AP聚类
AP聚类的相关文献在2007年到2022年内共计108篇,主要集中在自动化技术、计算机技术、电工技术、无线电电子学、电信技术
等领域,其中期刊论文67篇、会议论文4篇、专利文献12926篇;相关期刊54种,包括情报学报、四川职业技术学院学报、安庆师范学院学报(自然科学版)等;
相关会议4种,包括2014湖北省计算机学会学术年会、第十二届全国青年管理科学与系统科学学术会议、2007中国计算机大会等;AP聚类的相关文献由353位作者贡献,包括丁世飞、冷泳林、鲁富宇等。
AP聚类—发文量
专利文献>
论文:12926篇
占比:99.45%
总计:12997篇
AP聚类
-研究学者
- 丁世飞
- 冷泳林
- 鲁富宇
- 张磊
- 朱红
- 严加琪
- 丰颖
- 乐志文
- 俞璐
- 冉龙才
- 刘发贵
- 刘忠义
- 刘晓理
- 刘炜
- 刘璧钺
- 刘红
- 刘蓉
- 吴艳
- 周琼
- 唐晨馨
- 姚美琴
- 孙景文
- 宣文博
- 尹泉
- 张侃健
- 张朕轩
- 彭敏晶
- 彭玲霞
- 朱婷婷
- 李书玲
- 李慧
- 李梦雪
- 李胜男
- 李运蒙
- 杨森林
- 杨洪志
- 杨静宇
- 梁毅
- 段国仑
- 段锐敏
- 洪炎
- 狄婧
- 王出航
- 王学斌
- 王茂春
- 王辉
- 田文英
- 申华
- 石兰
- 缪佶桂
-
-
赖健琼
-
-
摘要:
偏向参数和阻尼因子是影响AP聚类算法聚类效果的两个重要参数,但他们均取固定值。随着数据量的改变,原有参数取值不能使算法聚类结果达到最优。鉴此,本文提出自适应AP聚类算法,当数据量发生改变时,自动调整并获取最优的偏向参数和阻尼因子,最终得到最优聚类结果。与原来算法相比,改进后的算法能自动消除震荡,还可获取最优聚类结果,提高聚类结果的准确性和算法快速性。通过人造数据集和Iris数据集实验,证明了自适应AP聚类算法的有效性。
-
-
张磊;
李世民;
康淑瑰;
郭猛超;
赵继龙
-
-
摘要:
在小样本条件下运用SVR模型预测装备维修器材需求量时,预测效果受随机干扰因素影响较大。为解决这一问题,提出了一种新的AP-SVM模型。首先,运用AP聚类算法对训练数据进行分类,将分类结果作为训练数据训练SVM分类器,并对待测试数据的所属类别进行判断;然后,根据数据类别构建训练向量集,对SVM进行训练,运用SVR模型计算预测结果。实例分析结果表明:AP-SVM算法在处理受复杂随机因素影响较大的小样本器材数据预测问题时,可以有效排除干扰因素的影响,改善SVR模型的预测效果。
-
-
王艳松;
高鑫;
胡彩娥;
王健;
张禄
-
-
摘要:
随着可再生能源渗透水平的不断提高,现代电力系统面临着更多不可避免的不确定性,这些不确定性可能导致系统的弱阻尼振荡问题。对于可再生能源渗透率很高的电力系统,检测同步发电机之间的相干性是态势感知的关键环节。为此,文中提出了一种基于广域测量系统(Based Area Measurement System,WAMS)的相干检测算法,该方法采用了核主成分分析(Kernel Principal Component Analysis,KPCA)和聚类(Affinity Propagation,AP)分析法可应用于可再生能源广泛渗透的电力系统。文中提出了几种轨迹相似度指标,用于确定惯性中心(Center of Inertia,COI)坐标中任意两个发电机轨迹之间的相似性;提出了一种基于KPCA方法的集成轨迹相似度指标,以解决多个指标之间的相干性问题;随后采用AP聚类分析方法检测同步发电机之间的相干性,可无需预先指定聚类的数量;利用高可再生能源发电渗透率的华南电力系统和包括张北风电场的华北电力系统的一部分进行仿真分析,结果证明了所提方法的适用性和实用性。
-
-
孙林;
施恩惠;
司珊珊;
徐久成
-
-
摘要:
特征选择是多标记学习中重要的预处理过程.针对现有多标记分类方法没有考虑标记占比对特征和标记相关性的影响,以及不能有效处理弱标记数据等问题,提出一种基于仿射传播(affinity propagation,AP)聚类和互信息的弱标记特征选择方法.首先,在AP聚类的基础上,结合剩余标记信息和样本相似性,构建概率填补公式,预测缺失标记值,有效补齐缺失标记;然后,使用先验概率定义标记占比,结合互信息构建相关性度量,评估特征与标记集之间的相关程度;最后,设计一种弱标记特征选择算法,有效提高弱标记数据的分类性能.在6个多标记数据集上进行仿真实验,结果表明,该算法在多个指标上获得了良好的分类性能,优于当前多种相关的多标记特征选择算法,有效验证了所提算法的有效性.
