信息网络的社区发现及其应用研究

在对信息网络社区发现研究的基本概念进行简单介绍的基础上,将目前的典型算法初步划分为5类,即传统发现方法、基于分割的方法、基于模块性质量优化的方法、基于动态模型的方法与基于谱分析的方法,然后着重对各种发现方法进行分类分析与比较,并以Web信息网络为例简述社区发现的应用,最后指出了目前方法存在的缺陷与未来可能的改进方向。     

基于自适应协同聚类的支持向量预选算法

为提高支持向量机在大规模数据集上的训练效率,提出一种基于自适应协同聚类的支持向量预选算法。该方法通过对两类样本进行自适应协同聚类,寻找少量具有协同关系的类中心对,替代支持向量进行训练,从而减少参训样本数量。其中,中心对数量由算法自动确定。与其他支持向量预选算法的对比实验结果表明,自适应协同聚类算法能够在不影响分类性能的情况下,有效提高训练速度,是一种行之有效的快速支持向量预选算法。     

基于兴趣文档集合游历便利性的站点结构优化模型

基于特定信息需求的网站用户游历其兴趣文档集合的便利性,建立了一种站点结构优化的数学模型,通过页组支持度与页组拓扑平均距离量化评估与挖掘站点中访问效率较低的内容文档集合为结构优化的兴趣页组,据此提出能综合评价站点访问效率的指标--WEB拓扑兴趣度,并通过分析新增超链接的影响因素设计了相应的站点结构优化方法,优化算法中采用遗传算法寻找最优组合的新增超链接组.实验结果表明:优化后的站点结构能有效改善信息搜索与获取行为的效率低下问题.     

Hybrid approach for fuzzy system design

A hybrid approach for fuzzy system design based on clustering and a kind of neurofuzzy networks is proposed. An unsupervised clustering technique is firstly used to determine the number of if-then fuzzy rules and generate an initial fuzzy rule base from the given input-output data. Then, a class of neurofuzzy networks is constructed and its weights are tuned so that the obtained fuzzy rule base has a high accuracy. Finally, two examples of function approximation problems are given to illustrate the effectiveness of the proposed approach.     

K-means聚类优化井底压力修正模型研究

在钻井过程中,由于井底压力计算模型误差大,而井下实测井底压力时数据容易失真、甚至无数据,因而不能准确测定井底压力,对钻井作业带来极大的安全风险.针对此类问题,提出了一种用K-means聚类方法优化朴素贝叶斯模型,结合井底压力监测原理,形成一套实现井底压力智能动态分析K-means聚类优化的朴素贝叶斯模型,利用该模型修正...     

用聚类-分类模式解决聚类问题

分类和聚类都是常用的数据挖掘方法,分类的优点是准确率较高,但需要带有类别标注的训练集;聚类不需要训练集,但准确率较低。提出一种聚类-分类模式来解决聚类问题,首先通过聚类方法自动形成训练集,然后在训练集的基础上进行分类操作。实验数据表明,提出的聚类-分类模式能够有效提高聚类的准确率。     

面向桥梁结构健康监测的WSN分簇路由协议

在桥梁结构健康监测(bridge structure healthmonitoring,BSHM)的特定应用场合中,只根据节点地理位置进行成簇或使用单跳策略完成簇间路由,都会导致整个无线传感器网络(wireless sensornetworks,WSN)的不稳定。针对BSHM下的WSN,提出"能量分布"的概念,设计了一种能量均衡分簇路由协议(energy balance protocol,EBP)。通过二次分簇,使WSN中的高能量区域承担更多的能量消耗,设计基于区域划分的多跳策略以控制转发跳数。仿真结果表明:在BSHM的场景中,EBP与LEACH(low energy adaptive clustering hierarchy),SEP(stable election protocol)相比,其生命周期和能量消耗方面均有显著的正向提升。     

考虑供应商聚类的应急医疗物资协同配送仿真

针对突发公共卫生事件应急处置中存在的地方政府医疗物资储备不足、配送效率低下等问题,设计了一种考虑供应商聚类的两阶段应急医疗物资公私协同选址分配模型。在备灾时利用模糊聚类算法实现供应商聚类,并与政府建立合作机制以实现应急医疗物资联合储备;在救援初期依托政府和各类供应商的物资储备及运输能力,构建以最小化物流总成本与需求未满足率加权和为目标的选址分配仿真模型。设计改进的非支配排序遗传算法对此两阶段模型进行求解。以新冠肺炎疫情中武汉市医疗物资调度设计仿真算例,并对比有无供应商聚类对模型的影响。仿真结果表明：该模型在协调政府和供应商的应急医疗物资储备、运输以及调度决策方面具有优势。     

文本聚类中的特征选择方法

介绍了3种用于文本聚类的特征选择方法：文档频度、单词权、单词熵.用一个中文文本语料库对这3种特征选择方法进行了比较实验,实验结果表明在文本聚类中单词权的特征选择方法具有最好的选择结果.     

基于波形聚类分析的微地震监测事件类型判别及应用

以不同类型微地震监测事件在波形相似性上的差异为基础,结合发生位置、走时规律和偏振方向等方面的特征,提出一种基于波形聚类分析的微地震监测事件类型判别方法。首先使用常规的微地震事件识别算法,快速地得到待分类的疑似事件;然后进行波形聚类分析,结合事件的属性特征,实现对不同类型微地震事件及噪声事件的分类和判别。分类结果可用于波形模板匹配,识别同类的低信噪比微地震事件;还可将所有同类事件作为一个整体,采用全局优化手段提高初至拾取的精度。