基于混合遗传聚类的Web日志挖掘

通过对Web日志文件进行分析，提出了一种用混合遗传聚类对Web用户的行为进行分析的方法,混合遗传聚类是标准遗传算法和K-中心点算法的有机结合．实验证明，该方法是一个具有全局最优解的聚类方法，其结果明显优于标准遗传聚类方法．该算法能够有效地剔除噪音，得到很好的用户聚类和页面聚类的结果，为网站的管理者设计个性化的商务网站提供了有效的决策依据．     

数字油画制作中的加速k均值颜色聚类算法

提出了一个数字油画制作中的加速k均值图像颜色聚类算法:AkMTI-CCI算法.该算法应用最远优先原则初始化聚类中心,消除了颜色聚类结果对初始中心的依赖性.利用三角不等式减少聚类过程中距离的计算量,提高了颜色聚类的速度.数值实验表明:AkMTI-CCI算法提高了颜色聚类的速度且改善了颜色聚类的效果.     

一种具有自适应参数的基于密度加权的粗糙K-均值算法

针对原始粗糙K-均值聚类算法采用固定权重和阈值的缺陷,提出一种改进的粗糙K-均值算法。改进的算法根据K-均值聚类算法的特点,在基于密度加权的K-means算法基础上,对固定经验权重和固定阈值这两种参数进行改进,提出了一种自适应参数方法。实验结果表明,该算法降低了迭代次数,聚类结果更为精确。     

基于自组织特征映射聚类算法的研究与应用

讨论了基于自组织特征映射网络聚类算法的基本原理，并给出了基于关系数据库的具体实现方法，通过对实例的具体测试，证明算法是有效的，并对算法的参数进行了讨论．     

基于RBF网络信道均衡器

在数字通信系统中为了克服信道畸变引起的码间干扰，在接收端必须采用信道均衡技术。在本文中，我们将RBF网络用作均衡器。采用最近邻聚类和直接判决算法来调整隐藏层中心，然后再用LMS算法调整输出层的系数。该算法可以实现在线学习，根据相应的准则增加，删除隐藏层节点。算法事先不必确定隐藏层的节点个数。模拟结果显示，RBF网络均衡器能够正确地将信号从有噪信道中恢复出来，在计算机模拟仿真中其性能与理想贝叶斯均衡器相当。     

基于K-means算法的学生试卷成绩分析

目前在教学管理中,通常采用算术平均线性划分法对学生成绩进行分析评价,难以准确地反映学生真实的学习情况.笔者运用K-means算法对上海市某高级中学某班的一次试卷成绩进行聚类,并对聚类结果进行了详细分析,为制定有效的教学及学习策略提供相关依据.     

基于数据挖掘的复合聚类法

基于数据挖掘的方法,设计和实现了两种复合聚类的算法,并对图像特征库按此算法建立了索引结构,形成了图像的索引库,通过实验,结果显示聚类方法具有很大的应用潜力.     

基于字符纹理的车牌定位算法

提出了一种基于小波变换和均值聚类的实时车牌定位算法,根据车牌字符的纹理特征,在小波变换域中结合均值聚类自适应动态阈值取得字符信息,然后通过连通区域分析,结合车牌的宏观特征对车牌进行定位,试验证明,该算法准确率高,抗干扰性强。     

基于粗糙近似的Web事务聚类改进算法

针对现有Web使用记录挖掘方法发现的知识和规则存在不精确或不完全的问题,提出了一种改进的基于粗糙近似的Web事务聚类算法.该算法首先对原有算法得到的每个类,用关系矩阵找出在这个类中不满足传递性的对象,然后在该对象的集合(类)上用关系矩阵找出在这个类中不满足传递性的对象,再对每个类进行分割,使其满足关系R的传递性,克服了现有算法不满足关系的传递性和在某些情况下得到的结果不准确的缺点.     

