第一类Dirichlet边界下空间四阶时间多项变阶分数阶慢扩散方程初边值问题的差分方法

研究求解第一类Dirichlet边界条件下空间四阶时间多项变阶分数阶慢扩散方程的差分方法.首先,应用降阶法将原方程转换为等价的低阶方程组.然后在特殊点处考虑此方程组,并对所得方程两端同时作用平均值算子.通过巧妙定义平均值算子,对边界条件进行处理,使所得差分格式全局上达到收敛阶O(τ2+h4),其中τ和h分别是时间步长和...     

云计算环境中面向大数据的改进密度峰值聚类算法

对密度峰值聚类算法进行有效改进,计算各样本点之间的距离和各样本点局部密度,选择两者中较大的样本点作为聚类中心点,根据其余样本点与各中心点的距离设定样本点所属类别;引入K近邻算法对密度峰值聚类算法进行优化,求解各样本点的距离时只需要考虑其周围由邻近值决定的若干样本点,实现距离阈值的自动选取;根据距离矩阵计算样本点的密度,绘制决策图并选择簇内中心点,将剩余点根据密度值分配给离中心点距离最近的类;最后将K近邻-密度峰值聚类算法部署至Hadoop云计算平台,用于解决大规模数据聚类的问题。仿真结果表明,通过合理设置K近邻算法的近邻值k,K近邻-密度峰值聚类算法具有较好的大数据样本聚类性能,与常用聚类算法相比,该算法具有更高的聚类准确率和聚类效率,适用于大数据样本聚类。     

基于聚类的多样本复发拷贝数变异检测算法

拷贝数变异是人类基因组中一种重要的结构变异类型.不同样本中相同区域出现的拷贝数变异称作复发拷贝数变异.研究表明,复发拷贝数变异与人类复杂疾病紧密关联.提出一种基于聚类思想的多样本复发拷贝数变异的检测算法,该算法首先提取两种与复发拷贝数变异密切相关的特征:即多样本中每个位点的拷贝数变异比率和拷贝数变异幅度均值,然后利用聚...     

基于深度学习和遥感影像的松材线虫病疫松树目标检测

针对传统的松材线虫病大范围监测方法耗费高、效率低的问题,研究基于高分辨率无人机遥感影像,采用深度学习方法对病疫区染病松树进行目标检测及地理定位.建立病疫松树样本数据集,采用YOLO目标检测模型,通过锚框尺寸重算、模型迁移学习等方法进行样本训练.将大幅影像进行滑窗分割、逐个检测、NMS重叠处理、坐标转换之后,得到研究区内...     

一种结合Fisher编码的多示例聚类算法

多示例学习中的数据是由包含多个示例的包所组成的,样本之间真实的相似性被正包中大量的假正例所掩盖。为了拟合多示例数据真实的分布情况,提出了一种结合Fisher编码的多示例聚类算法MIFK-means。首先通过Fisher编码在保留数据语义的同时对多示例数据进行归一化降维,然后通过示例层次的K-means聚类算法揭示多示例数据的分布情况。在基准数据集上的实验表明,MIFK-means算法的聚类效果明显好于包层次的多示例K-means聚类算法,分类精度也可以和现有的经典多示例算法相媲美。     

基于三支聚类的协同过滤推荐方法

通过聚类可以缩小用户近邻空间,从而一定程度缓解传统协同过滤推荐算法存在的可扩展性问题,但因部分用户丢失了有效邻居而使得推荐精度不高。为解决该问题,结合三支聚类提出了一种新的协同过滤方法。该方法分为线下聚类和线上推荐两个步骤。对用户先进行聚类,进而将用户划为核心用户和边界用户,并对这两类用户分别应用不同的聚类规则进行聚类;然后在目标用户所属的簇中产生一个预测评分,对属于多个簇的用户,则聚合每个簇的评分得到其预测结果。实验结果表明,该方法与现有基于聚类的协同过滤算法相比,能有效地提高推荐精度。     

具有无限类混沌吸引子的保守混沌系统自适应滑模控制

提出一个具有类混沌吸引子的三维保守混沌系统,新系统在Sprott A基础上增加了一个余弦项并将常数项改为变参项。首先,分析了该系统的典型混沌特性,着重分析了参数变化时的李雅普诺夫指数、时序图以及相应相图。然后,通过改变初始值,得到获得无限类共存吸引子的方法并进行仿真验证。最后,在不确定和干扰作用下设计自适应滑模控制器,实现对新混沌系统的同步控制,并利用Matlab仿真验证所提控制器的有效性。     

一种新颖的基于类GHZ态的两方半量子密钥分配协议

本文提出了一种新颖的两方半量子密钥分配(Semiquantum Key Distribution, SQKD)协议,该协议只使用一种类GHZ态.提出的SQKD协议可以实现在无第三方的情况下在一个具有无限量子能力的量子方和一个具有有限量子能力的经典方之间创建一个共享隐秘密钥.该协议不需要Hadamard门或者纠缠交换操作.详细的安全性分析表明,提出的SQKD协议能够抵御来自外部窃听者的几种著名攻击,如特洛伊木马攻击、纠缠-测量攻击、双重控制非攻击、测量-重发攻击和截获-重发攻击.     

基于LLE与K均值聚类算法的工业过程故障诊断

工业过程中各类数据间具有一定的相似性,单纯利用K均值算法对其进行故障诊断时,存在很大的错误率.提出一种基于局部线性嵌入(Locally Linear Embedding,LLE)的K均值聚类算法,将正常数据运用LLE算法降维并求出投影矩阵,利用投影矩阵将原始故障数据映射到低维空间,再利用K均值算法对其聚类,建立检测与诊...