近邻传播

摘要： 为了提高近邻传播聚类算法的聚类性能,采用菌群算法进行近邻传播偏向参数优化求解。首先,根据待聚类样本建立相似矩阵,初始化偏向参数;然后采用菌群算法优化偏向参数,将偏向参数作为菌落进行训练,设置轮廓(Silhouette)指标值作为菌群算法的适应度函数;接着通过菌落位置更新优化后的偏向参数,进行近邻传播聚类运算,不断更新近邻传播聚类算法的决策和潜力阵;最后获得稳定的聚类结果。实验结果表明,合理设置菌群优化算法的参数,能够获得较好的聚类效果。在电商数据集和UCI数据集中,相比常用聚类算法,所提算法能够获得更高的Silhouette指标值和最短的欧氏距离,在聚类分析中的适用度较高。

摘要： 为了提高近邻传播聚类性能,引入偏向参数的量子蚁群优化策略,增强聚类适用性。进行样本初始化,获得相似矩阵及偏向参数随机值。采用蚁群算法优化偏向参数:输入近邻传播算法的偏向参数作为蚂蚁个体构建蚁群,将聚类准确度作为蚁群最佳路径适应度进行优化求解;为了提高蚁群最优路径搜索精度,对蚁群位置采用量子比特编码,细化蚁群个体位置更新粒度;通过信息素值变化不断选择优化路径,从而获得最优偏向参数。采用量子蚁群优化算法获得的最优偏向参数进行聚类运算,获得稳定的聚类结果。试验证明,通过合理设置蚁群的概率因子、启发因子和蒸发因子等参数,相比于常用聚类算法,基于量子蚁群的近邻传播聚类可以获得更高的聚类综合性能。

摘要： 多属性群体决策中,因决策问题复杂、群体成员众多难以形成一致的决策,对群体成员进行聚类形成子群体以减少群体集结复杂度,这是群体决策的重要基础。通过聚类算法提高群决策的效率与质量,首先,结合皮尔逊相关系数和切比雪夫距离定义了新的相似性度量;其次,利用模拟退火算法的参数全局寻优特性改进近邻传播算法;最后,通过实例应用与对比分析,说明新的相似性度量的优势并展示了改进算法的有效性和稳定性。

摘要： 针对转炉冶炼复杂、冶炼策略多,进而影响转炉终点预测模型命中率的问题,文章提出利用基于SNN_AP聚类算法与BPNN的转炉终点预测方法,最终将数据分为9类,总命中率在±0.03%内达到82.27%,较未分类时提升了约7个百分点。证明了聚类算法处理复杂炉况的有效性,为提升转炉预测模型精度提供一种重要思路。

摘要： 数据驱动的窃电检测方法主要根据电量及派生指标识别低电量异常,容易受干扰影响误报.利用工商业用户生产经营状态指标大致固定的特点,提出基于生产经营状态识别的窃电二次筛查方法.首先,将检出的低电量异常用户每天的三相功率作为负荷特征,用以标识其当天的用电行为模式及生产经营状态.然后,将每天的负荷特征进行近邻传播聚类.当低电量异常时段负荷特征与正常低电量生产经营状态聚为同类时,认为是用户状态正常转换导致的异常,可排除窃电嫌疑.基于实际窃电数据的测试表明,所提方法可降低误报率.

摘要： 模糊C均值(FCM)聚类算法无法识别非凸数据,算法中基于欧式距离的相似性度量只考虑数据点之间的局部一致性特征而忽略了全局一致性特征.提出一种利用密度敏感距离度量创建相似度矩阵的FCM算法.通过近邻传播算法获取粗类数作为最佳聚类数的搜索范围上限,以解决FCM算法聚类数目需要人为预先设定和随机选定初始聚类中心造成聚类结果不稳定的问题.在此基础上,改进最大最小距离算法,得到具有代表性的样本点作为初始聚类中心,并结合轮廓系数自动确定最佳聚类数.基于UCI数据集和人工数据集的实验结果表明,相比经典FCM、K-means和CFSFDP算法,该算法不仅具有识别复杂非凸数据的能力,而且能够在保证聚类性能和稳定性的前提下加快收敛速度.

摘要： 离群点是与其他正常点属性不同的一类对象,其检测技术在各行业上均有维护数据纯度、保障业内安全等重要应用,现有算法大多是基于距离、密度等传统方法判断检测离群点.本算法给每个对象分配一个"孤立度",即该点相对其邻点的孤立程度,通过排序进行判定,比传统算法效率更高.在AP(affinity propagation)聚类算法的基础上进行改进与优化,提出能检测异常数据点的算法APO(outlier detection algorithm based on affinity propagation).通过加入孤立度模块并计算处理样本点的孤立信息,并引入放大因子,使其与正常点之间的差异更明显,通过增大算法对离群点的敏感性,提高算法的准确性.分别在模拟数据集和真实数据集上进行对比实验,结果表明:该算法与AP算法相比,对离群点的敏感性更加强烈,且本算法检测离群点的同时也能聚类,是其他检测算法所不具备的.

