期刊文献+
共找到188篇文章
< 1 2 10 >
每页显示 20 50 100
新型火焰颜色空间——IFCS 预览
1
作者 冯建新 李慧 刘治国 《计算机工程与应用》 CSCD 北大核心 2019年第5期203-210,264共9页
针对火焰识别颜色空间模型FCS带来的错判率高问题,基于混沌理论和k-medoids的粒子群算法,提出了一种改进的火焰识别颜色空间-IFCS。利用IFCS颜色空间进行火焰识别,可以在保证计算的简单快捷的同时,相对FCS更加突出火焰/非火焰像素颜色... 针对火焰识别颜色空间模型FCS带来的错判率高问题,基于混沌理论和k-medoids的粒子群算法,提出了一种改进的火焰识别颜色空间-IFCS。利用IFCS颜色空间进行火焰识别,可以在保证计算的简单快捷的同时,相对FCS更加突出火焰/非火焰像素颜色属性差异特性。采用混沌序列初始化粒子、自适应调整惯性权重、动态非线性调整学习因子、混沌搜索跳出局部最优等方法,得到了IFCS火焰识别颜色空间;进一步,在IFCS火焰颜色空间中通过经典Otsu阈值方法得到二值图像,建立了基于IFCS和Otsu的火焰识别算法-IOFR算法。实验结果表明:IOFR算法有效降低了当前基于FCS颜色空间火焰识别算法的火焰错判率. 展开更多
关键词 火焰识别 火焰颜色空间 粒子群算法 混沌 k-medoids
在线阅读 下载PDF
基于全覆盖粒计算的K-medoids文本聚类算法 预览
2
作者 邹雪君 谢珺 +1 位作者 任密蜂 续欣莹 《现代电子技术》 北大核心 2019年第7期162-166,共5页
传统K-medoids聚类算法随机选取初始聚类中心,存在迭代次数增加、聚类结果波动较大的问题,因此提出基于全覆盖粒计算的K-medoids文本聚类算法。该算法定义了全覆盖平均粒度重要性的概念。首先对文本进行Single-Pass粗聚类,利用全覆盖粒... 传统K-medoids聚类算法随机选取初始聚类中心,存在迭代次数增加、聚类结果波动较大的问题,因此提出基于全覆盖粒计算的K-medoids文本聚类算法。该算法定义了全覆盖平均粒度重要性的概念。首先对文本进行Single-Pass粗聚类,利用全覆盖粒度重要性和平均粒度重要性从粗聚类结果中产生初始聚类中心候选集,再基于密度和最大最小距离法则从候选集中选出初始聚类中心。通过实验验证,该算法的聚类迭代次数明显减小,聚类质量明显提高。 展开更多
关键词 文本聚类 K-medoids 全覆盖粒计算 Single-Pass 聚类中心 最大最小距离 密度
在线阅读 下载PDF
改进的电力负荷曲线集成K-medoids聚类算法 预览
3
作者 王华勇 韩松 +1 位作者 肖孝天 杨超 《电力科学与工程》 2019年第2期38-43,共6页
电力负荷曲线聚类是配用电大数据挖掘的基础。针对常规K-medoids聚类算法的不足,利用CH指标和启发式方法对常规K-medoids聚类算法进行了改进,实验结果表明,改进的K-medoids聚类算法具有更高的聚类有效性,克服了传统K-medoids聚类算法由... 电力负荷曲线聚类是配用电大数据挖掘的基础。针对常规K-medoids聚类算法的不足,利用CH指标和启发式方法对常规K-medoids聚类算法进行了改进,实验结果表明,改进的K-medoids聚类算法具有更高的聚类有效性,克服了传统K-medoids聚类算法由用户指定簇族数和随机选取初始质心的问题。为方便分析对22个典型用户年负荷曲线进行归一化处理,并分别采用行业性质、常规K-medoids聚类算法和改进K-medoids聚类算法对经过归一化处理的22个典型用户年负荷曲线进行分类,实验结果表明,根据年负荷曲线特性对负荷曲线进行分类相较于按行业性质对负荷曲线进行分类有更好的效果,而且改进K-medoids聚类算法相较于常规K-medoids聚类算法,能够更客观、准确地对负荷曲线进行有效分类,改进K-medoids聚类算法在电力负荷大数据挖掘具有良好的应用前景。 展开更多
关键词 电力大数据 负荷曲线 聚类分析 聚类有效性 K-medoids
在线阅读 下载PDF
改进的聚类算法在入侵检测系统中的应用 预览
4
作者 邢瑞康 李成海 《火力与指挥控制》 CSCD 北大核心 2019年第2期124-128,共5页