-
-
孙宇乐
-
-
摘要:
针对电动公交车的运营特点对公交车专用充电站进行了规划。基于“集中充电,统一配送”的充电模式搭建集中充电站规划的两阶段模型,采用Affinity Propagation聚类(简称AP聚类)确定站址和服务区域,考虑电池和电能购置费用,制定充电策略以实现集中充电站容量的优化配置,最后以综合成本最小为目标选取建设规模及具体方案,利用Lingo软件求解。采用算例对所提模型进行说明,验证其有效性和可行性。
-
-
胡永培;
张琛
-
-
摘要:
利率市场化、大数据迅速发展,银行业均表现出明显的"二八定律"现象,20%的优质客户占据了银行的大部分资产.那么,如何防止银行客户流失,尤其是优质客户的流失,已经成为银行越来越关注的问题.因此,建立优质客户流失预警模型就显得尤为重要.以某商业银行为例,重新对客户流失进行定义,重点关注银行优质客户的流失预警,首先使用AP聚类算法进行属性选择,然后使用随机森林方法建立客户流失预警模型,预测零售优质客户未来3个月流失的可能性.为了验证该方法的有效性,首先在UCI数据集上进行验证,得到了较好的效果,然后使用该方法构建银行业优质客户流失预测模型,实验结果表明该模型的实际预测效果相较于一般的决策树方法,具有更高的准确性.
-
-
洪炎;
张磊;
严加琪
-
-
摘要:
随着大数据时代的到来,增量关联规则挖掘已成为数据挖掘领域的热门话题.CAN-tree作为增量关联规则挖掘领域的重要算法,其按项目频次大小进行排序会使树(tree)的规模过大,降低算法效率.针对此问题,提出一种基于AP-CAN的增量关联挖掘算法,采用AP聚类思想将原始数据集按项目的支持度不同分为多个集群,修剪不满足最小支持度的集群,利用哈希头表替代项头表,并根据数据量对每条事务排序.实验结果表明,该方法可以显著削减CAN树的规模,降低项目查找时间,提高数据挖掘效率,在效率和稳定性上均优于现有的CAN-tree算法.
-
-
孙煜华;
李情;
张梦清
-
-
摘要:
电力大数据服务是智能电网建设的关键,提出了基于改进AP聚类的用电行为分析方法和基于随机森林的电力负荷预测方法.针对AP聚类分析用电行为存在的复杂度较高问题,利用熵权法确立指标权值,改进相似度计算方式,实现了用户用电行为的快速准确分析.针对电力负荷预测问题,采用模糊C均值构建历史相似日样本集,利用随机森林预测电力负荷.为提高电力数据服务运行效率,构建了基于Spark框架的并行数据处理平台.实验结果表明,提出方法能够有效提取用户的用电行为和预测电力负荷,且性能优于现有方法.
-
-
李昆仑;
赵佳耀;
王萌萌;
于志波
-
-
摘要:
寻找近邻用户或近邻项目是传统协同过滤推荐算法的关键内容.通常,数据稀疏性会导致推荐精度降低.基于项目类别偏好的混合协同过滤算法利用项目特征的低维性与二值性进行聚类,通过用户的类别偏好信息寻找近邻用户,此类方法可以在一定程度上缓解数据稀疏性问题.为了进一步提高近邻用户间的相似性,本文在项目类别偏好的混合协同过滤的算法基础上利用半监督AP聚类算法代替传统的聚类算法,并对相似性度量方式进行改进,提出了一种基于半监督AP聚类和改进用户相似度的协同过滤算法.该算法有两个方面改进:一方面,提出了一种新的半监督AP聚类算法-基于k近邻密度估计的半监督AP聚类;另一方面,使用用户活跃因子和用户评分轨迹改进Pearson相似度.实验结果证明了该算法的有效性.