摘要： 文中探讨了多输入多输出-非正交多址接入(Multiple-Input Multiple-Output Non-orthogonal Multiple Access,MIMO-NO-MA)系统的用户分簇问题.针对现有用户分簇算法需要指定簇数的问题,提出了一种基于近邻传播的无监督机器学习用户分簇算法.仿真结果表明,提出的用户分簇算法在系统和速率上相较于对比算法具有显著的优势,同时算法不需要指定簇数,仅依赖于基站(Base Station,BS)处获取的信道状态信息(Channel State Information,CSI),便可将用户划分为多个簇,是一种方便且实用的算法.

摘要： 数据采样是快速提取大规模数据集中有用信息的重要手段,为更好地应对越来越大规模的数据高效处理要求,借助近邻传播算法的优异性能,通过引入分层增量处理和样本点动态赋权策略,实现了一种能够非常有效地平衡处理效率和采样质量的新方法.其中的分层增量处理策略考虑将原始的大规模数据集进行分批处理后再综合;而样本点动态赋权则考虑在近邻传播过程中对样本点进行合理的动态赋权,以获得采样的数据空间上更好的全局一致性.实验中,分别使用人工数据集、UCI标准数据集和图像数据集进行性能分析,结果表明:新方法与现有相关方法在采样划分质量上可达到同等水平,而计算效率则可实现大幅提升.进一步将新方法应用于深度学习的数据增强任务中,相应的实验结果表明:在原始数据增强方法上结合进高效增量采样处理后,在保持总训练数据集规模的情况下,所获得的模型性能可实现显著的提升.

摘要： 准确认定贫困学生资格是关系到资助资源流向和教育公平的实现,在教学管理中,校园卡消费数据的准确聚类对于贫困生评定工作具有重要参考价值.近邻传播对于离群点不敏感,也能保持模型的较好鲁棒性的特点.将近邻传播算法应用到校园卡消费数据的聚类,实现学生消费能力的分类.实例分析的结果表明,该算法聚类结可为贫困生评定提供科学的参考依据.

摘要： 本发明公开了一种基于K近邻约束优化的传染病传播治疗模型优化方法，包括：针对传染病的传播治疗建立结构图，并获取结构图中的每个节点的治疗成本和感染其他节点的概率的数据；针对所述结构图建立优化模型，优化模型包括目标函数和对应的约束；使用约束优化算法求解所述优化模型，得到所有节点的治愈率。本发明基于种群中可行解的比例以及进化代数自适应调整K，每个个体定义其K近邻，把在K近邻中违反约束程度最轻的个体当成可行解比较，并根据邻居来定义新的违反约束的程度，该算法能有效处理约束优化问题，从而高效精准的得到传染病传播治疗模型的最优解，制定相应的策略。

摘要： 本发明提供一种基于近邻传播聚类的高速铁路客流时段划分方法，本发明将统计时间划分为若干个时间点，然后统计每个时间点的客流数据，将进行预处理的样本变量构造时间点样本序列；然后，利用近邻传播聚类算法对样本序列进行划分；最后，采用CH、Hartigan及IGP等聚类有效性指标确定最优聚类结果，并进一步形成年度运营时段划分结果，本发明采用近邻传播算法对年度内客流量相似的时间点进行聚类归并，并根据CH、Hart以及IGP指标确定最佳聚类数，提高分类的准确性；同时能够更为客观准确地反映年度内不同时段客流需求，克服了手工划分方法主观性、效率低以及精度不高的缺点，从而为列车开行方案适应性调整奠定基础。

摘要： 本发明公开了一种基于迭代自适应近邻传播算法的目标聚类方法，包括S1.计算数据集中两两元素之间的相似度，构建迭代自适应近邻传播算法的相似度矩阵；S2.对偏向系数p进行优化选取，利用偏向系数p求相似度矩阵；S3.计算样本间的可分性和紧密性，输出偏向参数；S4.计算吸引度矩阵A与归属度矩阵r，选取r(k,k)+A(k,k)0的值作为聚类中心，完成目标聚类；本方法利用高斯核函数进行相似度度量的基础，采用迭代自适应方式对偏向参数p自适应估计，选择silhouette指标最大的值对应的p值，输出最优的聚类数目；实验证明本方法在研究目标跟踪时，相比其他算法具有有效性和稳定性高的特点。

