基于快速模拟退火的组合聚类算法

应用模拟退火算法解决组合聚类问题有两方面,一是有效利用基础聚类作为先验信息,以获得尽可能好的组合聚类结果;二是降低模拟退火过程的随机性,提高算法收敛速度。针对这2个问题,提出了基于投票的快速模拟退火（BV-RSA）模型。该模型利用基础聚类对样本划分的完全或部分一致性作为启发信息,构建超点集合和超点投票箱,由超点取代其代表的样本子集参与退火过程,超点运动方向在投票箱范围内随机选择,降低了超点运动随机性,加速了组合聚类过程。数据集实验表明,BV-RSA模型在聚类精度和鲁棒性方面表现良好。      

基于用户查询日志的查询聚类

基于用户查询日志提出了新的查询聚类算法.用户查询日志数据量大,比通常用于查询聚类的查询展现日志和查询点击日志更加稠密,不易产生聚类小的问题,但噪声多,不容易处理.为发现相似查询并减少噪声影响,同一用户同一时段的多次查询(共现查询)之间认为具有较高相似概率.在这一假设基础上,利用查询共现关系建立查询的邻居查询向量空间.将查询用邻居查询向量表示,邻居查询向量的相似度作为聚类中的查询相似度.应用改进的基于密度聚类算法完成聚类.实验证明,95 262个查询组成数据集上,聚类算法实现查准率79.77%、查全率48.21%,平均聚类大小达到51.     

具有容错特性的两层数据流聚类方法

提出一种具有容错能力的进化数据流聚类算法FTGDStream (Fault-Tolerant Grid-Density Clustering over Data Stream),通过在聚类过程中引入适当的松弛条件,从而在含有噪声的真实世界数据中获取更加泛化的有用知识.首先利用基于相似性度量和小波技术的HLSFTS (Hierarchical Lifting Scheme Fault-Tolerant Synopses)层次概要数据结构实现在线微聚类过程,然后采用基于网格密度的聚类算法实现离线宏聚类过程.在线算法所构造的小波概要数据结构对原始数据的高压缩率降低了离线网格密度聚类算法的计算负载,提高了二层数据流聚类算法的效率.在UCI数据集上的仿真实验结果表明,FTGDStream算法可以聚类任意空间形状的数据并且适用于高维数据流环境,是一种具有容错能力的高效数据流聚类算法.     

智能监控场景中运动目标轨迹聚类算法

轨迹分析是视频监控场景理解的基础,但由于遮挡等原因,跟踪过程会出现不完整的噪声轨迹,导致分析结果不准确.针对此类问题利用改进的轨迹相似度度量和聚类方法进行场景区域分割.首先,对轨迹进行编码,提出利用轨迹的空间特征和速度方向特征改进相似性度量方法计算轨迹间距离;其次,采用改进的层次聚类算法,以该类最长轨迹作为运动物体行为模式代表,将在空间上接近且具有相似速度特征的轨迹划分为同一场景区域,得到符合实际情况的聚类结果.本算法无需对轨迹进行复杂的预处理或过滤,并且加入速度方向特征使区域划分更加合理.最后,在真实场景下,验证了该聚类算法的有效性和普遍适用性.     

一种基于PCA的面向对象多尺度分割优化算法

多尺度分割是图像面向对象分类的基础,针对不同区域特征最优分割尺度确定的主观性以及采用聚类算法时聚类中心确定的随机性,提出了一种联合降维与聚类算法的面向对象多尺度分割优化算法。该算法首先利用主成分分析法（PCA）降维排序后的结果产生初始聚类中心;然后采用K-means聚类和度量每一个像素点合并的概率,从而得到适应不同研究区域内不同尺度地物的分割结果。采用多个影像数据库,通过引入聚类评价指标（内部评价指标和外部评价指标）、分割评价指标（分割精度、过分割率和欠分割率）并结合现有的图像分割方法及原始的K-means算法、与PCA降维后的K-means聚类对比分析。研究结果表明:经过降维处理后进行的聚类算法稳定性更高;与传统的聚类算法相比,结合PCA降维更能自动识别最优分割尺度;降维技术和聚类算法联合之中,目视和定量评价指标表明经过降维预处理后的聚类能得到更高质量的分割结果。      

基于规范割的空间金字塔图像分类算法

对大型图像数据库进行图像分类是很困难的,空间金字塔算法针对这种问题提出,并能得到很好的分类精度,但有几点不足.针对这些不足,提出基于规范割的空间金字塔算法:使用规范割算法对特征词进行更准确的聚类;对每类训练图像计算子特征库,利用二次聚类生成总特征库,在特征字典中保留更多的稀疏类型图像特征词;用高斯模型量化未知特征生成特征直方图,并对直方图进行尺度重整,提高类间距.实验证明提出算法比原方法分类精度最多能提高4.6%.     

