Efficient algorithms for agglomerative hierarchical clustering methods

Whenevern objects are characterized by a matrix of pairwise dissimilarities, they may be clustered by any of a number of sequential, agglomerative, hierarchical, nonoverlapping (SAHN) clustering methods. These SAHN clustering methods are defined by a paradigmatic algorithm that usually requires 0(n ³) time, in the worst case, to cluster the objects. An improved algorithm (Anderberg 1973), while still requiring 0(n ³) worst-case time, can reasonably be expected to exhibit 0(n ²) expected behavior. By contrast, we describe a SAHN clustering algorithm that requires 0(n ² logn) time in the worst case. When SAHN clustering methods exhibit reasonable space distortion properties, further improvements are possible. We adapt a SAHN clustering algorithm, based on the efficient construction of nearest neighbor chains, to obtain a reasonably general SAHN clustering algorithm that requires in the worst case 0(n ²) time and space.Whenevern objects are characterized byk-tuples of real numbers, they may be clustered by any of a family of centroid SAHN clustering methods. These methods are based on a geometric model in which clusters are represented by points ink-dimensional real space and points being agglomerated are replaced by a single (centroid) point. For this model, we have solved a class of special packing problems involving point-symmetric convex objects and have exploited it to design an efficient centroid clustering algorithm. Specifically, we describe a centroid SAHN clustering algorithm that requires 0(n ²) time, in the worst case, for fixedk and for a family of dissimilarity measures including the Manhattan, Euclidean, Chebychev and all other Minkowski metrics.This work was partially supported by the Natural Sciences and Engineering Research Council of Canada and by the Austrian Fonds zur Förderung der wissenschaftlichen Forschung.     

基于灰色PSO-ANFIS模型的船舶横摇运动预报分析

为了准确高效的预测船舶在波浪中的航行状态以保证人员、货物和船舶的安全,提出了一种基于灰色模型粒子群优化算法的自适应神经模糊推理系统(Grey Particle Swarm Optimization-Adaptive Neural-fuzzy Inference System, GPSO -ANFIS)。GPSO-ANFIS预测模型使用模糊C均值聚类算法对输入样本进行聚类分析,得到模糊规则数量并建立神经模糊推理系统,再使用粒子群优化算法对建立的预测系统进行优化训练,从而得到最优的预测系统模型。其中灰色模型用于横摇数据的预处理,以便削弱横摇状态中的非线性影响因素。最后通过实船“育鲲”轮的横摇数据进行仿真实验,实验结果验证了GPSO-ANFIS模型的实用性和可行性,具有较高的预测精度。并为船舶航行智能化提供了一种有价值的理论依据。     

基于役龄和健康指数的可加故障率模型研究

针对传统的可加故障率模型(AHM)在描述设备状态对故障率的影响时存在缺陷,提出采用健康指数作为表征设备状态的变量,建立起以役龄和健康指数作为变量的AHM模型,基于该模型的构建原理提出模型解法,共三步:首先,求解基准故障率函数时,运用基于LS-SVM的EMD改进算法获取故障率演变曲线,用遗传算法优化该曲线;然后,求解协变量函数时,运用了灰色理论的NGDM模型;最后,对基准故障率函数和协变量函数进行联合优化。通过仿真数据验证,该方法的拟合误差小于2%,预测误差小于3%。结合真实案例探讨了模型适用性的初步检验方法,最终对模型的使用方法进行了论述。     

基于改进边缘方向判定方法的图像插值算法

为了解决图像超分辨率重建过程中传统边缘插值方法边缘方向定位不准确,以及边缘区域只沿着边缘点一侧进行插值,而没有考虑边缘内外侧的问题,提出一种基于边缘二值化图像的边缘方向判定算法。该算法通过边缘像素点之间的相互关系来确定边缘方向,得到的结果更加可靠;并且加入方差来判定插值侧边,有选择性地对边缘一侧进行插值,考虑了边缘判定的特征。实验结果表明,与传统的边缘插值方法相比,两种改进获得了更好的图像重建效果。     

一种有新任务到达的多卫星动态调度模型与方法

基于动态约束满足问题,针对初始方案执行过程中任务动态到达的情况,以最大化完成任务的优先级之和,并使新任务到达后,对原方案的调整最小为目标,建立了多卫星动态调度模型,提出了模型求解方法,最后给出了仿真算例,对模型和算法进行了验证.     

新包围盒技术

通过只含减法运算的判断,将包围盒所含的平面片分成两种类型：一类是“显然和光线无交”,另一类是“可能和光线有交”．新包围盒技术包含两个算法：一个适用于光线跟踪技术,另一个适用于Ｇｏｕｒａｕｄ技术．     

基于竞选算法的灰度图像匹配研究

针对灰度图像匹配算法普遍计算量大、速度较慢的问题,将灰度图像匹配问题转化成全局优化问题,然后利用竞选算法求全局最优解,以达到优化匹配性能的目的。图像匹配实验证明:在保证匹配精度的条件下,基于竞选算法的灰度相关匹配算法匹配速度大幅提高。     

利用改进的HBDE算法求解MAX-k-SAT问题

目前,利用进化算法求解组合优化问题已成为智能计算领域中的研究热点。本文基于二进制差分演化算法和动态变邻域搜索相结合提出了一种求解最大可满足问题(MAX-k-SAT)的改进算法(记为IBDE),通过与遗传算法和Johnson算法对一系列随机大规模MAX-k-SAT实例的求解比较表明:IBDE是一种求解MAX-k-SAT问题非常有效的新方法。     

基于ICA的自适应图像融合技术

将图像融合分成两个过程,即训练过程和融合过程。在训练过程中,将二维图像信息转换为一维信息,然后进行独立分量分析（Independent Component Correlation Algorithm,ICA）的分解,从而得到分离矩阵和融合矩阵。融合过程中采用自适应算法对训练过程中分离系数进行处理,得到新的融合系数。利用新的融合系数通过融合矩阵来恢复图像。     

复合加权调度算法在IAAS层的稳定性优化研究

多机多任务的云服务系统,在优先满足收费客户的原则下,高优先级客户的数量急剧增加,即高优先级客户数量密集饱和事件的概率将大大提高,在此情况下保证系统的QoS就成为IAAS层中关键问题,FIFO算法实现较简单,但要保证QoS机制,要利用现存的分级加权算法(Hierarchical Weighted Algorithm,HWA)才能初步实现,而基于IAAS层的高优先级客户易密集特性,HWA在该特性环境下会逐渐演变为类FIFO服务模型从而降低QoS.本文的目标是在IAAS层中,高优先级客户请求量密集的情况下,保证满足高优先级客户请求的同时还要防止高优先级客户量增加演变为类FIFO服务模型而降低QoS,从而保证系统的稳定性.因此提出了一种基于系统稳定性的复合加权调度算法(Composite Weighted Scheduling Algorithm,CWSA),并和FIFO以及HWA进行了比较,仿真结果表明该调度算法在高优先级客户请求量密集的情况下,系统吞吐量、平均占用均可得到明显改善,而丢包率并无太大差异,QoS能得到较好的保证,即系统稳定性能得到较好保证.