相异度

摘要： 掌握土壤在空间和时间上的表征至关重要。土壤可见-近红外(Vis-NIR)光谱可以估算土壤有机碳(SOC)等属性,与传统的实验室理化分析相比,光谱技术能有效实现土壤信息的快速获取。土壤光谱库为建立经验模型提供了大量具有丰富变异性和多样性的样本作数据基础。但受限于库中土壤样本的异质性和模型的适应性,通常区域或局部尺度模型的稳健性欠佳。已有的研究主要通过目标样本部分入库的方式改善库的性能,但影响了光谱技术的低成本优势。该研究在不入库的前提下基于土壤光谱的相异度,探究经典距离算法结合土壤光谱库构建局部预测模型的可行性,并比较分析局部模型样本容量对预测精度的响应。基于全球土壤光谱库(GSSL)的677个土柱,从每个国家随机取十分之一的土柱(97个)组成局部目标测试集(Test),其余580个作土壤光谱库(SSL)。分别采用欧氏距离(ED)、马氏距离(MD)、和光谱角(SAM)来分别度量Test与SSL间的光谱相异度并生成距离矩阵。按距离矩阵的前0.04%,0.05%,0.1%,0.2%,0.3%,0.4%,0.5%,1%和5%从SSL中提取与Test最相似的光谱样本构建共计9个容量的局部建模集(Local),使用偏最小二乘回归(PLSR)建立Vis-NIR和SOC含量的预测模型并通过Test验证模型精度,通过光谱的主成分空间考察并解释各种距离算法下Local的“容量–精度”变化。结果表明,在待测样本不入库的情况下,三种距离算法构建的Local模型相较于全局模型的预测精度均有一定提升,但三者的“容量-精度”的拐点存在显著差异。SAM兼顾了光谱的波形和幅度因此较MD、ED更具优势;其前0.2%比例的Local不仅预测精度最优,且用于建模所需的样本容量最少。因此认为,SAM法更适用于从土壤光谱库中构建局部模型,距离矩阵的前0.2%可作为局部模型的容量参考。

摘要： 针对不同周期的负荷预测存在可能的差异提出的基于有序优化算法的配电网两级重构思想;在最优模糊C均值聚类(Fuzzy C-means Clustering,FCMC)的基础上建立以相异度为指标用来评估2次负荷预测差异的重构方法,可以有效地避免实时负荷波动与预测值差异较大带来的影响;建立以网损为目标函数的优化重构模型,采用有序优化算法求解此模型。通过IEEE33节点系统进行算例分析计算,算例结果验证了上述方法的有效性。

摘要： 针对大规模非线性动态过程故障检测问题,提出随机傅里叶特征相异度(RFF–DISSIM)的故障检测方法.首先,利用RFF对原始数据进行映射,获得特征空间中的数据集;然后,在特征空间中应用滑动窗口技术并结合相异度指标对特征空间中的数据集进行过程状态监控.本文方法通过RFF快速捕获数据的非线性结构并结合相异度指标消除样本间自相关性的影响,有效地提高了过程监控性能.通过一个数值例子和连续搅拌釜反应器(CSTR)的仿真实验并与传统的核主元分析、动态主元分析等方法对比分析,仿真结果进一步证明了本文所提方法的有效性.

摘要： K-means算法从样本集随机选取初始聚类中心导致聚类结果不稳定,且聚类性能易受奇异点影响。针对以上缺陷,文章定义基于相异度矩阵的邻域半径概念,依次选取最小邻域半径对应的样本作为初始聚类中心,直到邻域半径达到样本集的平均邻域半径;若选取的聚类中心数量不足K个,逐步缩小邻域参数探索,直到选出K个。随后给出基于实验的剔除奇异点公式,得到最终的聚类结果。实验结果表明,算法在准确度和迭代次数两方面均有所改进。

摘要： 针对传统K-means算法的聚类不稳定性,提出一种基于相异度与邻域的初始聚类中心选择算法.该算法首先构造相异度矩阵,建立每个样本点的邻域,选取K个相互距离较远且邻域内样本点较密集的初始聚类中心.采用K-means算法思想,利用UCI中的三种数据集进行实验.结果表明,相比传统K-means算法,新算法有稳定的聚类结果,且对比于已经提出的两种改进算法,新的算法在保持准确率的前提下,迭代次数有较大程度的减少.