K-中心点聚类算法是几种经典的聚类算法之一。但传统的K-中心点聚类算法的效率以及稳定性较低,聚类的过程缓慢,容易陷入局部最优解,使得聚类最终结果的准确性不能得到保证。为此,提出了一种基于数据的“密度”信息有效地改进K-中心点聚... K-中心点聚类算法是几种经典的聚类算法之一。但传统的K-中心点聚类算法的效率以及稳定性较低,聚类的过程缓慢,容易陷入局部最优解,使得聚类最终结果的准确性不能得到保证。为此,提出了一种基于数据的“密度”信息有效地改进K-中心点聚类算法并应用于入侵检测模型。该算法很好地克服了传统的K-中心点聚类算法过分依赖初始中心点选择的弊端,并且用实验分别验证,以这种方法来进行数据的聚类相比于传统的K-中心点聚类算法,显著提高了数据集聚类的效果,在入侵检测系统的应用中也有效地提高了检测率和降低了误检率,具备一定的实用价值。 展开更多
关键词 聚类算法 入侵检测 密度信息 K-中心点
在线阅读 下载PDF
基于优化初始聚类中心的K中心点算法 预览
5
作者 段桂芹 邹臣嵩 刘锋 《计算机与现代化》 2019年第4期1-5,共5页
针对K中心点算法的初始聚类中心可能过于临近、代表性不足、稳定性差等问题,提出一种改进的K中心点算法。将样本集间的平均距离与样本间的平均距离的比值作为样本的密度参数,精简了高密度点集合中候选代表点的数量,采用最大距离乘积法... 针对K中心点算法的初始聚类中心可能过于临近、代表性不足、稳定性差等问题,提出一种改进的K中心点算法。将样本集间的平均距离与样本间的平均距离的比值作为样本的密度参数,精简了高密度点集合中候选代表点的数量,采用最大距离乘积法选择密度较大且距离较远的K个样本作为初始聚类中心,兼顾聚类中心的代表性和分散性。在UCI数据集上的实验结果表明,与传统K中心点算法和其他2种改进聚类算法相比,新提出的算法不仅聚类结果更加准确,同时也具有更快的收敛速度和更高的稳定性。 展开更多
关键词 密度 初始聚类中心 K中心点 绝对误差
在线阅读 下载PDF
一种面向人群疏散的高效分组方法 预览
6
作者 张建新 刘弘 李焱 《计算机科学》 CSCD 北大核心 2019年第6期231-238,共8页
在人群疏散的过程中,个体会依据关系的亲密度产生分组现象,因此人群分组行为是人群疏散仿真中不可忽略的因素。家人、朋友、同事等会根据亲密度形成分组,在疏散过程中同组人群会聚集成簇。聚类分组时常用的k-mediods聚类算法对噪声敏感... 在人群疏散的过程中,个体会依据关系的亲密度产生分组现象,因此人群分组行为是人群疏散仿真中不可忽略的因素。家人、朋友、同事等会根据亲密度形成分组,在疏散过程中同组人群会聚集成簇。聚类分组时常用的k-mediods聚类算法对噪声敏感,容易陷入局部最优,只能发现球状簇,且对初始聚类中心点的选择敏感,在聚类准确度上不尽人意。而DBSCAN算法具有抗噪声能力强、可发现任意形状的簇、无须指定初始聚类中心等优点,但只能识别密度相近的簇。对此,文中提出了折半DBSCAN聚类算法。该算法首先对关系数据进行二分划分,将有关系的数据划分到一个网格中,然后根据每个网格的人群密度决定聚类半径ε,最后对每个网格进行DBSCAN聚类,因此该算法可识别密度不同的簇。人群聚类分组后,在加入同组内个体吸引力的社会力模型中驱动个体运动,并模拟关系密切程度对聚集程度的影响。实验结果表明,在考虑了现实生活中有关系的人群空间分布状况下,所提方法具有较高的聚类精度,可真实地再现现实场景中的人群疏散情况,可作为紧急情况下预测人群疏散时间和疏散状况的重要工具。 展开更多
关键词 聚类算法 k-mediods DBSCAN聚类 二分划分 人群疏散仿真
在线阅读 免费下载
UWSNs节点运动模型及预测定位 预览
7
作者 刘丽萍 陈梦 晋泽炎 《哈尔滨工业大学学报》 CSCD 北大核心 2018年第9期156-163,共8页