摘要： 本发明公开一种基于近邻传播聚类算法的多步异常点检测方法，通过挖掘正常应用程序以获取到正常数据流模式，然后采用多步异常点检测方法来检测恶意软件，最终实现不依赖已知恶意软件模型可以在Android恶意软件出现初期做到有效预警的目的。本发明可有效解决异常点检测时所面临的“维数灾难”问题，从而避免冗余特征或过多的无关特征的数据噪音对异常点检测技术的干扰；同时克服传统的基于聚类或基于距离的异常点检测技术对初始值选择的过度依赖，通过Virusshare与Google Play获取的实际数据集结合十折交叉验证法验证本发明的有效性，综上，本发明在网络安全领域具有广阔的应用前景。

摘要： 本申请实施例涉及数据处理技术领域，具体涉及一种基于近邻传播的实例匹配方法、装置、设备及存储介质，旨在提高跨模态数据实例匹配的准确率。所述方法包括：接收不同模态的待匹配样本，对所述不同模态的待匹配样本进行特征提取，得到多个所述待匹配样本的特征；对于多个所述待匹配样本的特征中的每个待匹配样本的特征，确定所述待匹配样本的特征的多个同模态近邻特征；将所述待匹配样本的特征以及所述多个同模态近邻特征映射到跨模态空间中；在所述跨模态空间中，确定所述待匹配样本的特征以及所述多个同模态近邻特征的多个跨模态近邻特征；将所述多个跨模态近邻特征对应的样本作为所述待匹配样本的跨模态相似样本，输出匹配结果。

摘要： 本发明公开了一种基于图像金字塔距离度量的近邻传播立体匹配方法，包括：对由左图I1和右图I2组成的立体图像对进行特征提取，利用距离度量的方式对左右图中特征进行配对，获取匹配点对；对左右图进行连续二倍下采样，直至尺寸为一个像素，获得一系列不同尺寸的左右图，以图像金字塔的形式表示不同尺寸的图片；对于左右原图中每个像素点，在每个尺寸的左右图中找到其对应的像素点；计算左右图原图中像素点的匹配正确性；根据获取的匹配点对，以匹配点对为传播起点，以比较匹配正确性的方式为传播条件，向相邻像素点传播匹配结果。本发明通过使用特征匹配寻找定位点建立的全局约束，大量减少计算成本，提高匹配速度，适合用于实时立体匹配。

摘要： 本申请实施例涉及数据处理技术领域，具体涉及一种基于近邻传播的实例匹配方法、装置、设备及存储介质，旨在提高跨模态数据实例匹配的准确率。所述方法包括：接收不同模态的待匹配样本，对所述不同模态的待匹配样本进行特征提取，得到多个所述待匹配样本的特征；对于多个所述待匹配样本的特征中的每个待匹配样本的特征，确定所述待匹配样本的特征的多个同模态近邻特征；将所述待匹配样本的特征以及所述多个同模态近邻特征映射到跨模态空间中；在所述跨模态空间中，确定所述待匹配样本的特征以及所述多个同模态近邻特征的多个跨模态近邻特征；将所述多个跨模态近邻特征对应的样本作为所述待匹配样本的跨模态相似样本，输出匹配结果。

摘要： 本发明公开了一种基于变尺度近邻传播聚类的输电断面搜索方法，其步骤包括：1、建立电力网络模型；2、变尺度近邻传播聚类搜索输电断面。本发明考虑了电力网络的需求，通过在电力拓扑图进行多次变尺度分区操作，以不同尺度划分整个电力网络，搜索出更多的潜在输电断面，有利于调度部门及时调整运行方式，从而能避免电网发生大面积停电事故，保障电网安全稳定运行和优化调度。

摘要： 本发明属于脑影像分析技术领域，公开了一种基于近邻传播偏标签学习的脑影像数据分类模型建立方法，包括以下步骤：S1、获取训练数据集和对应的原始标签，求解样本间相关系数和样本的度中心性，据此生成典型样本集和类别中心集；S2、确定训练样本的候选标签，构建候选标签集；S3、通过训练数据集，利用K+N近邻样本图进行标签传播，建立分类模型。本发明可以提高分类模型的准确性和精确度。

摘要： 本发明公开了一种近邻传播聚类下储能电池故障分类特征筛选降维方法。该方法的实现过程如下：首先，获取不同故障的N个储能电池在完成一次充放电过程下的端电压信号数据样本，挖掘端电压信号的特征，组成特征集合；然后，利用余弦相似度定义特征的相似度矩阵，基于近邻传播方法，聚类各个特征，形成多个特征簇；计算相同簇内各特征在不同类型样本下的均值以及均值的标准差，将均值标准差最大的特征定义为表征此特征簇的典型特征；以各特征簇的典型特征作为用于分类任务的筛选降维后特征。通过本发明可以自动筛选出用于分类任务的显著性特征，缓解小样本情况下维度爆炸问题，降低冗余、无效特征对分类器性能的不利影响，提高分类的准确率。