舆论演化的社会影响级联效应模型

舆论建模跳出传统的基于最近邻("person-person")的交互范式,引入次近邻("personperson-person")的影响,刻画网络中邻居的邻居对观点改变的作用,提出舆论演化的社会影响级联模型,分析其在可变聚类系数网络上舆论的演化性质.通过调节网络聚类系数,使用异步更新的方式,观察网络集聚特性对舆论演化的影响.结果表明,1)相比于传统的最近邻影响模型,社会影响级联模型的社会强化作用更大,系统更容易达成共识,初始状态中主流观点的影响将被放大;2)舆论演化结果与网络集聚性和初始状态相关:当系统初始状态p_+≠p_,系统观点演化达到稳态后,网络聚类系数越大,越容易产生主流观点;当初始观点p_+=p_时,即正、负力量势均力敌时,系统共识则难以确定.这种情况和现实社会舆论的演化结果符合.     

一种改进的基于超网络的高维数据聚类算法

高维数据聚类问题是当前聚类分析研究的重点。笔者提出了一种改进的基于超网络的高维数据聚类算法。首先,将高维数据映射到一个大规模带权超网络中;其次,定义超网络中边的权重;再次,采用优化的超图划分方法划分带权超网络;最后实现高维数据聚类。这样有效过滤掉聚类中的噪声数据,避免了传统聚类方法在降维过程中产生的弊端。实验证明,该算法具有较理想的有效性和精确度。     

基于公差推理的零件聚类装夹规划方法研究

针对计算机辅助工艺设计中的装夹规划问题,提出一种面向制造特征的基于公差推理的装夹聚类规划方法.通过分析零件的制造过程,对加工单元进行定义,建立零件的装夹规划数学模型.随机生成装夹规划的初始解,计算加工单元之间的装夹相异度,通过进行反复迭代的聚类分析获取最少的装夹分组.基于公差的推理方法,获得加工单元的加工顺序约束关系,进行装夹的组间及组内排序,生成最优装夹规划方案.同时,基于CATIA设计平台实现了零件的装夹规划原型系统,通过实例对所提算法进行了验证.      

多尺度变换近邻传播算法

利用多尺度变换将高维数据映射成低维数据,便于近邻传播聚类。仿真证明,与传统近邻传播算法相比,基于多尺度变换的近邻传播算法聚类精度高,收敛速度快。     

人机交互中的人体目标跟踪算法

针对机器人在与人交互过程中对指定人体目标的跟踪容易受到周围其他人体干扰的问题,提出了一种人机交互中的人体目标跟踪算法.将所有干扰区域看作候选目标,通过建立基于重叠率的粒子分布模型,确保粒子集可以通过均值偏移收敛到所有的候选目标,并减少粒子数量.以权重距离总误差和目标尺寸作为聚类条件,将粒子划分到相应的候选目标粒子集中,最后选择最优的候选目标作为跟踪结果.实验结果表明:该算法能够避免周围相似物体的干扰并准确跟踪目标,具有较好的鲁棒性和实时性.     

无线传感网络LEACH协议的优化研究

LEACH( Low-Energy Adaptive Clustering Hierarchy低功耗自适应分簇)算法可以有效地解决传感器节点能量限制的问题,显著地延长整个网络的生命周期。但在分簇簇头的选择过程中仅考虑此节点是否在之前的轮中担任过簇头节点,并未考虑节点剩余的能量与其所处的位置,使得簇头的选择并非最优。针对这种情况,本文在原有LEACH路由算法的基础上从节点剩余能量与节点分布位置两方面对其进行优化,提出了一种新的路由优化算法为I-LEACH。仿真结果显示I-LEACH较LEACH协议延长了网络生存周期,降低了网络总体能耗,使无线传感网的整体性能得到一定提升。     

基于局部线性嵌入的半监督仿射传播聚类算法

针对运用半监督仿射传播聚类算法处理高维数据时聚类精度低和计算量大的问题,提出一种基于局部线性嵌入的半监督仿射传播聚类算法.该算法首先通过LLE算法将高维输入数据集映射到低维空间得到低维数据集,计算低维数据集的相似度矩阵,再用半监督算法调整相似度矩阵,最后用仿射传播聚类算法对低维数据进行聚类分析.仿真结果表明,本文提出的算法与半监督仿射传播聚类算法相比,在处理高维数据时聚类效果更好,精度更高,迭代次数更少.     

基于演化聚类的社交媒体舆情分析方法综述

当前,社交媒体已经成为人们发布和获取信息的最主要渠道之一。由于大量用户的参与,社交媒体平台上已累计了海量的舆情数据,并且还在以指数级增加。如何发现和跟踪社交媒体中舆情变化是当前数据挖掘领域研究的热点问题之一。基于演化聚类的方法是分析社交媒体舆情的一类主要方法。主要从主题模型和矩阵/张量分解模型两方面来总结当前基于演化聚类的舆情分析方法,并且分析这两类方法的优缺点;最后对下一步研究进行了展望。     

基于数据场联合决策图改进的GMM聚类

针对传统聚类方法在处理复杂电磁环境下的雷达信号时存在的聚类质量低、参数需要人为设置、易受孤立噪声脉冲干扰等问题, 提出一种基于数据场联合决策图改进的高斯混合模型(Gaussian mixture model, GMM)聚类算法。将数据场理论应用于数据对象密集程度的表征, 生成势能距离决策图, 进而自动实现聚类数目和中心点的选择, 最后结合GMM聚类实现对数据对象的聚类划分。仿真实验结果表明, 在脉冲到达角、脉宽、载频等参数存在较大抖动, 测量误差以及存在孤立噪声脉冲干扰和脉冲丢失时, 本文方法相较于现有典型分类方法具有更好的分选效果。     

用灰聚类方法定量分析剩余油潜力大小

在常规地质信息和生产开发动态资料综合分析的基础上 ,可以应用灰聚类分析法来定量评价剩余油潜力。以孤东油层七区西 6 - 1小层为例 ,提取了剩余油潜力区的有效厚度、孔隙度、含油饱和度、储层非均质系数、沉积相、构造形态、砂体位置、射孔完善程度、注采完善程度等聚类评价指标 ,建立了各指标的白化函数 ,并采用复式加权法确定了各指标的灰聚类权 ,最终判别结果以概率最大的聚类系数确定 ,从而实现了潜力井区剩余油潜力大小的定量划分 ,为矿场挖潜措施的优化选择提供了指导