为提高水下无线传感器网络(UWSNs)中动态节点的定位精度,降低通信能耗,提出采用节点的运动模型实现预测定位.考虑到近海监控网络中,潮汐运动是海水运动的主要成因,以粗略的近海潮汐运动模型为基础,以高斯径向基函数作为空间基函数构造... 为提高水下无线传感器网络(UWSNs)中动态节点的定位精度,降低通信能耗,提出采用节点的运动模型实现预测定位.考虑到近海监控网络中,潮汐运动是海水运动的主要成因,以粗略的近海潮汐运动模型为基础,以高斯径向基函数作为空间基函数构造节点的运动模型;利用K-medoids方法对模型中的高斯径向基函数中心进行聚类优化;提出了采用扩展卡尔曼滤波的方法实现模型系数的估计.考虑到普通节点与锚节点运动的空间相关性,设计了与到锚节点的距离相关的权重系数,以锚节点的运动模型系数估计普通节点运动模型中的系数,进而完成自身定位.对东经117.25°—132.2°,北纬24°—43.45°海域UWSNs的节点定位性能进行仿真分析,结果表明:所提出的节点预测定位方法的定位性能较高,定位覆盖度和定位精度高于SLMP方法和MP-PSO方法,平均通信能耗低于SLMP方法和MP-PSO方法.所提出的节点预测定位方法适用于大规模水下动态无线传感器网络定位. 展开更多
关键词 水下无线传感器网络 节点运动模型 K-medoids 扩展卡尔曼 预测定位
在线阅读 免费下载
基于聚类的重复数据去冗算法的研究 预览 被引量:1
8
作者 刘赛 聂庆节 +2 位作者 刘军 王超 李静 《计算机技术与发展》 2018年第2期125-129,共5页
数据的损坏和丢失会带来无法弥补的损失,数据备份系统可以将损失降到最低程度.随着收集的数据量的迅速增加,备份系统需要备份与恢复的数据也迅速增加,然而备份文件之间的相似度超过60%,全部存储在硬盘上十分浪费存储空间,故提出了一种基... 数据的损坏和丢失会带来无法弥补的损失,数据备份系统可以将损失降到最低程度.随着收集的数据量的迅速增加,备份系统需要备份与恢复的数据也迅速增加,然而备份文件之间的相似度超过60%,全部存储在硬盘上十分浪费存储空间,故提出了一种基于K-medoids聚类的DELTA压缩方法,用来去除备份数据中的重复数据.该方法首先对文件进行切割分块,通过对文件块进行两两DELTA压缩,得出各自压缩文件的大小,作为两个文件块之间的相似度.通过得到的相似度进行K-medoids聚类,作为DELTA压缩前的预处理步骤.然后根据K-medoids的聚类结果,合并小文件块之后再进行DELTA压缩.测试结果表明,该方法提高了压缩率,并减少了DELTA压缩中查找指纹的次数,降低了压缩时间. 展开更多
关键词 DELTA压缩 数据压缩 聚类 K-medoids
在线阅读 下载PDF
基于K中心点聚类分析的大地电磁阻抗识别 预览
9
作者 赵玄 严家斌 +1 位作者 皇祥宇 胡涛 《地球科学与环境学报》 CAS 北大核心 2018年第6期779-786,共8页
在大地电磁场复杂的观测环境中,信号会受到不同类型或程度的噪声干扰。传统阻抗估计或提取方法(如功率谱法、Robust法等)难以获得稳定的阻抗值。利用大地电磁阻抗的实虚分量特性,受噪声干扰小的信号阻抗分布集中,受噪声干扰严重的... 在大地电磁场复杂的观测环境中,信号会受到不同类型或程度的噪声干扰。传统阻抗估计或提取方法(如功率谱法、Robust法等)难以获得稳定的阻抗值。利用大地电磁阻抗的实虚分量特性,受噪声干扰小的信号阻抗分布集中,受噪声干扰严重的信号阻抗分布散乱。引入K中心点聚类分析对阻抗进行提取与识别,并利用阻抗欧氏距离来描述阻抗间的相似性,依据相似性把受干扰小的信号阻抗划分到一类,受干扰大的信号阻抗划分到不同的类。依据相干度准则和紧凑性准则等类的选取准则,甄别出干扰环境中阻抗所在的最佳类。通过仿真实验和实例分析,验证了K中心点聚类分析能在噪声环境中识别出高质量的信号,恢复出真实阻抗值。 展开更多
关键词 阻抗估计 实虚分量 聚类分析 K中心点 阻抗欧氏距离 相干度 紧凑性 数值模拟
在线阅读 下载PDF
Selecting near-native protein structures from ab initio models using ensemble clustering
10
作者 Li Li Huanqian Yan Yonggang Lu 《中国电气与电子工程前沿:英文版》 CSCD 2018年第4期307-312,共6页
