一种基于能量和密度的低功耗自适应集簇分层协议的优化

根据经典的低功耗自适应集簇分层(LEACH)协议,提出了一种新型的簇首节点选择机制,通过加权思想综合考虑了节点的剩余能量和密度参数来优化簇首节点的选择,权衡簇首节点负载均衡和网络生存时间之间的关系,以得到较为理想的加权因子.仿真结果表明:在仿真区域面积为100 m×100 m、节点数目为100的条件下,相比于LEACH算法,该算法将第一个节点的死亡时间延长了19.6%,并且500轮后,网络中的剩余节点数是LEACH算法的5倍多,改善了节点能耗,有效提高了整个网络的生命周期.     

基于灰色聚类分析的软件项目绩效模糊评价模型

针对软件项目绩效评估过程中存在的问题,研究了一种基于灰色聚类分析的软件项目绩效模糊评价模型.首先分析软件项目绩效评估指标选取原则,建立软件项目绩效评估指标体系;其次建立基于熵权法的软件项目绩效评估指标权重分配模型;然后针对软件项目绩效评估情况,划分软件项目绩效评估级别,建立不同软件项目绩效评估级别的灰色聚类白化权函数,进而建立软件项目绩效评估的灰色聚类分析模型,给出相应模型的实现算法;最后结合算例对文中的模型和算法进行验证分析,说明模型与算法的可行性.     

基于KPCA和模糊核Fisher判别的语音情感识别

针对语音情感识别率不高和实时性差的问题,提出一种基于KPCA核主成分空间的模糊KFD算法,应用于语音情感识别。首先采用KPCA对语音情感特征向量降维去噪,根据转换矩阵得到核主成分空间,然后在该特征空间利用模糊C均值聚类计算语音特征向量的隶属度,进而对LDA算法中的类间离散度和类内离散度重新定义,生成模糊KFD分类器进行语音情感识别。仿真实验结果表明,提出的方法相比于传统SVM和核Fisher判别算法具有较高的识别率和良好的抗噪性能,是一种行之有效的语音情感识别新方法。     

基于SACO算法的碎纸片拼接复原模型

破碎文件的拼接在司法物证复原、历史文献修复以及军事情报获取等领域都有着重要的应用．文章基于灰度图像原理和欧氏几何理论,定义了列约束匹配准则,分别设计了基于列约束匹配准则的欧氏距离变换算法、类蚁群优化算法SACO,建立了欧氏距离变换模型、类蚁群优化算法的碎片拼接等模型,对碎纸片的拼接复原问题进行了相应的求解．     

城市垃圾收集车辆弧路径问题研究

考虑部分街道单行及转向限制等状况,采用带有转向禁忌条件的垃圾收集车辆弧路径问题模型对城市垃圾收远路线进行优化．通过建立将其转换为对应的点路径问题的求解模型以减少问题规模,并利用一种聚类蚁群算法对该问题进行求解．优化实例结果表明：有、无转向约束的路线优化后,总路程分别减少了89984．96m和92330．04m,分别节约了31．1％和31．9％,优化效果明显;优化后减少了需求车辆数,降低了车辆使用成本和人员雇佣成本．     

求解服务选取问题的混合蚁群优化算法

为解决大规模服务选取问题,提出了一种混合蚁群优化(HACO)算法.该算法先采用动态skyline服务查询过程过滤抽象服务类相关的冗余候选服务,以大力缩减空间提高查找效率,然后利用聚类设计动态构造图来引导蚂蚁的搜索方向,从而确定局部服务选取的搜索区域;基于已经确定的局部服务选取的搜索区域,利用启发式策略选取具体的组合服务.采用标准的真实数据集和综合产生的数据集对所提的方法进行试验评估,以及和最近提出的相关组合服务算法进行对比.实验结果在解的质量和处理时间方面效果显著.     

室内定位中K-means聚类算法奇异值的优化处理

针对室内定位聚类算法中的奇异值出现较多的场景,按照以往聚类算法大多将其删除或替代为聚类平均值,这往往使得奇异值附近的定位误差陡增。研究采集阶段接入点(acess point,AP)端加入嵌入式滤波处理单元,采用格拉布斯(Grubbs)准则处理采集的信号以减少检测奇异值;然后在定位运算中改进了K-means聚类算法。首先根据模型函数鉴别运算中产生的奇异值,将奇异值线性化处理后由支持向量机(sport vector machine,SVM)对于奇异点进行分类;再将其进行K-means聚类划分。在不剔除奇异值的情况下,使得定位区域中的参考点合理利用,从而提高了整体累计误差的置信水平。研究中将剔除奇异值的K-means聚类算法作为比较对象,实验中采用美国Signal Hound公司的SA44B型频谱仪测量接收机组成传感器网络,可以使得K-means聚类算法的定位精度提高11.3%,证明在实际定位应用中是很有效的。     

基于用户兴趣域的混合数据聚类标签算法

数据聚类标签技术是在小规模样本上进行聚类,然后利用聚类结果对其余样本标注类别的方法是提高大规模数据聚类效率的一种有效途径.混合数据是现实应用中最广泛的数据类型,文章将用户兴趣数据作为小规模数据,利用K-prototypes算法对其聚类,在此基础上构建用户兴趣域.利用拟标签数据的各属性值与用户兴趣域分量的关系定义了数据关于用户兴趣域隶属度.基于用户兴趣域和"数据-用户兴趣域"隶属度的概念,提出了一种基于用户兴趣混合数据聚类标签算法UIMCL(User’s Interest Mixed Data Clustering Label).该算法克服了以往数据标签算法只能为拟标记数据指派一个类标签的局限性,可以应用于电子商务的推荐服务和用户行为分析.实验结果表明,该算法对混合数据聚类标签处理有较好的效果.     

基于概率与推断的社交网络聚类技术研究

本文将位置敏感哈希算法（LSH）应用于图聚类,提出了概率化的图聚类法（PGC）。利用LSH技术比较图中各结点邻居集的相似度,并结合贝叶斯统计推断进行验证,在线性时间内找到图中最紧密的、非精确聚类。测试结果表明,随着图尺寸的增大PGC扩展性更强,在现实世界数据集上PGC比PageRank Cluster 聚类速度快约1倍,是一种有效的解决方案。     

一种基于衰减-时延聚类估计的欠定语音盲分离算法

针对衰减-时延混合模型,提出一种改进的欠定语音盲分离算法.第一步根据独立语音源在时频域上的稀疏性,用势函数法分别聚类估计衰减矩阵和时延矩阵,然后配对以确定各声源混合矩阵.第二步由估计的混合矩阵,采用改进最短路径法恢复出目标语音.为了减少计算量,设置门限对能量较小的时频点直接置零处理,在衰减矩阵和时延矩阵聚类估计时采用了分段聚类算法.仿真实验表明本文算法分离出的语音和源语音相似系数达0.96,0.97,0.93,信噪比达12.66dB,12.86dB,8.87dB,且有效减少了计算量,证明了该算法的可行性和有效性.