动态聚类

摘要： 针对无线传感器网络目标跟踪中跟踪精度与传感器节能问题进行研究,提出基于预测的簇头自适应聚类算法,该算法采用动态聚类算法,通过考虑传感器节点剩余能量、节点到汇聚的距离和节点到运动目标的距离3个参数,最大限度地减少簇头与基站间的远程通信,节约网络能量,延长网络寿命,降低目标漏失概率,加入预测机制,采用线性预测的方法预测跟踪目标的下一个位置,继而根据得到的预测误差,改变集群的大小和形状,减少参与跟踪过程的传感器节点数量,节约网络能量,保持合理的跟踪精度。仿真实验对网络能源消耗、跟踪误差和网络寿命进行分析,实验结果表明,与现有算法相比,该算法在考虑随机运动速度的情况下仍能准确地跟踪目标,且能耗更低,大大延长了网络的生命周期,从而表明所提算法的有效性和可行性。

摘要： 在实际应用场合,信源数往往是一个未知数,而信源数准确估计是实现空间谱测向、同频多信号盲分离等算法的先决条件。当强弱信号功率差异较大时,传统信源数估计算法可能失效,从而导致后续阵列信号处理算法得出错误结果。为此,提出了一种针对强弱信号的信源数估计方法。通过对空域协方差矩阵进行特征值分解,采用动态聚类和中值滤波处理排序后的特征值,进而估计信源数。介绍了该方法的原理,并使用实际采集数据进行验证,确认该方法针对强弱信号和色噪声环境的有效性,具有较好的工程应用价值。

摘要： 专利的功能信息对专利规避及创新具有重要意义.为了完成对专利基于功能的聚类,提出一种面向功能信息的相似专利动态聚类混合模型.该模型筛选功能信息句,运用双向长短期记忆网络联合注意力机制、卷积神经网络、改进的权值主题模型抽取专利文本的序列特征、文本嵌入特征、主题特征,同时加入功能词语关注部分,采用并行融合的方式提取特征.将所有特征表示作为聚类的输入,聚类结果作为反馈信息实现动态聚类.选取无机化学类方面的专利进行实验,实验结果表明,该模型能够提高聚类的F-measure值,同时也能提高时间效率.

摘要： 社交网络数据的庞大规模与复杂结构增加了目标数据获取难度,为此,提出一种社交网络数据动态聚类调度算法,根据节点密度值计算节点距离值,得到Z-score标准化后的密度-距离值,将标签分配给密度-距离较大值的对应节点,完成中心点识别,构建标签种子区域,按照降序密度-距离值更新标签,优先把标签分配至重要节点,实现社交网络数据的动态聚类,提取动态迁移负载特征量,获取数据通频带特征分布,利用输出的耦合特征量与迭代函数方程,达成数据均衡调度.采用准确率、标准互信息、模块度以及兰德指数指标,评价算法的处理效果,实验结果表明,所提算法具有显著的动态聚类优越性,提高了数据传输均衡性,具有有效性,满足实际应用需求.

摘要： 赖氨酸是水稻营养成分中第一限制性氨基酸.为优化赖氨酸的测定方法,设置了本试验,通过超声振荡器取代普通振荡器,进行300W超声功率下酰化用时及染料结合反应用时的研究.结果 表明,最佳酰化用时为15min,染料结合用时为90 min.与国标法相比,优化后的方法酰化用时变长、染料结合用时变短,测定总用时明显缩短,但测定结果和试验精度更高.可见,采用超声波振荡代替传统振荡器振荡能改进赖氨酸的测定方法.另外,采用最优动态聚类法对赖氨酸含量进行分类,能防止人为分类的不确定性,做到分类方案的最优化.

摘要： 为了建立水稻耐旱性判定适用且简化的标准,通过对175份水稻资源在水旱2种环境下的种植试验,系统测定地上部与根鲜质量及其他重要农艺性状,以旱、非旱环境性状比值作各性状胁迫系数,采用多种统计方法分析旱胁迫敏感指标,采用3种分类方法试图对所研究资源作耐旱性最优分类.结果发现,以旱处理地上部与根鲜质量为分类变量分为5类,利用轮回选择算法与多元方差分析方法结合,能对耐旱性作最优分类.最终筛选出5份耐旱性强的资源,其中三二矮与鸭血糯为优秀耐旱资源,可供耐旱选择使用;建立一个简易耐旱性标准,旱处理环境下地上部鲜质量达45 g以上,根鲜质量达1.5 g以上.