Ab initio protein structure prediction is to predict the tertiary structure of a protein from its amino acid sequence alone.As an important topic in bioinformatics,considerable efforts have been made on designing the ... Ab initio protein structure prediction is to predict the tertiary structure of a protein from its amino acid sequence alone.As an important topic in bioinformatics,considerable efforts have been made on designing the ab initio methods.Unfortunately,lacking of a perfect energy function,it is a difficult task to select a good near-native structure from the predicted decoy structures in the last step. Methods:Here we propose an ensemble clustering method based on k-medoids to deal with this problem.The kmedoids method is run many times to generate clustering ensembles,and then a voting method is used to combine the clustering results.A confidence score is defined to select the final near-native model,considering both the cluster size and the cluster similarity. Results:We have applied the method to 54 single-domain targets in CASP-11.For about 70.4%of these targets,the proposed method can select better near-native structures compared to the SPICKER method used by the I-TASSER server. Conclusions:The experiments show that,the proposed method is effective in selecting the near-native structure from decoy sets for different targets in terms of the similarity between the selected structure and the native structure. 展开更多
关键词 near-native STRUCTURE protein STRUCTURE prediction ab initio decoy ENSEMBLE CLUSTERING k-medoids
耦合卡尔曼滤波和多层次聚类的中国PM2.5时空分布分析 被引量:3
11
作者 刘鹏华 姚尧 +3 位作者 梁昊 梁兆堂 张亚涛 王昊松 《地球信息科学学报》 CSCD 北大核心 2017年第4期475-485,共11页
近年来,细颗粒物污染尤其是PM2.5受到人们越来越多的关注,研究PM2.5的时空分布规律也具有越来越重大的意义。传统的遥感反演方法模型复杂,且不能揭示近地表面的PM2.5分布规律。地面监测站的建设为PM2.5的研究提供了更实时的观测数据,但... 近年来,细颗粒物污染尤其是PM2.5受到人们越来越多的关注,研究PM2.5的时空分布规律也具有越来越重大的意义。传统的遥感反演方法模型复杂,且不能揭示近地表面的PM2.5分布规律。地面监测站的建设为PM2.5的研究提供了更实时的观测数据,但由于测量噪声的影响,观测数据存在不准确的极端异常值。