摘要： K-means算法是一种目前较受欢迎的聚类算法,然而该算法却存在着聚类效果不稳定且容易陷入局部最优解的问题.因此提出一种基于类Dijkstra算法的遴选样本点的方法.该方法通过建立相异度矩阵和集合,随相异度增加趋势选择合适的样本点进入集合,最终计算得到初始聚类中心.实验结果表明,对比于传统K-means算法及部分以往的算法,新的算法在迭代次数上大幅减少,且聚类结果保持稳定.

摘要： K-means算法从样本集随机选取初始聚类中心导致聚类结果不稳定,且聚类性能易受奇异点影响.针对以上缺陷,文章定义基于相异度矩阵的邻域半径概念,依次选取最小邻域半径对应的样本作为初始聚类中心,直到邻域半径达到样本集的平均邻域半径;若选取的聚类中心数量不足K个,逐步缩小邻域参数探索,直到选出K个.随后给出基于实验的剔除奇异点公式,得到最终的聚类结果.实验结果表明,算法在准确度和迭代次数两方面均有所改进.

摘要： 为保证配电网的安全稳定运行,提出一种基于PAM(Partitioning Around Medoid)时段划分的配电网动态重构方法.以配电网网络损耗、电压偏移和负荷均衡为目标函数,建立配电网动态重构模型.针对配电网动态重构过程中的时段划分问题,给出一种以相异度为分段指标的PAM时段划分方法.为提升协同粒子群算法(Cooperative particle swarm optimization,Co-pso)的寻优能力,对其速度更新公式进行修正,并引入正态分布随机调整因子对协同粒子群算法进行改进.选择IEEE33节点系统进行算例分析计算,算例结果验证了上述方法的有效性.

摘要： [目的]解决传统的FCM算法随机选取初始聚类中心、对噪声敏感、只适合均衡分布的样本聚类问题.[方法]提出一种基于Huffman树的FCM新算法,该算法设计一种高密度样本的相异度矩阵构建Huffman树并获取初始聚类中心,进而给出非归一化约束的样本隶属度函数.[结果]通过人造样本及图像数据集、UCI数据集的实验对比结果表明,算法在聚类精度、运算时间等指标上比基于高斯核FCM算法及传统FCM算法更有优势.[局限]仅凭实验或经验确定样本密度调节因子β,尚缺乏理论依据.[结论]本研究在现实生活中对含有大量噪声样本及样本分布非均衡的数据集聚类有一定的实际应用价值.

摘要： 基于直觉模糊数的标准海明距离和相异度,分别定义了直觉模糊信息系统下对象间的相容度和相异度概念,并给出相关的性质.进而分别定义了直觉模糊相容关系下的(α,β)-水平截集Rβα和决策目标概念下的(α,β)-水平截集Xβα,并验证水平截集Rβα为直觉模糊相容关系及其具有的性质.以定义的粗糙隶属度作为评价函数导出目标集的上下近似集及其三个域:正域、负域和边界域,进一步研究了一些性质.根据贝叶斯决策理论构建一种基于直觉模糊信息系统下的三支决策模型及其规则提取算法.最后通过算例说明方法的可行性和有效性.%Based on the normalized hamming distance and divergence degree,we define the compatibility degree and divergence degree between intuitionistic fuzzy objects under intuitionistic fuzzy environment,respectively,and related properties are given in this paper. Then we define(α,β)-level cut-sets both with intuitionistic fuzzy compatibility relation and under decision objective circumstances re-spectively,namely,Rβαand Xβα. Moreover,the level cut-sets Rβαis certified as an intuitionistic fuzzy compatibility relation and its proper-ties are proven. The upper and lower approximation of the objective set and its three regions: positive region, negative region and boundary region are derived by utilizing the defined rough membership function served as the evaluation function,and some related properties are further investigated. According to Bayesian decision making theory,a three-way decision-theoretic rough set model and a rule induction algorithm based on intuitionistic fuzzy information system are constructed. Finally,a numerical example is given to illus-trate the feasibility and effectiveness of the proposed method.

