带信息反馈的凝聚层次聚类算法

本文针对传统的基于相似性的层次聚类算法存在的两个问题(相似性度量中方向信息的丢失和算法的适应能力弱)提出了一种带有信息反馈的凝聚层次聚类算法.首先将无法预知的复杂数据结构描述成3个基本的结构特征单元,并对其进行建模构建一种相似性度量定义的泛型和一种凝聚的层次聚类算法.在凝聚的层次聚类算法中加入类信息的反馈机制,并在不同阶段对相似性定义的泛型进行具体化,充分利用数据点对之间的方向信息和距离信息进行聚类.该聚类算法主要有两大优势:(i)算法的适应能力较强,不需要假设的前提下可以处理无法预知的复杂数据结构;(ii)算法对噪声具有较强的鲁棒性,在不需要对数据集进行预处理的情况下能够在聚类的过程中识别噪声点或者噪声类.从人工数据和真实数据的试验结果可以看出新算法的优越性能.     

一种在对等网络中寻找最近节点的新方法

在对等网络(P2P)中,高效精确地定位最近节点是一项基本功能.通过将对等网络中最近节点定位问题抽象成节点覆盖问题,提出一种在一般度量空间中定位最近节点的新方法,满足定位精确,节点负载低,抗网络抖动等特性.仿真实验表明这种近似算法在不增加节点负载的前提下比现有方法(Meridian)更精确,更有效.     

邻居效应下的复杂社会网络扩散

复杂社会网络中的扩散不仅受到大众媒体等外部因素影响,更与其社会关系网络中邻居个体的选择密切相关.文中用"邻居效应函数"刻画邻居对个体选择的影响机制,分析了外部因素与邻居效应共同影响下的扩散均衡及其影响因素.研究发现,邻居效应函数的凹凸性决定了扩散的均衡,多重均衡的存在会增加扩散的不确定性,邻居效应的强度和复杂社会网络的结构特征对均衡采用者比例有重要影响.管理者在制定决策时应该考虑网络结构与邻居间相互影响.     

基于距离的相似最近邻搜索算法研究

为了提高相似最近邻搜索（ANN）算法的精度,提出了一种在度量空间下基于距离的相似最近邻搜索算法-优化的VP森林（OVF）算法。在传统VP树（VT）算法的基础上,首先采用改进的选择优势点的方法,通过从数据集采样优势点候选集,对其进行评估,选取其中区分度大的点作为优势点;然后提出构建多棵VP树的新方法,改进距离优势点远的子树中最近邻不紧凑问题;接着提出使用优先队列与剪枝搜索方法结合的新搜索方法查找最近邻,减少了很多不必要的距离计算。最后通过实验结果表明,本文方法在数据维度、数据集大小、返回不同邻居个数、不同的距离函数及建树个数方面精度有了很大的提高。     

基于GPU的面向SPH流体模拟的邻居查找算法

为了提高基于平滑粒子动力学( SPH)的流体模拟速度,提出了一种在图形处理器( GPU)上实现的基于网格的邻居快速查找算法.该方法首先使用粒子位置纹理信息建立对应的网格纹理,然后利用GPU排序方法按照粒子的网格索引进行排序,最后在排序后的网格纹理中得到粒子的邻居粒子索引,并将其赋值到预计算的粒子邻接纹理中.该方法克服了...     

基于小波变换和独立成分分析的人脸识别

针对传统的独立成分分析算法对光照、表情、姿态等敏感的不足,提出了一种结合小波变换和独立成分分析的人脸识别方法.人脸图像首先经过小波变换后选取低频子图像进行独立成分分析,提取人脸图像特征,最后根据最近邻分类器分类.分析了样本数目、小波分解级数对平均识别率和识别时间的影响.基于ORL人脸数据库的实验结果证明了本方法在识别性能方面相对于单一方法的优越性.     

基于复合中继的车载自组织网络数据传输算法

在车载自组织网络中,传输安全类相关的数据时,要求满足低时延和高可靠性,针对高速公路场景中危险警告消息数据的传输,提出一种基于邻居信息的多候选复合中继安全数据传输算法.车辆节点之间通过相互交换Hello Message构建2跳邻居表,在选择下一跳转发节点时利用2跳邻居节点信息得到一个复合参数,该复合参数综合考虑了车辆速度、位置和行驶方向3个因素.根据得到的复合参数值确定转发优先顺序,最高优先级车辆节点被确定为最佳中继转发节点,次优先级车辆节点作为备选中继转发节点.在最佳转发节点发送消息失败时,由备选转发节点继续完成消息转发任务,从而提高数据传输成功率.理论分析和仿真结果表明,提出的算法在实时性和可靠性方面有明显提升.     

基于捎带机制和加权邻居稳定性的改进AODV协议

在AODV（Ad Hoc on-demand distance vector routing）协议的基础上通过添加捎带机制,并增加了由当前时刻和几段历史时期邻居稳定性的加权值来最终决定的节点稳定性,提出了一种能够有效减小控制开销和端到端时延的改进协议Improved NCR-AODV（improved neighbor change ratio AODV）。NS2仿真结果表明,Improved NCR-AODV可以在很大程度上提高网络性能。     

基于SVM的特征加权KNN算法

作为一种非参数的分类算法,K-近邻(KNN)算法是非常有效和容易实现的.它已经广泛应用于分类、回归和模式识别等.在应用KNN算法解决问题的时候,要注意两个方面的问题--样本权重和特征权重.利用SVM来确定特征的权重,提出了基于SVM的特征加权算法(FWKNN,feature weighted KNN).实验表明,在一定的条件下,FWKNN能够极大地提高分类准确率.     

基于语义邻域的数据降维方法在三维模型检索中的应用

为提高三维模型的识别速度以及检索准确率,提出一种基于语义邻域的数据降维方法.通过基于内容的三维模型检索过程中的相关反馈记录,构造一个三维模型的语义邻接图,采用其中任意两点的最短路径长度来近似代替两点在流形空间上的测地距离,再通过多维尺度分析(MDS)算法来构造数据点在低维欧氏空间中的内在表示.对Princeton ShapeBenchmark的实验表明,该方法在数据的低维嵌入中保留了数据之间的语义关系,在三维模型检索中取得了更好的检索效果.