ABC_Kmeans聚类算法的MapReduce并行化研究

随着数据的海量增长,数据聚类算法的研究面临着海量数据挖掘和处理的挑战。针对K-means聚类算法对初始聚类中心的依赖性太强、全局搜索能力也差等缺点,将一种改进的人工蜂群算法与K-means算法相结合,提出了ABC_Kmeans聚类算法,以提高聚类的性能。为了提高聚类算法处理海量数据的能力,采用MapReduce模型对ABC_Kmeans进行并行化处理,分别设计了Map、Combine和Reduce函数。通过在多个海量数据集上进行实验,表明ABC_Kmeans算法的并行化设计具有良好的加速比和扩展性,适用于当今海量数据的挖掘和处理。     

一种基于K means改进聚类的图像增强算法

在低光照环境下,CMOS成像器件无法拍摄出清晰的图像。为了提升低照度条件成像器件输出图像的质量,根据低照度图像的特点,提出一种基于K means聚类的图像增强算法。通过改进的K means算法将图像分块,并根据每一块图像的信息量分别进行直方图均衡。该方法与CMOS成像器件进行实验,可以在保留约98.6%图像细节（信息熵）的前提下,将图像的对比度提升至原图像的17倍,平均梯度提升至原图像的4倍。     

湿颗粒聚团碰撞解聚过程的离散元法模拟

基于线性接触模型、库仑滑移接触模型以及平行黏结三种接触模型的组合, 利用离散元法对包衣结构的湿颗粒聚团与壁面碰撞解聚的物理过程进行了数值模拟, 研究了碰撞过程中湿颗粒聚团解聚模式、解聚过程中聚团内各颗粒的速度变化以及颗粒间液桥断裂的规律, 分析了聚团的碰撞速度、黏附小颗粒的重力以及中心大颗粒的旋转对聚团解聚的影响. 研究发现: 聚团的碰撞解聚呈现出碰撞式、重力-碰撞式和剪切-碰撞式三种解聚模式. 湿颗粒聚团与壁面的碰撞打破了聚团内颗粒速度的一致性, 颗粒间出现相对运动而使颗粒间的液桥发生拉伸断裂. 液桥的断裂由聚团的碰撞点向外、由底部向上、由内层向外扩展. 聚团内液桥的断裂经历了缓慢断裂、快速断裂和完全断裂三个阶段. 碰撞速度越大, 黏附的小颗粒质量越大、大颗粒的转速越高, 湿颗粒聚团的缓慢断裂阶段越短暂且解聚程度越高. 模拟结果和实验符合.     

K-means均值聚类算法在磁阻效应实验中的应用

对磁阻效应作用原理和磁阻传感器原件的应用进行了介绍,并借鉴数据挖掘技术提出了一种利用曲率及K-means均值聚类算法对磁阻效应实验数据进行分析处理的方法,结果显示该方法具有高精确度、人为因素小、直观性强的优点.     

基于K-means聚类和SPIHT编码的红外图像压缩算法研究

提出了基于K-means聚类和SPIHT编码的红外图像压缩算法。通过采用小波域系数的SPIHT编码压缩,克服了JPEG标准压缩算法在低比特率下严重的方块效应;通过K-means聚类算法,克服了嵌入式零树编码算法（EZW）没有充分考虑到图像小波系数同一子带中相邻元素之间相关性的缺陷。实验结果表明,此算法对红外图像具有很好的边缘和纹理保持性能。     

基于聚类算法的血管直径测量研究

血管形态的变化与疾病密切相关,血管直径是血管形态的主要参数之一,测量血管直径有助于疾病的筛查与预防。提出一种基于聚类算法的血管直径测量方法,对微血管进行测量。大多数显微血管图像(如光学显微成像或光声显微成像)中存在噪声,通过非线性变换函数对显微图像进行增强;使用训练后的U-Net网络模型进行图像分割;利用结合聚类算法以及射线算法的测量方法对分割得到的血管进行测量,得到血管直径。实验表明,算法与传统测量结果一致(P0.05),与传统算法相比,本算法的测量精度得到提升,将测量误差由4.21%降低至2.27%,满足血管测量的准确度需求。     