摘要： 为了解决多错误诊断时枚举数量过大的问题,提出一种基于动态聚类分析的方法.首先,按照是否具有相同的初始症状冲突集对失败用例进行聚类,并计算初始症状冲突集及其转换的可疑度;然后,按照可疑度的大小枚举可能发生错误的转换组合,在枚举过程中进行再次聚类;最后,用测试集验证错误可能,生成错误诊断集.实验结果表明,该方法可以有效减少错误枚举数量,提高诊断效率.

摘要： 旅游景点人流量高精度预测一直属于旅游产业中必不可少、但有待优化的问题,旅游景点人流预测属于分析旅游需求的关键.由此,构建了一个基于层次分析法的旅游景点人流预测模型,首先通过基于动态聚类的游客信息分类方法,获取旅游地某个景点的指定游客信息样本;然后针对此样本,使用基于层次分析法的组合预测模型,实现旅游景点人流预测.研究结果验证:所构建模型可实现旅游景点人流高精度预测.且和同类模型相比,该模型在预测旅游景点人流量时,对游客信息的查全率与查准率均存在一定优势,可实现全面的游客信息提取,且相关信息管理人员对该模型的应用反馈极高,应用价值较好.

摘要： VANET受限于车辆的高速移动性,网络拓扑的动态性及无线信道的开放性,极易遭受来自网络内部的差评攻击和选票攻击.为了保障VANET通信安全,本文提出了一种基于动态聚类的信任模型,通过去除推荐信任中与主观信任偏离度较大的数据,最大化包含评估节点邻域内的有效信息,从而减少恶意攻击对信任计算造成的影响.实验表明,该模型具有较强的抗攻击性和鲁棒性.随着VANET中攻击节点所占比例的增加,网络能够保持较高的吞吐量和较低的丢包率,模型的计算结果能够保持较高的准确性.

摘要： 针对传统聚类方法动态聚类效果差、耗时长的问题,提出了一种基于关联规则的网络数据动态聚类方法.通过对网络数据属性的分析,建立关联规则,并在此基础上确定网络数据的值函数,实现网络数据的动态聚类.实验表明,该方法在改善聚类效果方面具有一定的优势.

摘要： 依据动态聚类思想,建立了投影寻踪动态聚类新模型.和传统评价方法相比,新模型具有结构清晰、稳定性好、分类结果明确、客观性强等特点.将该模型用于区域农业生态环境质量综合评价,结果表明该模型切实可行,为区域农业生态环境质量综合评价的研究开创了一条新途径.

摘要： 传统基于传感器阵列的火源点定位方法具有结果逐点输出散乱和定位动态范围大的缺陷，不利于火灾的快速精确跟踪。为了克服上述问题，本文提出一种基于动态聚类的火源聚类定位新方法。该方法基于传统传感器阵列火源定位的结果，引入一种针对相关类的递推更新聚合方法，从而可有效提高火源定位的精度。同时该方法还可以根据数据动态变化而改变类别数目，使得定位的密集区域选择更加准确。仿真实验显示该方法能够随着数据输入动态的更新选取最密集点区域作为估计结果，极大地缩小了定位估计范围，提高了定位精度和可靠性。

摘要： 本文提出了一种考虑遗传算法优化的RBF神经网络风电功率预测模型。该模型针对RBF神经网络中径向基函数的中心矢量和隐含层节点数目难于确定的问题，通过引入遗传算法，有效地解决了这一难题，并且，通过遗传算法对网络结构、权值和阈值的优化，提高了风电功率的预测精度。在预测中，采用动态聚类分析的方法进行了神经网络训练样本的筛选，使得训练后的神经网络具有了更强的非线性逼近能力，从而进一步提高了预测精度。经过4个算例的比较，验证了所提模型的有效性。

摘要： 本文基于分级特征提出一种多级识别算法：一级识别用动态聚类；二级识别用改进支持向量机；三级识别用形状矩阵相似度比较。各级子识别算法顺序串联、相瓦独立。低级子识别算法的未识出样本作为更高级了识别算法的输入。实验结果表明，该多级算法识别率逐级递增，性能有很大提高。

摘要： 根据物理学万有引力定律和聚类分析特性,提出了一种基于万有引力思想的新动态聚类分析方法。该方法融合了超圆神经网络模型的基本思想,并且考虑了各指标权重的影响,具有自动聚类的能力,分类效果较好。运用该聚类分析方法对我国农村能源区域进行划分,实验结果表明,该方法具有高质量的聚类效果。