为了揭示中国PM2.5的时空分布特征,本研究采用Kalman滤波对2015年中国338个城市的空气质量监测网络大数据进行最佳估计,并分析其时空特征。同时,根据中国各城市的PM2.5浓度的时序分布,采用基于DTW的K-Medoids聚类方法将其分为4个等级,并采用q统计量来评估PM2.5浓度分布的空间分层异质性。结果表明,采用Kalman滤波能有效去除数据噪声,峰值信噪比(PSNR)明显增大。在时空分布上,中国PM2.5时间分布曲线呈现"U"形,冬季PM2.5浓度明显高于夏季,且日变化曲线呈现"W"形;秋冬季PM2.5浓度的空间分层异质性非常显著,且空间分布呈现"双核分布",重污染区主要分布在华北平原、新疆等地,西藏、广东、云南等地是稳定的空气质量优良区。 展开更多
关键词 PM2.5 大数据 卡尔曼滤波 时空分析 K-Medoids
半径自适应的初始中心点选择K-medoids聚类算法 预览 被引量:2
12
作者 王勇 王李福 +1 位作者 饶勤菲 邹辉 《重庆理工大学学报:自然科学版》 2017年第2期95-101,共7页
针对K-medoids(K为中心点)聚类算法对初始聚类中心敏感、聚类结果依赖于初始聚类中心的缺陷,提出一种新的半径自适应的初始中心点选择算法。该算法在每次迭代过程中都重新根据剩余样本点的分布特征计算半径,从而实现动态计算相应样本... 针对K-medoids(K为中心点)聚类算法对初始聚类中心敏感、聚类结果依赖于初始聚类中心的缺陷,提出一种新的半径自适应的初始中心点选择算法。该算法在每次迭代过程中都重新根据剩余样本点的分布特征计算半径,从而实现动态计算相应样本点的局部方差和领域半径,选取较优的初始聚类中心点,实现良好的聚类效果。采用不同规模的UCI数据集和不同比例随机点的模拟数据集进行测试,利用5个通用的聚类评价指标对性能进行评价。结果表明:本算法性能较同类算法有明显提高。 展开更多
关键词 局部方差 初始聚类中心 聚类 K-medoids 自适应
在线阅读 免费下载
一种MapReduce架构下基于遗传算法的K-Medoids聚类 预览 被引量:4
13
作者 赖向阳 宫秀军 韩来明 《计算机科学》 CSCD 北大核心 2017年第3期23-26,58共5页
由互联网时代快速发展而产生的海量数据给传统聚类方法带来了巨大挑战,如何改进聚类算法从而获取有效信息成为当前的研究热点。K-Medoids是一种常见的基于划分的聚类算法,其优点是可以有效处理孤立、噪声点,但面临着初始中心敏感、容易... 由互联网时代快速发展而产生的海量数据给传统聚类方法带来了巨大挑战,如何改进聚类算法从而获取有效信息成为当前的研究热点。K-Medoids是一种常见的基于划分的聚类算法,其优点是可以有效处理孤立、噪声点,但面临着初始中心敏感、容易陷入局部最优值、处理大数据时的CPU和内存瓶颈等问题。为解决上述问题,提出了一种MapReduce架构下基于遗传算法的K-Medoids聚类。利用遗传算法的种群进化特点改进K-Medoids算法的初始中心敏感的问题,在此基础上,利用MapReduce并行遗传K-Medoids算法提高算法效率。通过带标签的数据集进行实验的结果表明,运行在Hadoop集群上的基于MapReduce和遗传算法的K-Medoids算法能有效提高聚类的质量和效率。 展开更多
关键词 海量数据 K-Medoids MAPREDUCE 遗传算法 聚类效率
在线阅读 免费下载
基于K-medoids聚类分析的多相流相态辨识方法研究 预览
14
作者 赵鸣 韩连福 +3 位作者 刘兴斌 孙长勇 胡实 王延军 《天津理工大学学报》 2017年第6期55-59,64共6页
为提高体积法测量多相流参数的准确性,提出了一种基于K-medoids聚类分析的多相流相态辨识方法研究.分析K-medoids算法,研究多相流相态特征,建立可除掉脏数据影响的K-medoids多相流相态识别模型,有效提高多相流各组分分相流量测量的准确... 为提高体积法测量多相流参数的准确性,提出了一种基于K-medoids聚类分析的多相流相态辨识方法研究.分析K-medoids算法,研究多相流相态特征,建立可除掉脏数据影响的K-medoids多相流相态识别模型,有效提高多相流各组分分相流量测量的准确性,并进行了实验验证.实验结果表明,该多相流相态识别模型能克服脏数据,有效提高多相流各组分分相流量测量的准确性,可提高多相流测量精度0.054 m^3/d.采用该模型可准确识别多相流相态,提高多相流参数测量的准确性,从而为测井提供可靠的流速和相持率数据. 展开更多