摘要： 测试性日益成为现代电子产品的重要性能指标,必须在系统研制初期进行测试性设计,从而使故障诊断过程中的测试费用最少、诊断时间最短。本文根据贪婪策略提出了一种基于相异度的测试优选算法。在采用基于动态熵的故障隔离策略选择测试中,当动态熵值相同时,结合相异度进行测试优选。实验验证结果表明,该算法实现简单,能够在诊断时间最短的情况下使测试费用最少。

摘要： 针对铜转炉操作过程中的冷料添加操作问题，提出了一种基于改进的遗传算法的优化方法。通过引入种群相异度、个体相异度和相异区，改进遗传算法，使算法增强全局优化性和快速收敛性，以吹炼过程剩余热预测值为基础，应用改进的遗传算法求解冷料添加的全局最优化问题。仿真结果和实际生产应用表明，该方法具有快速和有效等特点，实现了铜转炉吹炼过程中的冷料添加操作的优化和指导，有效地提高了冷料处理量，并增加了铜产量。

摘要： 从故障结论之间相异度的角度出发，简单快捷的计算出非多余测试，即找出隔离到各故障结论的最少测试向量，并基于此，结合测试的性质及多故障结论的分析提出了一种优化选择测试的算法。与其他方法相比，利用该算法优化选择出的测试，在满足故障检测率、隔离率的前提下，还具有解决信息流反馈、识别隐藏故障或指示故障、降低虚警的能力。该算法为故障隔离策略的优化奠定了基础并适用于任何级的诊断。．

摘要： 聚类分析是数据挖掘领域的一项重要研究课题，聚类是将给定的样本集分组成相互分离的簇的过程。相同簇中的样本具有高的相似度，而不同的簇之间的样本具有高的相异度。相异度是根据描述对象的属性值来计算的。迄今为止，人们已经提出了许多聚类算法，诸如k-Means，DBSCAN，Birch，Cure，Sting等。各种聚类方法中，基于目标函数的K·Means聚类方法应用极为广泛，根据聚类结果的表达方式又可分为硬k-Means(HCM)算法、模糊k-means算法(FCM)和概率k-Means算法(PCM)。本文提出的算法在对样本进行预处理的基础上，利用了网格的性质，减少了距离的计算。试验结果表明，该算法有效地提高了分布式聚类的效率。

摘要： 本文提出了一种基于LevelSet的图像分割方法.该方法首先依据像素点邻近区域灰度的方差,将图像像素分为两类,然后分别定义两类中位于曲线上的点的演化速度,兼顾了效率与定位的准确.在定义速度时,依然以像素为中心划定区域,求该区域内像素点的灰度与中心像素灰度差的绝对值的加权和,我们称之为相异度.速度应与相异度成反比关系.实验证明,本文的方法可以快速精确地得到分割结果.

摘要： 个性化是网络教学发展的一个主流方向,本文提出从教学资源及网络用户两个方面进行聚类,介绍了聚类处理的过程,并说明了聚类过程中涉及的关键技术,讨论了未来工作发展的几个方向.

摘要： 个性化是网络教学发展的一个主流方向,本文提出从教学资源及网络用户两个方面进行聚类,介绍了聚类处理的过程,并说明了聚类过程中涉及的关键技术,讨论了未来工作发展的几个方向.

摘要： 个性化是网络教学发展的一个主流方向,本文提出从教学资源及网络用户两个方面进行聚类,介绍了聚类处理的过程,并说明了聚类过程中涉及的关键技术,讨论了未来工作发展的几个方向.

