基于核心树的增量聚类算法研究

传统的聚类分析方法一般都没有考虑大容量数据集合的问题,而数据挖掘技术的研究重点之一就是如何从海量数据中高效率地获取知识。结合基于分类方法的K-means中心点算法以及基于层次方法的BIRCH增量算法提出核心树(Core-Tree)的思想来弥补两个算法的缺点,使用中心点的思想来表示BIRCH算法中汇总信息,利用类核心的思想来提高确定中心点的效率。因此,提出一种聚类算法,主要集中在如何提高大型数据集合的聚类效率、如何处理具有各种特征的数据集合。     

基于半监督学习的中文多文档子主题划分

为了能在多文档自动摘要过程中更好地划分子主题,提出了一种基于半监督学习的子主题划分方法:首先计算句子的语义相似度;然后通过层次聚类对可信度高的句子进行主题类别标记,生成少量已标记主题类别的句子集,在此基础上对所有句子进行constrained-k-means聚类,通过交叉验证的方法确定子主题的数目k;最后使用k-means聚类获得多文档的各个子主题.实验结果表明,该方法有效地提高了子主题的识别率.     

ARCH类模型在金融市场中的应用

本文较系统地介绍了ARCH类模型的发展及各个模型的特点。利用这些模型可以分析我国金融市场的有效性,测度金融市场的系统风险,寻求最优动态无风险策略,帮助政府制订和完善金融政策。     

一种基于改进DBSCAN算法的光伏故障检测方法

工程中常常通过与邻近电站的单位发电量比较发现故障电站,电站的单位发电量主要与电站地理位置、光伏器件型号及特性等诸多要素有关,选择哪些电站进行比较以及比较的策略是一个需要深入探讨的问题。本文提出了一种改进的A-DBSCAN聚类算法的光伏发电站故障检测方法。通过对影响发电站单位发电量因素的分析,确定了该故障检测模型的输入变量。该方法不需其他外接设备的支持,同时还可以实现在线检测分析。通过比较相同发电环境中的发电系统的单位发电量来对故障检测,初步实验结果反映该方法的正确率为95. 45%,召回率为91. 3%。     

密度泛函研究荧光染料对氟离子的识别机理

硝基取代的苯基蒽咪哒唑二酮分子PADH可很好地识别氟离子并呈现比率荧光变化.本文运用密度泛函理论研究了染料分子PADH的识别机理.基态和激发态几何优化显示在氢键形成的位置基态和激发态结构参数变化明显;光谱计算和轨道分析得出氟离子复合物PAD-HF的HOMO和LUMO轨道能隙介于PADH和阴离子PAD~-之间;势能曲线计算可知,染料PAD-HF随着N—H键长的增长,PAD-HF有着极低的跨越能垒.以上结果解释了染料分子PADH识别氟离子机理以及比率荧光现象.     

基于一类分类方法的多类分类及其应用

在分析一种非线性数据处理新方法的核心概念基础上,研究了基于一类分类方法的多类分类基本原理,提出了应用于多类分类的可信度函数,使聚类与分类的结果更具有可信度．最后,以某企业对供应商关系的调查数据为例,将这种方法应用于企业商业关系网络分析中．结果表明了该方法的有效性．     

基于测量聚类的网络拓扑推断算法

为了减少基于端到端时延的拓扑推断算法中产生的测量流量,根据网络中端到端时延的特点,提出了一种测量聚类算法和两阶段拓扑推断算法.测量聚类算法在测量时首先粗略测量网络节点的端到端时延,根据时延对节点进行聚类,然后根据节点的聚类测量节点对的端到端时延并计算节点相关性,最后通过两阶段拓扑推断算法推断网络拓扑结构.理论证明了测量聚类算法能够有效减少测量产生的测量流量并通过NS2进行了仿真,仿真结果表明测量聚类算法和两阶段拓扑推断算法在有效减少测量流量的情况下能够正确地推断网络的拓扑结构.     

面向轨迹聚类的差分隐私保护方法

针对目前的轨迹聚类隐私保护方法存在适用性较窄、可用性较低及难以在实际应用中实施的问题,提出了支持轨迹聚类的差分隐私保护方法.首先给出了典型轨迹聚类算法的通用框架模型及其差分隐私定义,然后根据定义设计满足差分隐私机制的二维拉普拉斯噪声,最后将直角坐标系中得到的噪声形式变换到极坐标系,并加入到原始轨迹点中以进行实际应用实现.实验结果表明:与当前的轨迹聚类隐私保护方法相比,本文算法具有更好的适用性和聚类效果.     

积分型的Bernstein不等式

本文得到以下积分型Ｂｅｒｎｓｔｅｉｎ不等式：令Ｐｎ（Ｄ）＝■（Ｄ２＋２α,Ｄ＋α２＋β２３）＞∏（Ｄ－入ｊ）,其中Ｄ＝ａ／ｄｘ, ａ,βｓ, λｊ为实数;βｓ＞ ０,ｓ＝１,２,…, ｋ;ｊ＝１,２,…, ｎ－２ｋ;β＝■βｓ,ｐ≥１则１．若ｍ＞４β,则对任意的ｍ阶三角多项式Ｔｍ（ｘ）,有 （∫０｜ Ｐｎ（Ｄ）Ｔｍ（ｘ）｜Ｐｄｘ）１／Ｐ≤｜Ｐｎ（ｉｍ）｜（∫０｜Ｔｍ（ｘ）｜ Ｐｄｘ）２．若α＞４β,对ｆ（ｘ）∈Ｂσ,有 （∫－∞｜Ｐｎ（Ｄ）ｆ（ｘ）｜ｐｄｘ）≤｜Ｐｎ（ｉσ）｜（∫－∞｜ｆ（ｘ）｜ｐｄｘ）     

基于属性聚类的贝叶斯分类算法

在数据挖掘的过程中,由于贝叶斯分类算法要求条件属性必须独立,因此具有一定的局限性.考虑该缺陷,提出用数据挖掘中另一种常用聚类算法对原始数据的条件属性进行数据预处理后,再使用贝叶斯算法.实验表明该算法提高了分类的准确率.