关键词 K-medoids 聚类 界面判别 多相流
在线阅读 下载PDF
GPU加速的改进PAM聚类算法研究与应用 被引量:1
15
作者 周恩波 毛善君 +1 位作者 李梅 孙振明 《地球信息科学学报》 CSCD 北大核心 2017年第6期782-791,共10页
空间聚类是空间数据挖掘的重要方法,而K-Medoids是一种常用的空间聚类算法。K-Medoids聚类算法存在初始点选择问题,而且计算复杂。为了提高算法的有效性和时间效率,本文结合模拟退火算法思想,改进了传统的K-Medoids算法PAM,提出一种基于... 空间聚类是空间数据挖掘的重要方法,而K-Medoids是一种常用的空间聚类算法。K-Medoids聚类算法存在初始点选择问题,而且计算复杂。为了提高算法的有效性和时间效率,本文结合模拟退火算法思想,改进了传统的K-Medoids算法PAM,提出一种基于GPU计算的并行模拟退火PAM算法。类比矩阵乘法运算,定义了一种新的矩阵计算方法,可以有效减少数据在GPU全局内存和共享内存之间的传输,提高了算法在GPU中的执行效率。利用模拟退火算法搜索聚类中心点,保证了聚类结果的全局最优性。基于不同的数据集,将串行和并行模拟退火PAM算法以及已有的遗传PAM算法进行比较,结果表明并行模拟退火PAM算法聚类结果正确,且时间效率高。最后,应用本文改进算法对贵州省安监系统的安全监管隐患数据进行聚类分析,发现了隐患聚集中心,相关结果对政府的决策具有一定的实际应用价值。 展开更多
关键词 K-Medoids 模拟退火 GPU 并行计算 空间聚类分析
面向LBSN的k-medoids聚类算法 预览
16
作者 罗维佳 乔少杰 +3 位作者 韩楠 元昌安 闭应洲 舒红平 《中国科学技术大学学报》 CAS CSCD 北大核心 2017年第1期70-79,共10页
常用的聚类算法存在诸多不足,为此提出了一种基于初始半径r的k-medoids改进算法,主要针对LBSN中的位置数据进行聚类,改善初始聚类中心敏感对聚类结果的影响,其本质是基于密度聚类,不同之处在于k值的选取是依赖于半径r.通过大量真实签到... 常用的聚类算法存在诸多不足,为此提出了一种基于初始半径r的k-medoids改进算法,主要针对LBSN中的位置数据进行聚类,改善初始聚类中心敏感对聚类结果的影响,其本质是基于密度聚类,不同之处在于k值的选取是依赖于半径r.通过大量真实签到数据集进行实验,结果显示本文算法聚类结果更稳定.本文算法在基于位置的社交网络应用中获得更好的聚类效果和更快的收敛速度.实验中将距离平方和作为准则函数进行对比,相对于传统k-medoids算法优势明显,对退化的k-medoids算法也能够缩小1.2%到2%. 展开更多
关键词 社交网络 密度聚类 k-medoids 签到数据 距离相似度
在线阅读 免费下载
基于距离不等式的K-medoids聚类算法 预览 被引量:1
17
作者 余冬华 郭茂祖 +3 位作者 刘扬 任世军 刘晓燕 刘国军 《软件学报》 CSCD 北大核心 2017年第12期3115-3128,共14页
研究加速K-medoids聚类算法,首先以PAM(partitioning around medoids)、TPAM(triangular inequality elimination criteria PAM)算法为基础给出两个加速引理,并基于中心点之间距离不等式提出两个新加速定理.同时,以O(n+K-2)额外... 研究加速K-medoids聚类算法,首先以PAM(partitioning around medoids)、TPAM(triangular inequality elimination criteria PAM)算法为基础给出两个加速引理,并基于中心点之间距离不等式提出两个新加速定理.同时,以O(n+K-2)额外内存空间开销辅助引理、定理的结合而提出加速SPAM(speed up PAM)聚类算法,使得K-medoids聚类算法复杂度由O(K(n-K)^2)降低至O((n-K)^2).在实际及人工模拟数据集上的实验结果表明:相对于PAM,TPAM,FKMEDOIDS(fast K-medoids)等参考算法均有改进,运行时间比PAM至少提升0.828倍. 展开更多