摘要： k-means算法在聚簇大的数据集时是公认比较有效的算法之一,然而它只能应用在具有数值属性描述的数据对象集合上,这种数据对象叫做数值数据;却无法应用于真实世界中具有其他形形色色属性的数据对象集合上,比如颜色、纹理、形状等特征描述的数据对象集合,这种数据叫做分类数据.为了能对分类数据进行聚簇,对k-means算法进行了扩展,出现两种新的算法:一种是k-modes算法,另一种是k-protoypes算法.但这两种算法都需要用户事先确定聚簇数k阈值t和聚簇中心Q,在不明白数据分布状况的情况下能较准确地确定这3个参数值是很不容易的,改进的k-modes算法有效解决了这一问题.

摘要： k-means算法在聚簇大的数据集时是公认比较有效的算法之一,然而它只能应用在具有数值属性描述的数据对象集合上,这种数据对象叫做数值数据;却无法应用于真实世界中具有其他形形色色属性的数据对象集合上,比如颜色、纹理、形状等特征描述的数据对象集合,这种数据叫做分类数据.为了能对分类数据进行聚簇,对k-means算法进行了扩展,出现两种新的算法:一种是k-modes算法,另一种是k-protoypes算法.但这两种算法都需要用户事先确定聚簇数k阈值t和聚簇中心Q,在不明白数据分布状况的情况下能较准确地确定这3个参数值是很不容易的,改进的k-modes算法有效解决了这一问题.

摘要： 本发明提供了一种基于可分离度和相异度的电子鼻信号特征融合方法，属于电子鼻信号与信息处理技术领域，该方法步骤一对电子鼻信号进行特征提取，步骤二进行特征选择，步骤三特征加权融合，本发明在降维去冗余的同时，最大限度的保留了分类信息，大大提高了分类识别率，从而提高了电子鼻的分类识别性能。

摘要： 本申请公开了一种基于距离度量相异度的自适应模版匹配方法，包括：计算待识别图像从匹配起点与识别目标的模板图像进行匹配的相异度值并存储；判断匹配起点的坐标是否满足预设终止条件；若否，计算更新后的平移变量；按照更新后的平移变量更新匹配起点；若是，则依据预设判断规则，根据存储的各个相异度值，确定待识别图像中的识别目标。本申请根据基于距离度量的相异度大小来调整匹配起点的平移变量，同时提高了整体匹配速度和精度。本申请还公开了一种基于距离度量相异度的自适应模版匹配装置、设备及计算机可读存储介质，也具有上述有益效果。

摘要： 本发明涉及一种基于相异度计算的电能质量稳态监测方法，在由电能监测终端和模型库构成的系统中，电能监测终端的输入端与电网监测点连接、通讯端连接所述模型库，包括以下步骤：一、数值采集步骤，二、标准度计算步骤，三、相异度计算步骤，四、模型匹配查询步骤，该方法采用标准度计算使电能质量的各类指标数值统一标准化，经过相异度计算进行聚类和分类，以达到电能质量故障的精确诊断、分析，随着电能质量数据的丰富、模型库的事件模型增加完善，模型库自动分析的结果将会更加准确，快速。

摘要： 一种宏基因组和宏转录组样本相异度的比较方法，涉及信息和生物技术。生成样本的tuple频度向量，对样本中出现的长度为1～10的tuple的频度进行统计，并生成相应样本的频度向量；计算tuple的马尔克夫概率，基于变阶次马尔克夫模型估计频度向量中每一个tuple的马尔克夫概率；生成样本间相异度矩阵，计算各个样本频度向量间的距离，生成一个样本间的相异度矩阵；生成聚类树，根据相异度矩阵生成一个聚类树。无需人工选择马尔克夫阶次，能根据数据特效自动地选择马尔克夫阶次；对宏基因组和宏转录组数据的聚类效果明显优于定阶次马尔克夫模型的聚类效果。

