阶矩阵乘的快速—普通混合算法

从实际应用角度分析W算法用于2k阶矩阵乘的计算时间,发现混合算法是1个更优秀的算法.它与快速算法同阶.计算时间与快速算法计算时间之比为1:2.3.且从k＝6开始就优于普通算法.这些结果,已为计算实践证实.     

建立矿井通风网络独立回路矩阵的一种快速算法

本文通过对矿井通风网络基本关联矩阵的特性进行分析，提出了一种只需对矿井通风网络基本关联矩阵进行有限步初等行运算，便能迅速建立独立回路矩阵的算法。