基于改进FCM的北斗三频组合观测值选取

以北斗卫星导航系统三频双差为基础探讨了组合观测值及误差,针对以往采用聚类方法在研究GPS三频组合数据过程中的不足,提出了基于距离修正的增量模糊C均值算法.通过调节因子有效地修正了样本中心与聚类中心的距离,获得合理的隶属度,从而得到正确的分类;构造了基于距离修正的聚类有效性指标,自动获取最佳聚类数,避免了人为确定聚类数的不合理性;在此基础上引入增量的思想,数据增加时以原有的数据集为基础,根据阈值进行归类,不需要重新进行初始计算.通过矩阵变换法及实例验证了该方法的可行性和可靠性.     

核空间聚类在图像纹理分类中的简化算法

模糊c均值聚类已广泛应用于模糊模式识别领域,但对于线性不可分数据并不适用.在核方法中通过将输入数据经过非线性映射投影到高维特征空间来解决非线性分类的问题.将传统的模糊c均值聚类算法应用于核空间中,对线性不可分的样本进行了核空间聚类的分类实验,得到了正确的分类结果.由于图像分类中分类样本(对应图像像素)数目庞大,造成了核空间聚类算法中特征距离的计算量过大.因此,在核空间聚类的基础上,提出了对图像先进行过分割,再对过分割的图像块进行核空间聚类的方法,大大降低了高维空间特征距离计算的运算成本,并取得了良好的分类效果.      

基于核方法的聚类算法及其应用

在分析核方法的核心概念基础上,提出了一种基于核方法的聚类算法.通常,传统聚类算法只在数据特征差异较大时才有效,当数据特征差异较小时,很难取得较好的聚类效果.引入核函数,将原始数据由数据空间映射到特征空间,在特征空间中进行聚类.核函数的非线性映射使得原始数据的特征更完整地显现出来,从而能够更客观准确地聚类.与传统聚类方法相比,该方法聚类结果更客观有效.以16组实际数据为例,将该方法应用于数据分类研究中,聚类结果表明了该方法的可行性和有效性,从而为数据分类提供了一种新的可行方法.      

基于阈值的激光雷达K均值聚类算法

针对同一距离不同目标的激光雷达全波形回波数据聚类准确率低的问题,在分析K均值聚类算法原理的基础上,提出了一种基于阈值的K均值聚类算法。首先,利用强度信息对距离信息进行标定,使用强度信息作为特征进行聚类以区分同距离的不同目标。然后,利用阈值限定聚类中心间的最小距离,提高聚类准确率。最后,搭建了扫描验证平台进行平移和旋转成像,对算法有效性进行验证。通过不同颜色目标和模拟道路回波数据聚类实验表明,在不同阈值的情况下,提出的基于阈值的K均值聚类算法的聚类准确率均在90%以上,相比于无阈值的K均值聚类算法准确率提升10%以上,能够有效进行目标聚类和模拟道路提取。      

基于稳定分簇的移动自组织网络路由协议

移动自组织网络的动态拓扑特性给其分簇路由协议的设计带来了一定的挑战,而分簇算法作为分簇路由协议中重要的技术手段,如何建立一种有效稳定的分簇机制,对分簇路由协议的性能至关重要。本文在大规模网络环境下,提出一种稳定的分簇算法,并在此基础上提出一种分簇路由协议。为提高网络性能,该分簇路由协议簇间采用被动模式,簇内采用主动模式,并且各个分簇由簇首、网关、访客和普通簇节点组成。仿真结果表明:该分簇算法减少了簇的数量和簇成员在簇间的切换次数,提高了分簇的稳定性。相应的分簇路由协议较该类协议也降低了网络的平均端到端时延和平均路由开销,提高了数据包接收的成功率。      

Bezdek型模糊属性C均值聚类算法

推广了属性均值聚类算法,提出了基于模糊度m的Bezdek型模糊属性C均值聚类算法(FAMC),给出了FAMC算法的迭代算法,并讨论了模糊度m对算法收敛性的影响.在标准Iris数据集与肿瘤基因芯片表达数据的模式识别实验结果,验证了该算法优于模糊C均值算法和属性均值聚类算法.      