基于云计算的并行K-means聚类算法研究

目前数据呈爆炸式增长,海量存储状态,给聚类研究带来了诸如计算复杂性和计算能力不足都很多问题;而云计算平台通过负载均衡,动态配置大量的虚拟计算资源,有效地突破了耗时耗能的瓶颈,在海量数据挖掘中体现出了其独特的优势;文章深入研究了基于云计算平台Hadoop的并行K-means算法,并结合MapReduce分布式计算模型,给出了算法设计的方法和策略,包括MapReduce处理的map、shuffle和Reduce 3个过程,仿真结果表明K-means并行算法的效率较高。     

数字化卫星云图自动识别的动态聚类算法

根据数字化气象卫星资料的特点，设计了对卫星云图进行自动分类识别的动态聚类算法，利用ＧＭＳ－５的１０．５￣１１．５μｍ和０．５５￣０．９μｍ两个通道的资料，采用迭代自组织的数据分析算法对云图进行了分类试验。     

孤立碳颗粒聚团燃烧过程的研究

数值模拟气体流过孤立碳颗粒聚团的燃烧反应过程。计算表明穿过颗粒聚团的气体流量主要与颗粒聚团空隙率有关。当颗粒聚团空隙率小于0．8时,穿过颗粒聚团的气体流量可忽略不计。碳颗粒聚团内温度呈现迎来流面低、背流面高,两侧低中间高; CO和CO2含量呈现迎来流面低、背流面高,两侧低中间高的变化趋势;而O2含量迎来流面高、背流面低,两侧高中间低。颗粒聚团内不同位置的颗粒消耗的碳量不同。颗粒的相互团聚将降低碳的消耗量,同时也抑制碳颗粒燃烧过程NO和N2O的生成。     

A Clustering Scheme Based on the Binary Whale Optimization Algorithm in FANET

With the continuous development of Unmanned Aerial Vehicle (UAV) technology, UAVs are widely used in military and civilian fields. Multi-UAV networks are often referred to as flying ad hoc networks (FANET). Dividing multiple UAVs into clusters for management can reduce energy consumption, maximize network lifetime, and enhance network scalability to a certain extent, so UAV clustering is an important direction for UAV network applications. However, UAVs have the characteristics of limited energy resources and high mobility, which bring challenges to UAV cluster communication networking. Therefore, this paper proposes a clustering scheme for UAV clusters based on the binary whale optimization (BWOA) algorithm. First, the optimal number of clusters in the network is calculated based on the network bandwidth and node coverage constraints. Then, the cluster heads are selected based on the optimal number of clusters using the BWOA algorithm, and the clusters are divided based on the distance. Finally, the cluster maintenance strategy is set to achieve efficient maintenance of clusters. The experimental simulation results show that the scheme has better performance in terms of energy consumption and network lifetime compared with the BPSO and K-means-based schemes.     

遗传算法研究原子团簇

遗传算法作为一种结构优化方法应用于研究原子团簇的结构和性质,具有高效和全局搜索等特点。本扼要介绍遗传算法基本特征、优化程序和方法。重点讨论我们近年来在应用遗传算法研究碳６０分子聚集超团簇的幻数,金团簇有序和无序结构,双金属团簇的偏析效应以及过渡金属团簇电磁性质的结构关联等方面所取得的一些结果,说明遗传算法与传统优化方法相比确具一定优势,以及需要解决的问题。     

改进的基于蚁群算法的非均匀分簇路由协议

针对无线传感器网络中传感器节点随机分布造成能耗不均和“热区”等问题,提出了一种改进的基于蚁群算法的非均匀分簇路由协议。该协议也采用“轮”方式运行,每轮簇首选举开始阶段,根据节点剩余能量、节点密度,结合节点到Sink节点的距离来构造不均匀的竞选半径,每个节点根据竞选半径范围内邻居节点计算剩余能量比及距离偏差平均值,从而计算出其簇首竞争等待时间,采用时间等候簇首竞选机制来选举出簇首,平衡簇内的通信能耗;数据传输阶段,考虑剩余能量、通信能耗、链路质量、传输时延等因素,采用改进的蚁群算法构造最优传输路径,数据传输的同时更新信息素,从而达到自适应、动态优化地建立和维护传输路径。仿真结果表明,该路由协议能有效节约能量和均衡能耗,延长网络生命周期,改善链路质量,减少传输时延。     