-
-
洪炎;
张磊;
严加琪
-
-
摘要:
随着大数据时代的到来,增量关联规则挖掘已成为数据挖掘领域的热门话题。CAN-tree作为增量关联规则挖掘领域的重要算法,其按项目频次大小进行排序会使树(tree)的规模过大,降低算法效率。针对此问题,提出一种基于AP-CAN的增量关联挖掘算法,采用AP聚类思想将原始数据集按项目的支持度不同分为多个集群,修剪不满足最小支持度的集群,利用哈希头表替代项头表,并根据数据量对每条事务排序。实验结果表明,该方法可以显著削减CAN树的规模,降低项目查找时间,提高数据挖掘效率,在效率和稳定性上均优于现有的CAN-tree算法。
-
-
LI Shu-ling;
李书玲;
LIU Rong;
刘蓉;
LIU Hong;
刘红
- 《2014湖北省计算机学会学术年会》
| 2014年
-
摘要:
针对已有的RBF神经网络多标签算法未充分考虑多个样本标签之间的关联性,从而导致泛化性能受到一定影响的问题,研究分析了一种改进型RBF神经网络的多标签算法.该算法首先优化隐含层RBF神经网络基函数中心求取算法——k-均值聚类.采用AP聚类自动寻找k值以获得隐含层节点数目,并构造Huffman树来选取初始聚类中心以防k均值聚类结果陷入局部最优.然后构造体现标签类之间信息的标签计数向量C,并将其与由优化k-均值聚类得到的聚类中心进行线性叠乘,进而改进RBF神经网络基函数中心,建立RBF神经网络.在公共多标签数据集emotion上的实验表明了该算法能够有效地进行多标签分类.
-
-
LI Shu-ling;
李书玲;
LIU Rong;
刘蓉;
LIU Hong;
刘红
- 《2014湖北省计算机学会学术年会》
| 2014年
-
摘要:
针对已有的RBF神经网络多标签算法未充分考虑多个样本标签之间的关联性,从而导致泛化性能受到一定影响的问题,研究分析了一种改进型RBF神经网络的多标签算法.该算法首先优化隐含层RBF神经网络基函数中心求取算法——k-均值聚类.采用AP聚类自动寻找k值以获得隐含层节点数目,并构造Huffman树来选取初始聚类中心以防k均值聚类结果陷入局部最优.然后构造体现标签类之间信息的标签计数向量C,并将其与由优化k-均值聚类得到的聚类中心进行线性叠乘,进而改进RBF神经网络基函数中心,建立RBF神经网络.在公共多标签数据集emotion上的实验表明了该算法能够有效地进行多标签分类.
-
-
LI Shu-ling;
李书玲;
LIU Rong;
刘蓉;
LIU Hong;
刘红
- 《2014湖北省计算机学会学术年会》
| 2014年
-
摘要:
针对已有的RBF神经网络多标签算法未充分考虑多个样本标签之间的关联性,从而导致泛化性能受到一定影响的问题,研究分析了一种改进型RBF神经网络的多标签算法.该算法首先优化隐含层RBF神经网络基函数中心求取算法——k-均值聚类.采用AP聚类自动寻找k值以获得隐含层节点数目,并构造Huffman树来选取初始聚类中心以防k均值聚类结果陷入局部最优.然后构造体现标签类之间信息的标签计数向量C,并将其与由优化k-均值聚类得到的聚类中心进行线性叠乘,进而改进RBF神经网络基函数中心,建立RBF神经网络.在公共多标签数据集emotion上的实验表明了该算法能够有效地进行多标签分类.
-
-
LI Shu-ling;
李书玲;
LIU Rong;
刘蓉;
LIU Hong;
刘红
- 《2014湖北省计算机学会学术年会》
| 2014年
-
摘要:
针对已有的RBF神经网络多标签算法未充分考虑多个样本标签之间的关联性,从而导致泛化性能受到一定影响的问题,研究分析了一种改进型RBF神经网络的多标签算法.该算法首先优化隐含层RBF神经网络基函数中心求取算法——k-均值聚类.采用AP聚类自动寻找k值以获得隐含层节点数目,并构造Huffman树来选取初始聚类中心以防k均值聚类结果陷入局部最优.然后构造体现标签类之间信息的标签计数向量C,并将其与由优化k-均值聚类得到的聚类中心进行线性叠乘,进而改进RBF神经网络基函数中心,建立RBF神经网络.在公共多标签数据集emotion上的实验表明了该算法能够有效地进行多标签分类.
