两种基于图论的聚类算法改进(英文)

近年来,基于图论的聚类算法被广泛地应用在数据聚类和图像分割之中。聚类任务主要是挖掘一组给定数据隐含的分布规律和结构信息,而图像分割则是将一幅图像划分为若干互不交迭区域的过程。主要讨论两种比较流行的基于图论的聚类算法,即基于有向树的数据聚类算法和基于最小生成树的图像分割算法。创新在于:(1)改进基于有向树的数据聚类算法,将其应用于图像分割;(2)改进基于最小生成树的图像分割算法,将其应用于数据聚类。在人工数据和实际图像数据上的实验结果表明,改进的有向树算法可以很好地分割图像并保留图像中足够的细节,而改进的最小生成树聚类算法能比较好地聚类具有流形结构的人工数据。     

一种基于多维空间超球体的快速聚类算法

提出了一种基于多维空间超球体的快速聚类算法。这种算法结合密度聚类和层次聚类两种思想。首先利用密度聚类方法将小范围内的数据对象聚合成超球体,然后再按照层次聚类中的凝聚思想,根据超球体之间的位置关系产生最终聚类。实验表明,该算法对于数值型数据集不仅在效率、噪声敏感性等方面均有较好的表现,同时还可以通过诸如“双环测试”等带有刁难性的特殊测试集。以往,常常简单的以距离来刻画的数据间“相似性”,而所提出的快速聚类算法则改由超球体之间连接的紧密程度来描述这种性质。实验表明,这种修改使得算法的性能得到了很好的改善。     

基于光纤智能夹层和模糊RBF神经网络的飞行器载荷识别

为了更好地保障航空飞行器的安全,提高飞行器的可靠性,提出了一种通过性能参数稳定的光纤智能夹层采集数据,并且结合模糊RBF神经网络对机翼盒段载荷进行识别实验的方法.该方法融合了模糊理论和神经网络各自的优点,通过改进的模糊C均值聚类(FCM)聚类算法删除冗余的规则以进行规则的优化,能自适应地从学习样本数据中提取相应信息,实时地进行载荷辨识.从仿真结果可以看出:该网络模型具有学习时间较短、学习速率较快和精度较高等优点.     

流数据复杂聚类查询处理算法

流数据上的连续查询,尤其连续聚类查询是流数据处理研究的难点.草图算法能够计算流数据上等值连接大小的高精度近似值,而直方图算法能够较精确地统计流数据的分布.本文结合这两种算法的优势,提出了一种能够高效处理流数据上复杂聚类查询的算法.理论和实验结果表明,该算法具有较高的精度和较小的空间复杂度.     

小波聚类算法在本科招生生源质量分析中的应用

招生是高校人才培养工作的首要环节,生源质量的好坏直接关系到高校的人才培养质量.随着我国高等教育招生制度的改革、发展和完善,自主招生越来越受到高校的重视,优质生源的竞争日趋激烈.本文将小波阈值方法引入到数据的聚类分析中,建立了一种新的数据挖掘模型并应用到在校学生学习成绩信息的分析研究中,对建立科学的本科招生生源质量评价体系进行了初探,分析结果对高校招生管理工作起到了科学指导和辅助决策作用.     

聚硫密封胶与氟硅密封胶人工加速老化研究

文章研究航空用聚硫密封胶(XM-22B、XM-23)与氟硅密封胶(FVMQ)的人工加速老化行为.对XM-22B和FVMQ试样进行热空气老化、对XM-23试样进行氙灯老化,对密封胶的表面形貌及力学性能进行测试分析,用FT-IR分析密封胶老化前后化学基团特征峰的变化.研究表明:密封胶老化前后的光泽度变化不大;老化28 d后,密封胶的拉伸强度随老化时间的延长变化不明显,XM-22B热空气老化和FVMQ热空气老化试样的拉伸强度分别升高了2%和5%,XM-23氙灯老化的拉伸强度降低了3%;无论是热空气老化还是氙灯老化,密封胶的邵尔A硬度均有所增大,XM-22B、XM-23和FVMQ试样的硬度分别增大了15%、23%和11%;红外光谱分析表明氤灯老化28 d后,XM-23没有发生链降解.     

基于遗传模糊聚类的机群编队最优分配方法

针对当前机群的编队分配存在效率低、编队分配结果不可靠、智能性差等问题,提出了一种新的结合遗传算法和模糊聚类算法的机群编队最优分配方法.该混合算法通过模糊聚类算法解决了机群的编队分配不确定性问题,并且通过对传统遗传操作算子的改进,采用改进的遗传算法有效地克服了模糊聚类算法容易陷入局部极小值和对初始条件敏感的缺点,使机群的编队分配能快速收敛至全局最优解.3组不同分布类型的机群编队分配算例结果表明,该混合算法具有较好的通用性、有效性和智能性,适用于机群的编队最优分配.      

基于L1范数的k平面聚类算法设计

基于L2范数度量的k平面聚类(k-Plane Clustering,k PC)设计思想,本文提出了一种采用L1范数度量的聚类算法。由于在平面更新步骤中,所导出的优化问题是非凸的,文中给出了一种求解方法,即将非凸问题转化为有限个子集上的凸问题,为避免求解多个优化问题导致训练时间过长问题,本文还设计了一种新的优选策略,有限个子集的搜索任务可在线性时间内完成。本文所提出的方法只需要求解k个线性规划,而不再是k PC的求解特征值问题。在人工和UCI数据集上的实验结果表明:基于L1范数平面聚类算法的训练和测试时间更短,且在大多数数据集上均表现出了更好的聚类性能。     

聚碳硅烷纤维的不熔化处理研究(III)--不熔化机理的探讨

对PCS纤维空气氧化反应过程中产生的尾气进行了色谱分析 ,并对氧化后的纤维进行了红外分析 ,在此基础上推测了不熔化机理 ;采用XPS分析技术考察了氧在PCS纤维中的分布。结果表明 ,PCS纤维氧化反应过程中有少量氢气生成 ,出现局部过热时伴随有CO2 生成 ;氧在不熔化PCS纤维中由表及里呈梯度分布 ,低温、长时的不熔化处理条件有利于氧在纤维中的扩散和均匀分布     

富碳的含钛碳化硅纤维先驱体的合成

以聚硅烷（PS）、聚氯乙烯（PVC）和钛酸四丁酯[Ti(OBu)4]合成含碳量不同的聚钛碳硅烷（PIC）先驱体，运用IR、GPS、VPO、TG等分析手段系统地研究了富碳PTC先驱体的合成及其组成结构，讨论了加入PCV含量不同对PTC合成及其结构、性能的影响。经熔融纺丝、不熔化处理、高温烧成制备出具有较好工艺性能和电阻率为10^0Ω.cm－10^3Ω.cm的富碳含钛碳化硅纤维（Si－Ti－C－O纤维）。