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.     

通过添加水溶性材料提高Ni(OH)_2超级电容器的比电容

采用水热法将聚丙烯酰胺(PAM)和十六烷基三甲基溴化铵(CTMAB)作为软性模板合成样品Ni(OH)2-PAM,Ni(OH)2-CTMAB和Ni(OH)2.在PAM和CTMAB的作用下,合成出来的样品有了更多的介孔,并且展现出了较宽的尺寸分布.通过扫描电镜(SEM)可以观察到不同的形貌.Ni(OH)2-PAM和Ni(OH)2-CTMAB基电极在1 A/g的放电密度下的比电容分别是1200 F/g和757 F/g,这大大地高于没加水溶性材料合成的Ni(OH)2样品基的电极的比电容,只有113 F/g.因此,适当的添加一些水溶性材料能够提高电极材料的电化学性能.     

基于轨迹聚类的路网构造

随着定位设备的普及以及大规模移动轨迹数据的快速涌现,使得基于移动轨迹的数据挖掘和知识发现研究变得越来越热,其中一个有价值的研究方向是从GPS轨迹中抽取路网结构.然而如何有效地从轨迹数据中探测交叉口并进而构造路网却是一个难以解决的问题,针对此问题提出了一个基于轨迹点聚类的交叉口探测算法,以及在此基础上的路网快速构造方法.实验结果表明,算法能够有效地确定交叉口的位置及数量,且利用探测到的交叉口能够实现路网结构的快速构造.     

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。     

紫外引发合成三元阳离子聚丙烯酰胺及其对雌酮的絮凝去除

通过紫外引发聚合技术制备了具有疏水特性的三元阳离子聚丙烯酰胺,并用于典型环境雌激素雌酮(E1)的分离和去除。由丙烯酰胺(AM)、丙烯酰氧基乙基三甲基氯化铵(DAC)和丙烯酰氧基乙基二甲基苄基氯化铵(AODBAC)单体合成三元共聚物(PADA),并采用傅里叶变换红外光谱(FT-IR),核磁共振氢谱(~1H NMR)和热失重/差示扫描量热仪(TG/DSC)分别对聚合物的结构和热分解性能进行表征。FT-IR和~~1H NMR结果表明聚合物成功合成。通过引入疏水性基团(苯基),TG/DSC分析观察到PADA热稳定性能提高。在最佳条件下(p H=7,絮凝剂用量为4.0 mg/L),用高效絮凝剂PADA-3(阳离子度为40%,特性黏度为6.30 d L·g~(-1))得到最佳E1絮凝性能(E1去除率90.1%,絮凝体积18.3μm,絮凝动力学22.69×10~(-4)s~(-1))。Zeta电位和絮体尺寸分析用于探究E1去除的絮凝机理。结果表明,E1去除过程中,电中和、吸附和架桥效应占主导地位。     

JD-2000降解聚合物凝胶的效果评价及应用

随着聚合物累积注入量的增加,由注聚井堵塞造成的注聚压力升高、吸水剖面不均匀、欠注等一系列矛盾对聚驱效果影响及为严重。以注聚井真35-6井为例,通过对真35-6井注聚返吐物成分进行分析及储层堵塞位置的确定,有针对性的研究JD-2000对真35-6井注聚堵塞的改善效果。通过室内研究JD-2000对凝胶的降解效率及降解凝胶堵塞岩心实验评价,为现场解堵施工提供依据。现场应用结果表明,采用JD-2000对真35-6井进行解堵后,注入井的最高日注入量由3 m~3/d提高到21 m~3/d,日注入量范围均保持在10~20 m~3/d之间,较解堵前有了很明显的改善。     

基于颜色不变量和轮廓特征的地面多圆形目标检测

研究了一种室外环境旋翼无人机对地面多圆形目标检测的方法。考虑室外环境光照变化、阴影等自然因素以及无人机飞行高度、姿态变化等因素对目标检测带来的不利影响,首先引入颜色不变量特征;并采用改进K-means算法进行图像分割;其次根据目标轮廓特征,设置面积与圆形度阈值滤除干扰区域;最后,采用基于对称性的最小二乘法与残差度确定目标位置。实际实验及无人飞行器大赛验证了所研究方法的实时性和准确性。     

基于相关熵和流形正则化的图像聚类

近年来,聚类作为机器学习、数据挖掘等领域的基本问题受到广泛的关注及研究,然而数据中普遍存在的噪声和异常值严重影响聚类结果.提出一个基于相关熵和流形正则化的聚类框架CRNMF(Correntropy and Manifold Regularization Non-Negative Matrix Factorization).首先,采用基于相关熵的非负矩阵分解（Non-Negative Matrix Factorization,NMF）作为损失函数来抑制非高斯噪声和异常值的影响;其次,充分考虑数据的结构信息,采用流形正则化学习数据的局部结构,并通过l2,1-范数对非负矩阵进行稀疏约束;最后,利用半二次优化技术（Half-Quadratic Optimization Technique,HQ）进行优化,并分析了收敛性和计算复杂度.在五个图像数据集上进行测试,实验结果表明,提出的框架在图像聚类任务中具有较好的有效性和鲁棒性.     

低掺量粉煤灰基地聚物胶凝材料性能试验研究

为了研究粉煤灰基地聚物胶凝材料的组成对其性能的影响,对C类粉煤灰分别掺入少量（质量分数小于17%）偏高岭土和矿渣粉后,进行了两种地聚物胶砂试块的力学性能试验研究,并与相同配比、相同制作养护条件下的普通硅酸盐水泥胶砂试块进行了比较.试验结果表明：纯粉煤灰（C类）地聚物胶凝材料强度低于P.O 42.5水泥;当外掺料质量分数大于17%时,粉煤灰基地聚物胶凝材料强度超过同龄期（14 d）的水泥;掺入矿渣粉的粉煤灰基地聚物抗压强度高于掺入等量偏高岭土的粉煤灰基地聚物.     

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。