关键词 数据挖掘 聚类算法 K-medoids 距离不等式
在线阅读 下载PDF
基于聚类和随机参考分类器的对海雷达目标识别算法 预览
18
作者 范学满 胡生亮 贺静波 《模式识别与人工智能》 CSCD 北大核心 2017年第11期983-994,共12页
为了进一步提高复杂干扰环境下对海雷达目标识别的泛化能力,提出基于k-medoids聚类和随机参考分类器(RRC)的动态选择集成算法(KMRRC).主要利用重采样技术生成多个基分类器,然后基于成对多样性度量准则将基分类器划分为多个簇,... 为了进一步提高复杂干扰环境下对海雷达目标识别的泛化能力,提出基于k-medoids聚类和随机参考分类器(RRC)的动态选择集成算法(KMRRC).主要利用重采样技术生成多个基分类器,然后基于成对多样性度量准则将基分类器划分为多个簇,并基于校验数据集为每个基分类器构建相应的RRC模型,最后利用RRC从各个簇中动态选择竞争力最强的部分基分类器进行集成决策.通过寻优实验确定KMRRC的参数设置,随后利用Java调用WekaAPI在自建的目标全极化高分辨距离像(HRRP)样本库及17个UCI数据集上进行KMRRC与常用的9种集成算法和基分类算法的对比实验,并进一步研究多样性度量方法的选取对KMRRC性能的影响.实验验证文中算法在对海雷达目标识别领域的有效性. 展开更多
关键词 k-medoids 随机参考分类器 动态集成选择 目标识别
在线阅读 下载PDF
折半聚类算法在基于社会力的人群疏散仿真中的应用 预览 被引量:3
19
作者 李焱 刘弘 郑向伟 《计算机应用》 CSCD 北大核心 2017年第5期1491-1495,1511共6页
运用社会力模型(SFM)模拟人群疏散之前,需要先对人群进行聚类分组;然而,k中心聚类(k-medoids)和统计信息网格聚类(STING)这两大传统聚类算法,在聚类效率和准确率上都不能满足要求。针对这个问题,提出了折半聚类算法(BCA)。该算... 运用社会力模型(SFM)模拟人群疏散之前,需要先对人群进行聚类分组;然而,k中心聚类(k-medoids)和统计信息网格聚类(STING)这两大传统聚类算法,在聚类效率和准确率上都不能满足要求。针对这个问题,提出了折半聚类算法(BCA)。该算法结合了围绕中心点聚类和基于网格聚类两类方式,并利用二分法查找思想划分网格,不需要反复聚类。先将数据用二分法划分成网格,再根据网格内数据密度选出核心网格,接着以核心网格为中心将邻居网格聚类,最后按就近原则归并剩余网格。实验结果表明,在聚类时间上,BCA平均仅是STING算法的48.3%,不到k-medoids算法的14%;而在聚类准确率上,k-medoids算法平均仅是BCA的50%,STING算法平均也只是BCA的88%。因此,BCA无论在效率还是准确率上都明显优于STING和k-medoids算法。 展开更多
关键词 聚类算法 统计信息网格 k中心聚类 人群疏散仿真 社会力模型
在线阅读 下载PDF
xk-split:基于k-medoids的分裂式聚类算法 预览
20
作者 陈逸斐 虞慧群 《华东理工大学学报:自然科学版》 CSCD 北大核心 2017年第6期849-854,862共7页
近年来互联网数据规模呈爆炸式增长,如何对大数据进行分析已成为热门话题。然而,采集的数据很难直接用于分析,需要进行一定程度的预处理,以提高大数据质量。通过使用分裂式的迭代过程,可以逐步将数据集分裂为子集,避免了传统聚类算法聚... 近年来互联网数据规模呈爆炸式增长,如何对大数据进行分析已成为热门话题。然而,采集的数据很难直接用于分析,需要进行一定程度的预处理,以提高大数据质量。通过使用分裂式的迭代过程,可以逐步将数据集分裂为子集,避免了传统聚类算法聚类开始时需要确定集群数的限制,并降低了算法的时间复杂度。此外,通过基于阈值的噪声数据过滤,可以在迭代过程中剔除噪音数据,提升了聚类算法对脏数据的忍耐力。 展开更多
关键词 数据挖掘 聚类 K-MEANS k-medoids 分裂
在线阅读 下载PDF
上一页 1 2 10 下一页 到第
使用帮助 返回顶部 意见反馈