摘要： 多配送中心有时间窗的车辆路径问题是一个典型的NP难题，用传统的方法求解往往不能得到令人满意的结果，因此成为了当前运筹学与组合优化领域的一个前沿与研究热点。该文在对多配送中心带时间窗的车辆路径问题进行详细阐述的基础上，建立了数学模型，提出采用快速动态聚类分配法将多配送中心带时间窗的车辆路径问题分解为若干个单配送中心车辆路径优化问题进行求解的思路。利用求解单配送中心带时间窗的车辆路径问题的蚁群算法，设计了求解多配送中心带时间窗的车辆路径问题的改进蚁群算法，并进行了实例分析。试验结果表明了此方法对优化多配送中心有时间窗的车辆路径问题的有效性。

摘要： 根据手写体汉字字模的特点,通过动态聚类ISODATA算法与基于边缘概率密度函数算法结合使用,使汉字样本距离在聚类过程中动态地变化,使某汉字最后得到的样本模最能反映人们对本汉字的书写形态,从而提高了识别率和识别效率。

摘要： MODIS资料云分类在大气和地表参数反演中有着十分重要的作用.首先利用NASA的MOD35云掩模产品将水体和陆地等晴空型下垫面从云图中分离出来,然后利用多光谱阈值法将云图中其他的所有云类进行初始化分类,最后应用基于最大似然和分类矩阵的动态聚类算法,对MODIS云图实现了云分类,主要云类有积雨云、卷云、高云、中云、低云.针对夏季我国东南沿海地区的实验结果表明了算法的有效性.

摘要： 数据与计算划分问题是影响多传感器数据融合在多处理器系统中并行执行性能的重要因素，也是并行化研究重点。针对该问题，提出了一种基于数据空间独立划分的并行数据融合理论框架，并基于该框架给出了一种数据空间的双近邻聚类非规则“软”划分算法，能将融合计算自适应地分解成多个独立子任务，均衡地分发到各计算节点自治计算。该方法能较好克服并行数据融合中数据耦合、共享同步等技术问题，提升数据和计算空间并行度，具有良好的并行扩展性。试验结果表明了所提出方法的有效性。

摘要： 数据与计算划分问题是影响多传感器数据融合在多处理器系统中并行执行性能的重要因素，也是并行化研究重点。针对该问题，提出了一种基于数据空间独立划分的并行数据融合理论框架，并基于该框架给出了一种数据空间的双近邻聚类非规则“软”划分算法，能将融合计算自适应地分解成多个独立子任务，均衡地分发到各计算节点自治计算。该方法能较好克服并行数据融合中数据耦合、共享同步等技术问题，提升数据和计算空间并行度，具有良好的并行扩展性。试验结果表明了所提出方法的有效性。

摘要： 在示例中，服务器架构针对提供资源聚类的动态级联节点链被描述。级联节点链可包括被提供为头节点、零个或多个中间节点、以及尾节点的一个或多个资源实例。每个节点可包括流表中的离散数目的可用资源条目。当流量进入头节点，每个节点试图将流量匹配到它的流表中的条目。若未发现匹配，则分组被下行链路到链中的下一节点。若分组在没有匹配的情况下到达尾节点，则它被踢到控制器。若条目可用，则控制器然后可提供相匹配的条目。若条目不可用，则控制器可产生新的资源实例。当达到聚类的全容量时，不匹配条目可被丢弃。

摘要： 在示例中，服务器架构针对提供资源聚类的动态级联节点链被描述。级联节点链可包括被提供为头节点、零个或多个中间节点、以及尾节点的一个或多个资源实例。每个节点可包括流表中的离散数目的可用资源条目。当流量进入头节点，每个节点试图将流量匹配到它的流表中的条目。若未发现匹配，则分组被下行链路到链中的下一节点。若分组在没有匹配的情况下到达尾节点，则它被踢到控制器。若条目可用，则控制器然后可提供相匹配的条目。若条目不可用，则控制器可产生新的资源实例。当达到聚类的全容量时，不匹配条目可被丢弃。

摘要： 基于从多个设施获取到的脑测量数据来执行具有规定的属性的受验者的聚类的、脑功能连接相关值的聚类装置在多个MRI装置中对于健康群、患者群拍摄静息态的fMRI图像数据，计算处理系统(300)在进行协调化处理后的相关阵列的元素值与关于各受验者的疾病标签之间，通过“有监督学习”将识别器的生成作为集成学习来实施，在集成学习过程中，根据重要度而从在针对疾病标签生成识别器的生成处理中确定出的特征量中选择出用于聚类的特征量，之后通过“无监督学习”来执行多重共聚类。