一种基于 k-means 聚类和半监督学习的医学图像分割算法

医学图像分割是计算机视觉和图像处理领域近年来研究的热点问题之一。一种基于k-means聚类和半监督学习的医学图像分割新算法被提出。在k-means聚类模型中,相似度函数是关系到聚类效果好坏的关键因素。所使用的相似度函数通过基于side-information的半监督学习方法来确定;确定后的相似度函数又被运用回k-means聚类模型中来实现对医学图像的分割。为了检验该算法效果,脑部肿瘤患者的磁共振图像被运用在实验中。分析结果表明:该算法在本文所采用的实例中能获得优于传统算法的分割效果。     

基于时空老化模型的服务端瓦片缓存置换算法

随着网络地理信息服务（network geographic information service,NGIS）向云服务演进,客户端瓦片缓存架构的应用局限性逐渐体现。为提升瓦片服务的性能,在老化算法的基础上,综合分析了瓦片访问长短期流行度和瓦片大小特征,设计了基于时空老化模型的服务端瓦片缓存置换算法（server-side cache replacement algorithm based on spatiotemporal aging model for tiles,SSAT）,并利用谷歌全球底图瓦片和瓦片访问日志进行了仿真实验。结果表明,在不同缓存空间下,SSAT的缓存命中率均高于传统算法,缓存空间每增加1 MB,最多可以提高0.24%的请求命中率和0.23%的字节命中率;当缓存空间为500 MB时,SSAT能达到73%的请求命中率和76%的字节命中率,平均访问时长可缩短35%以上。SSAT能兼顾性能与资源消耗,具备高效性和扩展性。     

基于健康数据挖掘的智能养老床系统设计研究

为解决国内电动养老床功能单一、技术落后等问题,提出一种基于健康数据挖掘的智能养老床系统.首先通过非接触式生命体征传感器采集人体心跳和呼吸信号,压力传感器采集体重信号,基于无线模块将采集的生理参数发送给远程服务器.然后对比分类与聚类方法在心率、呼吸率数据挖掘中的效率,基于k-Means聚类实现健康数据挖掘算法.最后通过聚类算法多次迭代,优化系统参数.实验证明本文提出的基于健康数据挖掘的智能养老床系统不仅能很好地解决传统电动养老床功能单一、技术落后的问题,还能为后续健康护理等提供准确的健康数据保障.     

无线传感器网络中的一种分布式能量有效成簇算法

为了延长无线传感器网络的生存时间,需要设计适合无线传感器网络特点的能量有效的协议。成簇算法能够减少无线传感器网络的能量消耗,对增强网络的可扩展性和延长网络的生存时间有着重要的作用。现有的算法对多路衰退的链路并不十分能量有效,针对这些算法的不足,提出了一种基于     

一种基于非参数贝叶斯模型的聚类算法

鉴于聚类分析是机器学习和数据挖掘领域的一项重要技术, 并且与监督学习不同的是聚类分析中没有类别或标签的指导信息, 所以如何选择合适的聚类个数(即模型选择)一直是聚类分析中的难点. 由此提出了一种基于Dirichlet过程混合模型的聚类算法, 并用collapsed Gibbs采样算法对混合模型的参数进行估计. 新算法基于非参数贝叶斯模型的框架, 能够在不断的采样过程中优化模型参数并形成合适的聚类个数. 在人工合成数据集和真实数据集上的聚类实验结果表明: 基于Dirichlet过程混合模型的聚类算法不但能够自动确定聚类个数, 而且具有较强灵活性和鲁棒性.     

考虑货物冲突关系的二维装箱问题研究

货物冲突及其处理方式直接影响货箱消耗量和货物装载成效, 通过构建冲突矩阵和“冲突货物不能放置同一货箱内”处理方式, 同时考虑负载安全因素, 建立了考虑货物冲突关系的二维装箱优化模型. 设计了改进的模拟退火算法, 其运用贪心算法对货物冲突预处理, 确保初始装箱序列为可行解; 提出了兼顾当前温度和适应度影响的动态随机扰动率 方程, 增强了邻域解的搜索能力, 改善了算法整体性能. 算例分析表明模型和算法有效. 120种货物冲突稀疏度[0.1,0.9]情景下, 货箱面积利用率均值为[0.342,0.732], 降低了装载单元使用数量, 提高了资源利用率. 不同样本量情景下, 改进算法的求解质量和运行效率表现良好.     

基于多级格网的多边形集合求并算法研究

多边形集合求并效率的高低,关键在于能否根据多边形的相邻程度优化求并顺序.在分析了几种常用求并算法优劣的基础上,提出了基于多级格网的多边形集合求并算法.通过构建多级格网,划分多边形集合,既缩小了多边形畸变区域的范围,也减少了一级格网的密集程度,提高了求并效率.对比实验表明,该算法可行.