原子核中的结团运动

结团的形成是原子核物理中最有趣的现象之一。单粒子运动、集体运动和结团(集团)运动是原子核中核子的三种主要运动模式。如何描述原子核中这种复杂的结团关联运动一直是核物理中一个极为重要的问题。文章简要介绍了原子核中的结团现象,结团模型的发展历史,以及α凝聚的相关研究进展。     

Scheme for Implementing Quantum Search Algorithm in a Cluster State Quantum Computer

Using cluster state and single qubit measurement one can perform the one-way quantum computation. Here we give a detailed scheme for realizing a modified Grover search algorithm using measurements on cluster state. We give the measurement pattern for the cluster-state realization of the algorithm and estimated the number of measurement needed for its implementation. It is found that O（2^3n/^2n^2） number of single qubit measurements is required for its realization in a cluster-state quantum computer.     

基于非均匀分簇的无线传感器网络路由协议

在无线传感器网络中,分簇技术是一种有效延长网络生命周期的方法。但是这种多跳的网络模型,如果节点均匀分布并且簇的大小相等,则靠近基站的簇头由于要中继更多的数据,则会导致能量空洞现象。因此提出一种非均匀分簇方法来缓解能量空洞问题。首先,通过节点的剩余能量、到基站的距离以及邻居节点数量来选择簇头。簇一旦形成之后,通过单跳和多跳的混合机制将数据发送到基站。实验结果表明,此协议能有效的延长网络的生命周期,均衡网络能耗,有效延缓能量空洞的形成速度。     

分子构象聚类中的K-means密度峰值搜索算法

分子构象的聚类是搜索分子动力学模拟轨迹中代表构象的主要方法。 它是分析复杂构象改变或分子间相互作用机制的关键步骤. 作为一种基于密度的聚类算法,密度峰值搜索算法因其聚类的准确度而被应用于分子聚类过程中. 但随着模拟时长的增长,密度峰值搜索算法较低的计算效率限制了其应用的可能. 本文提出K-means密度峰值搜索算法的聚类算法,它是密度峰值搜索算法在计算效率方面的一个扩展版本,用于解决密度峰值搜索算法中巨大的资源消耗问题. 在K-means密度峰值搜索算法中,首先,通过高效的聚类算法(例如K-means)进行初始聚类,得到的聚类中心被定义为具有权重的典型点. 然后,对加权的典型点通过密度峰值搜索算法实现二次聚类,并细化点为核心点、边界点、加细光晕点. 在与密度峰值搜索算法具有相似的精度的同时,计算复杂度由O(n²)降至O(n). 通过二面角,二级结构,关联图描述的分子构象,将KFDP用于多个模拟轨迹的聚类过程中. 并通过与K-means聚类算法,DBSCAN聚类算法的比较结果,验证了K-means密度峰值搜索算法的优势.     

微喷射粒子团簇探测算法及其应用

在团簇多重标号技术基础上,提出了团簇探测的新算法,并以此作为大尺度二维和三维分子动力学模拟冲击加载金属材料微喷射粒子团簇分析的子程序.以二维为例描述了算法的逻辑结构,测试分析了算法的运行效率,并将其应用到二维分子动力学模拟冲击加载金属Cu和Al微喷射粒子的团簇统计分析中,对微喷射粒子团簇尺寸分布得到一些规律性认识.     

基于DAG任务依赖和Q-Learning蚁群算法的在线网格集群资源调度

网格集群资源调度是一个NP难题,而现有的调度方法通常具有任务调度效率低和负载不均衡的问题,由此设计了一种基于Q-Learning算法和蚁群算法融合的协同依赖型任务调度方法。首先对基于DAG的网格集群协同调度数学模型进行了定义,然后,采用改进的一步TD算法即Q-Learning算法实现集群资源的初始分配,从而得到最优调度方案以及对应的Q值,在此基础上提出一种改进的蚁群算法实现网格集群资源到任务分配的进一步优化,将Q-Learning算法得到的分配方案的Q值用于初始化蚁群路径中的信息素,以避免蚁群的盲目搜索,同时将Q值引入路径概率函数中使得蚂蚁具有启发式的搜索能力,从而获得协同依赖多任务集群调度的最终方案。在Gridsim环境下进行仿真试验,结果表明文中方法能有效地实现网格集群调度,且较其它方法具有任务调度效率高、CPU利用率高和负载均衡的优点,具有较大的优越性。