基于清晰有理数均值的新匹配聚类算法

通过改进清晰有理数均值的方法, 提出一种新匹配聚类算法. 首先计算每条数据的清晰有理数均值, 然后与匹配项比较, 得出聚类结果, 解决了人工标注型数据的聚类问题. 将该方法在反欺诈网页领域中进行了检测和验证, 并与使用同一名称但不同类型数据集的K最近邻算法进行比较, 实验结果表明, 该方法在反欺诈网页领域中比K最近邻算法更有效, 同时也证明了新匹配聚类算法在人工标注型数据上聚类具有合理性.     

萘乙酸对绿豆芽维生素C的影响及其残留量的研究

采用对照培养法,探究了绿豆芽生长过程中,萘乙酸(NAA)对营养物质维生素C代谢的影响.绿豆芽用80%甲醇提取,采用高效液相色谱分离/紫外检测,建立了分析绿豆芽中NAA残留的方法.采用C18色谱柱分离, 流动相为甲醇和磷酸－氢氧化钠缓冲溶液(0.01 mol·L－1,pH＝3.0)(70∶30,V/V)组成,柱温为40 ℃,紫外检测波长220 nm.结果表明,绿豆在发芽的过程中,用NAA 处理在浓度为0.19 μg·mL－1时维生素C含量达到一个峰值.NAA在0.5～30 μg·mL－1范围内的线性关系良好,相关系数(R2)为0.999 7,检出限(S/N＝3)为0.01 μg·mL－1,加标回收率在100.2%～110.6%之间.该方法简单、快速,可实现对植物生长激素NAA的残留分析.     

时空多特征流域场景模式库构建方法

通过构建流域时空场景表征水文事件,提出一种创新的时空多特征流域场景模式库构建方法。对水文原始数据进行事件化分割,去除场景要素数据的时空冗余;基于要素关联关系分析,以多类型方法构造场景要素的对应特征;通过特征选择算法,选取场景关键特征,实现场景初始化;以初始化场景为特征空间,通过聚类提取场景模式,完成场景模式库构建。试验结果表明,创新的时空多特征流域场景模式库构建方法能高效提取水文事件中关键的时空场景数据,挖掘场景模式,形成场景模式库,可以为小样本条件下的水文事件预测提供准确高效的结果。     

利用改进的超像素分割和噪声估计的图像拼接篡改定位方法

通过检测图像局部噪声水平的不一致性,提出一种图像拼接篡改区域的定位方法.首先,用改进的简单线性迭代聚类(SLIC)超像素分割算法将待检测图像分割成具有相似特征的像素块;然后,采用基于主成分分析的噪声水平估计方法计算每个图像块的局部噪声水平;最后,利用3种聚类算法对估算的噪声水平进行聚类,根据聚类结果定位出被篡改的区域.实验结果表明:文中方法不仅能有效定位被篡改的区域,而且能保留检测区域更多的边缘信息.     

基于谱图理论的形状聚类仿真

谱图理论已经广泛的应用于形状表示、匹配和聚类。主要研究两个方面的问题：1、通过提取形状的骨架特征点和图谱分析,建立形状的数学模型;2、通过分析模型的数学特征,将形状投影到低维空间中。利用上述方法实现了形状的聚类仿真。针对公共数据集的仿真实验证明了该聚类算法能有效的实现形状聚类。     

基于稀疏指数排序的高维数据并行聚类算法

高维数据聚类是数据挖掘领域的重要研究课题,大规模高维数据聚类研究非常具有挑战性.针对高效的CABOSFV高维数据聚类算法,采用并行计算模式提高其大规模数据的处理能力,提出基于稀疏指数排序的高维数据并行聚类算法P-CABOSFV.该算法根据高维数据稀疏指数排序进行分割点选择实现数据划分,将数据分配到多个计算节点同时处理聚类任务,再基于集合稀疏特征差异度聚类结果合并策略将各计算节点的聚类结果合并得到最终聚类结果.UCI数据集和计算机合成数据集实验表明:高维数据并行聚类算法P-CABOSFV聚类质量良好,具有很强的数据规模和数据维度可扩展性,是有效可行的.     

基于轮廓波变换和改进模糊c均值聚类的红外图像分割

针对红外图像分辨率低、对比度弱、易受噪声污染等特点,给出了轮廓波变换与模糊c均值聚类相结合的红外图像分割方法。该方法首先在假定图像轮廓波变换系数的先验为高斯分布的基础上,将基于最大后验概率准则的比例萎缩法应用于红外图像降噪,以完成分割前的预处理过程,然后利用改进的模糊c均值算法对降噪后的红外图像进行分割。针对标准模糊c均值分割存在的问题,本文提出的方法从基于样本直方图的最小最大距离法的初始聚类中心确定、考虑邻域像素相关性的样本点聚类权值和邻域隶属度修正三个方面加以改进,在保证分割精度的基础上,进一步滤除降噪阶段遗留下的图像噪声。对一系列红外图像进行实验的结果表明,相对于标准模糊c均值算法,本文提出的改进算法划分熵平均降低约10%,区域对比度提高约27%,能够实现对受到噪声污染红外图像的有效分割。     

基于直觉模糊聚类的目标识别

空中目标的正确识别对防空作战具有重要的意义。针对目标识别的特点,提出了基于直觉模糊聚类的识别方法。首先,给出了直觉模糊相似度和相异度的度量方法,并利用目标特征信息计算直觉模糊相似度和相异度。然后,在分析了现有的几种直觉模糊相似矩阵构造方法的基础上,提出了一种新的直觉模糊相似矩阵的构造方法,并给出了直觉模糊相似矩阵转化为直觉模糊等价矩阵的途径;此外,定义了直觉模糊等价矩阵的（α,β）截矩阵,进而实现直觉模糊集的聚类。最后,运用该方法对给定特征的空中目标进行了聚类分析,实验结果表明,提出的方法是可行、有效的。     

基于密度的计算机兵棋推演数据快速聚类算法

针对计算机兵棋推演数据的特点,提出了一种基于密度的快速聚类算法-基于密度的快速空间聚类算法(quick density based spatial clustering of applications with noise, QDBSCAN),目的是通过聚类检测孤立点,快速定位地面部队兵力部署上的缺陷。QDBSCAN算法在基于密度的空间聚类算法(density based spatial clustering of applications with noise, DBSCAN)算法的基础上做了相关改进:在邻近度度量上提出了最短可行路径的概念,使聚类更符合计算机兵棋的规则;动态设置密度参数;采用提出的代表对象选择方法来减少对对象邻域的判断次数;按区域对数据进行分组以缩小聚类规模。实验表明,QDBSCAN算法的性能在数据规模较大的情况下,明显优于DBSCAN算法。     

基于模糊聚类分析的手机流量销售方案

研究了不同人群对手机流量的需求问题,利用模糊聚类分析方法,针对不同年龄、不同职业、不同上网目的等的用户对手机流量的需求量分别进行聚类．利用F统计量得到最佳聚类方案．聚类结果及分析可以指导运营商设计合理的手机流量销售方案．