共查询到19条相似文献,搜索用时 62 毫秒
1.
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。 相似文献
2.
3.
4.
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. 相似文献
5.
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. 相似文献
6.
7.
8.
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。 相似文献
9.
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。 相似文献
10.
11.
Yonghang Yan Xuewen Xia Lingli Zhang Zhijia Li Chunbin Qin 《Entropy (Basel, Switzerland)》2022,24(10)
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. 相似文献
12.
遗传算法研究原子团簇 总被引:24,自引:0,他引:24
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。 相似文献
13.
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。 相似文献
14.
15.
WANG Yan-Hui ZHANG Yong 《理论物理通讯》2008,49(6):1487-1490
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. 相似文献
16.
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。 相似文献
17.
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. 相似文献
18.
19.
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。 相似文献