基于多目标优化的虚拟机部署策略

为解决虚拟机部署过程中对虚拟机性能、资源利用率、负载均衡值等多个目标的优化问题,提出一种基于强化学习的改进部署算法.首先,用多个目标组成的多维奖励代替原来的单一奖励;然后将资源状态、优化目标及目标占比输入所提的预测器中来预测每个部署方案对应的多维奖励值,并通过反馈结果调节不同优化目标的占比以达到动态多目标优化的目的;最后,为了减少部署时间,用改进的均值聚类算法对服务器资源进行聚类加快部署.通过CloudsimPy平台对算法进行验证,结果表明本文算法可以在相同资源下完成更多的虚拟机请求且具有较高的部署成功率和较低的时延消耗.     

基于深度嵌入聚类的ICU患者生理数据缺失插补

电子病历数据经常存在缺失,严重影响分析结果.基于MIMIC数据库中的重症监护单元(intensive care unit,ICU)患者数据研究缺失值插补,数据集由23组临床常用生理变量以及不存在缺失的5260例样本构成.提出了一种基于深度嵌入聚类的K近邻插值方法.该方法以深度嵌入聚类为核心,通过多次聚类构造样本邻近度矩阵,再选择缺失样本的K个近邻样本,以这些近邻样本的平均值填补缺失.与均值插补、中值插补、后验分布估算插补和条件均值插补相比,该方法插补后的结果与原数据相似度更高,且更好地保留了样本间的差异性.     

关于线性空间直和的探讨

讨论数域F上的线性空间V的若干子空间构成直和的等价条件,得到相应的等价命题,进一步丰富了线性代数理论.     

外国入境旅游的空间差异及影响因素探究

使用聚类分析及相关分析方法对2004-2007年我国外国入境旅游相关数据进行分析,结果表明我国接待外国游客水平地区发展不平衡;入境外国游客的客源国呈规律性分布等特点.影响我国入境旅游的因素主要包括：政府政策和国家法律法规、对外贸易、空间距离、客源国经济发展水平、旅游目的地旅游发展水平等,并针对相关问题提出相应的解决措施.     

考试成绩的频数分布统计算法评述与实验研究

为了对考试分析中频数分布统计算法的选择提供参考,分析了3类考试分析算法的特点与应用条件,即分组算法(传统、正态特征和斯特杰斯)、改进划分点算法(划分聚类)和频数统计算法(简单、模糊频数统计)的分析,并针对考试分析任务的需要提出对划分聚类、模糊频数统计法的改进算法;通过在实际考试样本和模拟样本上组合运用分组算法和频数统计算法,提出从分组质量、分组有效性、算法执行时间、算法适应性4个维度对算法的9种组合进行实验评估.结果表明斯特杰斯(Sturges)法分组效果较好,划分聚类法分组质量较高,模糊频数统计能在一定程度上改善频数统计的效果.     

山西翅果油天然群体果实类型的划分

以山西南部4个翅果油种源区的野生翅果油果实和种子为材料,以果长、果宽、种长、种宽为指标对翅果油进行了聚类和判别分析,对翅果油大宫灯、小宫灯和长果型进行了初步的类型划分,并建立了翅果油各个果型的判别函数。结果表明：分类后果型内部差异较小,果型间差异较大,分类效果显著;聚类分析后,以果长、果宽、种长、种宽为指标进行判别分析,得出3种果型的判别系数。根据判别系数建立3种果型的判别函数：Y长果型=7817x1+7059x2+15949x3 +1028x4-356719;Y大宫灯=7563x1+7703x2+13544x3+10327x4 -324752;Y小宫灯=5728x1+ 6787x2+12564x3+9606x4-250641。判别回代正确率达984 %,能较好地判别果型的类别。     

一种大规模流式数据聚类方法在交通热点分析中的应用

为了提高在大规模流式数据环境下交通热点区域分析的算法效率,提出了一种流式数据两阶段方法;该方法在第一阶段使用基于改进Canopy算法进行粗聚类并产生宏簇,在第二阶段使用K-means算法进行细聚类;并以粗聚类产生的宏簇个数和类簇中心位置为指导产生更加准确的微簇聚类结果。在试验中,使用流式数据两阶段方法对北京市出租车的定位数据进行了聚类分析;并结合热力图和电子地图对聚类结果进行可视化表达,在最终的热力分析结果中可以直观地发现出租车活动较为频繁的热点区域和线路,且与日常出行经验相符合。试验结果表明该算法能够实时地对流式数据进行聚类分析,产生的数据结果可供用户在任意时间窗口范围进行查询分析,有助于为交通活动情况实时分析、交通规划和拥堵治理等方面提供有价值的理论参考依据。     

基于自适应权重的面板数据聚类方法

基于二维信息的传统聚类方法并不适用于处理面板数据, 在考察面板数据多重信息特征的基础上, 基于面板数据的"绝对指标", "增量指标"及"波动指标", 重构了面板数据相似性测度的距离函数和Ward聚类算法, 提出了面板数据自适应权重聚类方法. 所提供的算法既可退化为传统的绝对量距离聚类方法, 亦可对面板数据的未来所属类别进行聚类预测. 最后, 实例显示此方法兼具有效性和灵活性.     

复杂产品多故障诊断中的核模糊聚类方法

多故障作为标准单故障的组合, 很多文献对多故障的诊断都提出行之有效的解决策略, 但却忽视单故障模式之间的相互关系, 而影响到多故障诊断效率, 尤其对于故障繁多的复杂产品. 为了克服该缺点, 引入KFCM-F算法和核化聚类有效性指标KV_K, 提出两阶段聚类框架, 数据仿真试验证明该框架能有效发现单故障之间的潜在关系, 从而达到压缩故障模式以期提高诊断效率的目的.     

Q聚类分析在分类指导型教学中的应用

阐述了聚类分析的原理和方法，通过关于学生能力倾向分析的一个具体实例，在教学过程的“学习者分析”中引入Q型聚类分析，并对聚类分析方法使用过程中需要注意的一些问题进行了讨论。