摘要： 本发明公开了一种利用相异度聚类和关联的数据挖掘方法，包括：从网站用户购买数据的Log日志中提取数据，并对Log日志进行有效数据提取，即对数据进行清洗；分别进行相异度聚类及关联规则计算，并利用数据库实现对数据的存取和处理，将聚类后关联推荐存于数据库中；当有新用户在网站购买数据时，可将其在网站中的Log日志数据依据相异度聚类和关联算法，进行购买推荐，为用户网站购买提供推荐参考。本发明所述利用相异度聚类和关联的数据挖掘方法，可以克服现有技术中实时性差、准确率低和使用效果差等缺陷，以实现实时性好、准确率高和使用效果好的优点。

摘要： 本发明提供了一种基于可分离度和相异度的电子鼻信号特征融合方法，属于电子鼻信号与信息处理技术领域，该方法步骤一对电子鼻信号进行特征提取，步骤二进行特征选择，步骤三特征加权融合，本发明在降维去冗余的同时，最大限度的保留了分类信息，大大提高了分类识别率，从而提高了电子鼻的分类识别性能。

摘要： 本发明提出了一种改进的证据相异度指标和改进的证据融合算法，包括如下步骤1～6。步骤1、基于所提出改进证据相异度，计算不同证据体间的相异度指标；步骤2、根据证据相异度计算不同证据体间的支持度，构造支持度矩阵；步骤3、计算支持度矩阵的特征值和特征向量；步骤4、将最大特征值所对应的特征向量作为各个证据体的权值系数；步骤5、除了权值最大的证据体外，将权值系数作为折扣因子对其余各个证据体进行修正；步骤6、对修正后的证据体通过进行D‑S组合公式进行证据融合，并完成最终决策。该方法能够更有效地评估不同证据体之间的冲突程度，提高了证据融合的准确性和精度，从而降低了决策风险。

摘要： 本发明公开一种基于簇内簇间相异度的分类型数据聚类方法，基于簇内簇间相似性提出新的相异度计算方法，并基于该相异度完成了簇中心自动选择。本发明的相异度保留了数据的特征，做到了低簇内相异度高簇间相异性的标准，在聚类精度、纯度和召回率方面均有提高，有效提高了分类型数据的聚类效果，其可以防止聚类过程中的重要特征值的丢失，强化了簇内特征值之间的相似性，弱化了簇间特征值之间的相似性；通过簇中心自动选择方法，大大减少了随机选取簇中心或者手动选择选取簇中心给聚类带来的误差。

摘要： 本申请公开了一种基于距离度量相异度的自适应模版匹配方法，包括：计算待识别图像从匹配起点与识别目标的模板图像进行匹配的相异度值并存储；判断匹配起点的坐标是否满足预设终止条件；若否，计算更新后的平移变量；按照更新后的平移变量更新匹配起点；若是，则依据预设判断规则，根据存储的各个相异度值，确定待识别图像中的识别目标。本申请根据基于距离度量的相异度大小来调整匹配起点的平移变量，同时提高了整体匹配速度和精度。本申请还公开了一种基于距离度量相异度的自适应模版匹配装置、设备及计算机可读存储介质，也具有上述有益效果。

摘要： 本申请公开了一种基于交叉熵相异度的自适应模版匹配方法，包括：确定待识别图像的匹配起始点的坐标有效范围和坐标初始值；在坐标有效范围内，逐次按照预设平移方向和平移量调整匹配起始点，并进行相异度计算，获取各个匹配起始点所对应的相异度值；确定所有相异度值中的极小值；根据各个极小值分别对应的匹配起始点的坐标确定待识别图像中匹配目标的位置；其中，平移量与各个匹配起始点所对应的相异度值具有相同的增减性。本申请根据交叉熵相异度自适应调整平移量，可在保障匹配精度的同时有效地提高匹配速度。本申请还公开了一种基于交叉熵相异度的自适应模版匹配装置、设备及计算机可读存储介质，也具有上述有益效果。