-
-
Li Boyang
- 《第十二届全国青年管理科学与系统科学学术会议》
| 2013年
-
摘要:
特征选择是从原始数据特征集合中选择最优特征子集的过程.特征选择通过去除冗余和与问题不相关的特征项以提高信息处理的精度和准确度.本文提出了一种基于近邻传播(AP)聚类和支持向量机(SVM)敏感度分析的混合型特征选择算法.AP聚类通过减少特征项间的相似性以提高特征子集中特征的代表性;SVM敏感度分析用来选取与输出分类器相关的特征项.实验中,该特征选择算法被用于解决人力资源管理中的绩效考核问题.结果显示,所提出的特征选择方法不仅可以降低人力资源数据特征的维数,还可以有效地提高分类器的分类准确率.
-
-
Li Boyang
- 《第十二届全国青年管理科学与系统科学学术会议》
| 2013年
-
摘要:
特征选择是从原始数据特征集合中选择最优特征子集的过程.特征选择通过去除冗余和与问题不相关的特征项以提高信息处理的精度和准确度.本文提出了一种基于近邻传播(AP)聚类和支持向量机(SVM)敏感度分析的混合型特征选择算法.AP聚类通过减少特征项间的相似性以提高特征子集中特征的代表性;SVM敏感度分析用来选取与输出分类器相关的特征项.实验中,该特征选择算法被用于解决人力资源管理中的绩效考核问题.结果显示,所提出的特征选择方法不仅可以降低人力资源数据特征的维数,还可以有效地提高分类器的分类准确率.
-
-
Li Boyang
- 《第十二届全国青年管理科学与系统科学学术会议》
| 2013年
-
摘要:
特征选择是从原始数据特征集合中选择最优特征子集的过程.特征选择通过去除冗余和与问题不相关的特征项以提高信息处理的精度和准确度.本文提出了一种基于近邻传播(AP)聚类和支持向量机(SVM)敏感度分析的混合型特征选择算法.AP聚类通过减少特征项间的相似性以提高特征子集中特征的代表性;SVM敏感度分析用来选取与输出分类器相关的特征项.实验中,该特征选择算法被用于解决人力资源管理中的绩效考核问题.结果显示,所提出的特征选择方法不仅可以降低人力资源数据特征的维数,还可以有效地提高分类器的分类准确率.
-
-
Li Boyang
- 《第十二届全国青年管理科学与系统科学学术会议》
| 2013年
-
摘要:
特征选择是从原始数据特征集合中选择最优特征子集的过程.特征选择通过去除冗余和与问题不相关的特征项以提高信息处理的精度和准确度.本文提出了一种基于近邻传播(AP)聚类和支持向量机(SVM)敏感度分析的混合型特征选择算法.AP聚类通过减少特征项间的相似性以提高特征子集中特征的代表性;SVM敏感度分析用来选取与输出分类器相关的特征项.实验中,该特征选择算法被用于解决人力资源管理中的绩效考核问题.结果显示,所提出的特征选择方法不仅可以降低人力资源数据特征的维数,还可以有效地提高分类器的分类准确率.
-
-
Li Boyang
- 《第十二届全国青年管理科学与系统科学学术会议》
| 2013年
-
摘要:
特征选择是从原始数据特征集合中选择最优特征子集的过程.特征选择通过去除冗余和与问题不相关的特征项以提高信息处理的精度和准确度.本文提出了一种基于近邻传播(AP)聚类和支持向量机(SVM)敏感度分析的混合型特征选择算法.AP聚类通过减少特征项间的相似性以提高特征子集中特征的代表性;SVM敏感度分析用来选取与输出分类器相关的特征项.实验中,该特征选择算法被用于解决人力资源管理中的绩效考核问题.结果显示,所提出的特征选择方法不仅可以降低人力资源数据特征的维数,还可以有效地提高分类器的分类准确率.
-
-
Li Boyang
- 《第十二届全国青年管理科学与系统科学学术会议》
| 2013年
-
摘要:
特征选择是从原始数据特征集合中选择最优特征子集的过程.特征选择通过去除冗余和与问题不相关的特征项以提高信息处理的精度和准确度.本文提出了一种基于近邻传播(AP)聚类和支持向量机(SVM)敏感度分析的混合型特征选择算法.AP聚类通过减少特征项间的相似性以提高特征子集中特征的代表性;SVM敏感度分析用来选取与输出分类器相关的特征项.实验中,该特征选择算法被用于解决人力资源管理中的绩效考核问题.结果显示,所提出的特征选择方法不仅可以降低人力资源数据特征的维数,还可以有效地提高分类器的分类准确率.