基于活动预测和能耗均衡的WSN路由算法

无线传感网络（WSN,Wireless Sensor Network）中节点触发与数据传输往往会呈现出某种活动模式,基于活动模式特性提出了基于活动的节点分簇算法（AACP,Activity-Aware Clustering Protocol）,将网络中的传感器 节点分成多个活动簇,并通过对节点的历史触发数据进行分析,结合分簇结果对当前发生的活动进行预测.基于活动预测结果,综合能耗均衡、节点剩余能量、传输能耗等影响因素,提出了基于活动预测和能耗均衡的WSN路由算法（AEBRP,Activity-aware and Energy Balanced Routing Protocol）.仿真实验中与低功耗自适应集簇分层型协议（LEACH,Low Energy Adaptive Clustering Hierarchy）、基于跟踪的动态节点分簇算法（HCMTT,Hybrid Clustering for Multitarget Tracking in wireless sensor networks）和传感器信息系统中的高能效采集算法（PEGASIS,Power Efficient Gathering in Sensor Information System）进行比较,验证了AEBRP算法在维持网络能耗均衡、延长网络生命周期方面具有明显优势.      

单目SLAM直线匹配增强平面发现方法

针对微小型机器人及无人机系统日益迫切的轻量化视觉导航需求,提出了一种多维几何特征单目视觉三维环境建模方法。单一点特征单目SLAM制图方法地图描述效率相对较低,噪声容忍性能需要进一步提高。将线和面特征引入单目SLAM的三维地图构建过程,提高系统三维空间建模的搜索速度和稳定性。利用快速直线搜索算法,并基于二维直线匹配生成三维空间直线。现有基于三维空间特征点生成最小采样集的J-Linkage算法需要的倾向向量维数较高,完成单目SLAM常见场景三维平面聚类所需的计算量大。通过点线特征结合以及直线增强的J-Linkage算法可以提高特征平面聚类速度和稳定性,减少系统三维空间表达的冗余信息。     

能量有效的无线传感器网络分簇路由协议

无线传感器网络（WSNs）的应用前景非常广阔,得到了越来越广泛的关注,其中网络节能、降低功耗、延长寿命是WSNs必须解决的问题。对WSNs中典型的分簇路由协议进行了详细分析,通过对比研究,提出了一种基于节点间相关性的能量有效分簇路由协议——BCCP协议。在BCCP协议中,能耗均衡分簇算法利用节点间位置相关性与节点剩余能量,降低分簇迭代次数,得到分布均匀的簇首节点,降低簇内成员节点与簇首节点的通信能耗,以此降低网络能耗;降低能耗分簇算法利用节点间数据相似性与节点间协同性,降低簇内通信、簇间通信的数据量,以此降低网络能耗。实验结果表明,BCCP协议在能耗均衡、网络存活节点数、降低能耗方面与其他方法相比均有明显的优势。      

移动Ad Hoc网络中的自适应转发分群路由协议

为了提高移动Ad Hoc网络的可扩展性,降低在大规模移动Ad Hoc网络中路由开销的增长速度,提出了一种自适应转发分群路由(AFCR,Adaptive Forwarding Cluster Routing)协议.它采用基于最小节点标识号(ID)的移动分群算法将所有节点分为若干个一跳分群.通过设置分群计时器,仅使用两轮控制消息就能快速部署网络的分群结构,并且可使分群同时在全网多处展开.邻节点之间通过交换局部路由信息来建立相邻群首间的路由,而不相邻群首间的路由则利用相邻群首间的路由来建立.基于所建立的分群网络结构和局部路由信息,该协议能够完成数据分组的自适应转发.仿真结果表明,与DSDV(Destination-Sequenced Distance-Vector)和RRR-DSDV(Rapid Route Recons truction DSDV)协议相比,AFCR协议在大规模、重业务量的情况下有效地降低了路由开销、改善了网络的传输性能.     

基于光谱知识的高光谱图像自动识别方法

针对传统高光谱图像矿物识别方法未能充分利用矿物光谱诊断吸收特征与矿物光谱知识、识别过程人为干预多等问题,提出了一种基于光谱知识的高光谱图像自动识别方法.该方法引入了基于光谱吸收特征与波形特征的光谱知识作为自动识别的标准,利用连续统去除操作增强光谱吸收特征,采取基于光谱主次吸收特征的识别决策策略,建立多级约束准则以提高识别精度及避免误识别,通过利用模拟数据进行算法精度评价并应用航空高光谱成像仪AVIRIS(Airborne Visible/Infrared Imaging Spectrometer)数据进行应用分析与验证.结果表明:当图像信噪比大于200时,识别准确率可以达到80.3%,能够得到良好的识别结果以及较高的精度,并实现了基于高光谱图像的矿物自动识别.