摘要： 本发明适用于数据库技术领域，提供了一种语句聚类方法，包括：实时接收语句请求输入；对语句请求做去噪与归一化处理得到净化语句请求；通过特征提取算法提取得到净化语句请求中的语句特征值；将语句特征值按首次出现的顺序添加形成语句类标识序列，并建立两者之间的语句映射关系。本发明还提供一种事务聚类方法、语句聚类装置与事务聚类装置。本发明实施例的语句聚类方法中，建立了单一的语句请求与由语句请求聚类而成的、更高层次的语句类标识序列之间的有效联系，不仅是运维人员可根据语句类标识序列分析数据库的异常原因，其他人员也可基于语句聚类的方法对其他领域的数据进行有效的聚类，并用以观测分析其他数据的发展趋势。

摘要： 本发明公开了一种结合动态切片的软件多故障聚类定位方法及装置，属于软件故障定位技术领域，该方法包括执行用于软件故障定位的测试用例集合，获得程序谱；利用程序切片信息对程序谱中的程序语句进行筛选，获取子程序谱；计算每个子程序谱中的程序语句的代码可疑度，并进行排序；利用聚类算法对失败测试用例的排名进行聚类，获取多个分类簇；根据分类结果，再次计算每个分类簇中的程序语句的代码可疑度，按照新的代码可疑度排名从高到低进行筛查，完成故障修复。本发明利用无监督学习的聚类方法，解决了多故障聚类过程中分类个数过多的问题，并达到对故障用例进行预处理、降低聚类过程时间、提高预测效果、减少检查行数的需求。

摘要： 本发明公开了一种基于多维度设备状态数据自适应聚类的算力动态分配及排障方法，包括以下步骤：S1：对与算力使用效率相关的不同维度算力设备状态数据进行筛选与编码；S2：对编码后的数据进行K‑means聚类，并对算力状态进行计算和预测；S3：对所有算力设备进行容器化部署，通过步骤S2的预测结果，对算力设备进行动态启停以及制定算力冗余策略。本方案具有避免算力浪费、预测算力需求、优化算力分配以及提升算力设备的容错力的优点。

摘要： 本发明公开了一种基于有序聚类和动态库的卫星通信虚拟网络快捷映射方法，包括以下步骤：对卫星通信系统各类卫星转发器、地球站资源进行统一数据描述和分类；建立任务需求网络对任务进行分类；将物理网络抽象为逻辑功能网络；基于快速匹配算法，实现面向任务的网络快捷构建；基于网络缓存技术，建立动态案例库；对于任务执行过程中的需求变化或底层资源出现故障，引入网络动态重构机制，适应业务和资源的动态变化。本发明基于任务属性对任务需求网络和逻辑功能网络节点进行预处理并选择合适的快速匹配算法，能够快捷的完成满足任务要求的资源分配，并且可通过优化预案和迭代反馈不断提高匹配度，具有速度快、匹配度高、网络资源碎片化小的优点。

摘要： 本发明涉及一种基于马尔科夫聚类算法的动态聚类方法，将数据集按照适合改进后的马尔科夫聚类算法的数据规模P进行批量聚类，即每次从数据集选取数据规模为P的数据集进行聚类；使用代表点算法在有新增数据时快速完成聚类更新，对于新增数据和原有数据分别利用代表类簇的代表点进行聚类，并根据聚类结果进行类别合并从而完成聚类更新，从而减少每次参与聚类的数据量，提高聚类的效率。本发明解决了马尔科夫聚类算法对大规模数据聚类精度低、速度缓慢的问题，主要应用于监控视频下类别数量未知的大规模人脸聚类。

摘要： 本发明公开了一种基于动态聚类趋势分析的增量聚类数据挖掘方法，首先针对动态增量数据生成最小距离连通图，然后以最小距离连通图为基础，用肘阈值分割出簇间和簇内的边，再综合数量、均值和变异系数统计量，最后动态计算数据序列的聚类趋势指数。本发明是一种非抽样的适用于批量增量DBSCAN的聚类趋势分析方法，应用于增量聚类数据挖掘系统之中，实现了非定量数据的增量聚类，进一步提高了聚类的可信度以及运行效率。

摘要： 本发明公开了一种基于动态话题模型的动态文本聚类装置及其方法，该装置包括新闻采集模块、新闻初始特征提取模块、动态特征变换模块和动态聚类模块，其中：新闻采集模块，用于采集互联网上的新闻数据；新闻初始特征提取模块，用于对所采集的新闻数据进行初始特征提取；动态特征变换模块，用于对提取的初始特征做动态特征变换；以及动态聚类模块，用于对新闻数据集，基于变换后的特征做动态聚类。采用本发明，能够解决动态文本数据集的有效聚类问题，以实现动态话题模型和动态聚类算法的结合，解决传统基于term的文本特征所固有的一词多义、一义多词、数据稀疏、特征维数灾难等问题。