搜索结果: 1-15 共查到“计算机科学技术基础学科 聚类算法”相关记录123条 . 查询时间(0.184 秒)
Academy of Mathematics and Systems Science, CAS Colloquia & Seminars：基于自监督表征学习的图像聚类算法研究
自监督表征学习 图像聚类算法 语义伪标签
2023/4/17
自监督学习可以为图像聚类算法提供良好的表征，但是当表征和聚类同步学习时会存在一些问题。具体来说，基于对比的自监督学习方法通常需要大量的负样本来使得所有样本的表征分离，但是负样本会带来类别冲突，进而影响下游的聚类性能；反之，基于非对比的自监督学习方法虽然避免了类别冲突问题，但是由于缺少负样本，与聚类任务联合优化时容易造成聚类崩溃。本报告将围绕这两个问题，分别介绍基于语义伪标签和原型对比的图像聚类算法...
针对聚类问题中的非随机性缺失数据,本文基于高斯混合聚类模型,分析了删失型数据期望最大化算法的有效性,并揭示了删失数据似然函数对模型算法的作用机制.从赤池弘次信息准则、信息散度等指标,比较了所提出方法与标准的期望最大化算法的优劣性.通过删失数据划分及指示变量,推导了聚类模型参数后验概率及似然函数,调整了参数截尾正态函数的一阶和二阶估计量.并根据估计算法的有效性理论,通过关于得分向量期望的方程得出算法...
增量式神经网络聚类算法
神经网络 增量学习 聚类算法 时间开销
2016/11/7
神经网络模型具有强大的问题建模能力，但是传统的反向传播算法只能进行批量监督学习，并且训练开销很大。针对传统算法的不足，提出了全新的增量式神经网络模型及其聚类算法。该模型基于生物神经学实验证据，引入了新的神经元激励函数和突触调节函数，赋予模型以坚实的统计理论基础。在此基础上，提出了一种自适应的增量式神经网络聚类算法。算法中引入“胜者得全”式竞争等学习机制，在增量聚类过程中成功避免了“遗忘灾难”问题。...
一种基于神经网络的广义熵模糊聚类算法
模糊聚类 广义熵 增广拉格朗日方法 神经网络
2016/12/27
以模糊聚类为基础，将广义熵引入到模糊聚类的目标函数中，提出一种基于模糊熵的模糊聚类的统一形式，即广义熵模糊聚类模型；利用增广拉格朗日求解方法，以及Hopfield神经网络和复突触神经网络解决了基于广义熵的目标函数的优化问题，提出了基于神经网络的广义熵模糊聚类算法，表明了使用神经网络求解的收敛性；同时，给出一种用于确定增广拉格朗日乘子的迭代方法.实验中选取人工生成数据集和UCI标准数据集对提出的算法...
基于核距离的直觉模糊c均值聚类算法
直觉模糊集 直觉模糊聚类 核方法 无监督学习
2016/12/26
针对现有直觉模糊c均值聚类算法无法发现非凸聚类结构的缺陷，提出了一种基于核化距离的直觉模糊c均值聚类算法.算法在定义了基于核的直觉模糊欧式距离基础上，通过把聚类样本映射到高维特征空间，使原来没有显现的特征突现出来，从而能够更好地聚类.实验选择一组人工数据集及一组UCI数据集测试了本文算法，并将其与五种经典的聚类算法进行了比较.实验结果充分表明了该算法的有效性及优越性.
为了利用功能核磁影像（FMRI, functional magnetic resonance imaging）数据进行轻度认知障碍（MCI, mild cognitive impairment）自动检测，对患者的fMRI数据进行聚类分析，得到患者大脑血氧依赖水平(BOLD, blood oxygen level dependence)的变化模式，并将异常模式用于疾病检测中。由于传统谱聚类算法需要计...
针对分类变量相似度定义存在的不足, 提出一种新的相似度定义. 利用新的相似度定义, 将数据集抽象为无向图, 将聚类过程转化为求无向图连通分量的过程, 进而提出一种基于连通分量的分类变量聚类算法. 为了定量地分析该算法的聚类效果, 针对类别归属已知的数据集, 提出一种新的聚类结果评价指标. 实验结果表明, 所提出的算法具有较高的聚类精度和聚类效率.
一种蜜蜂交配优化聚类算法
聚类 蜜蜂交配优化 粗糙集 K-means
2017/1/11
K-means算法因简单、高速等特点而被广泛应用,但该算法仍然存在依赖于初始聚类中心、易陷入局部最优等缺陷.为此,提出了一种蜜蜂交配优化聚类算法.该算法利用密度和距离初始化蜂群,并将局部搜索能力较强的粗糙集聚类算法作为工蜂的一种编码,以增强算法的局部搜索能力,最后在迭代过程中不断引入随机种群,增加种群的多样性,提高算法的全局寻优能力.实验结果表明,该算法不仅能有效抑制早熟收敛,而且具有较强的稳定性...
依据样本数据点分布的局部和全局一致性特征，提出了一种基于局部密度构造相似矩阵的谱聚类算法。首先通过分析样本数据点的分布特性给出了局部密度定义，根据样本点的局部密度对样本点集由密到疏排序，并按照设计的连接策略构建无向图；然后以GN算法思想为参考，给出了一种基于边介数的权值矩阵计算方法，经过数据转换得到谱聚类相似矩阵；最后通过第一个极大本征间隙出现的位置来确定类个数，并利用经典聚类方法对特征向量空间中...
在目前复杂网络聚类算法中，基于Laplace特征值的谱聚类方法具有严密的数学理论和较高的精度，但受限于该方法对簇结构数量、规模等先验知识的依赖，难以实际应用。针对这一问题，基于Laplace矩阵的Jordan型变换，提出了一种先验知识的自动获取方法，实现了基于Jordan矩阵特征向量的初始划分。基于Jordan型特征值定义了簇结构的模块化密度函数，并使用该函数和初始划分结果完成了高精度聚类算法。该...
由于数据集的不一致,已有的基于频谱覆盖的缺陷定位方法之间的比较并不全面。本研究实现了现有的28种基于频谱覆盖的缺陷定位方法,并在同一数据集上加以比较。 提出一种新的基于k-means聚类算法的缺陷定位技术,利用现有的多种方法计算出特征值,对数据集进行聚类并排序,给出一个新的语句的可疑度序列。实验结果表明:该方法可以取得比较好的结果,能够捕获到个别算法的优越性,较为有效地对程序中的缺陷进行定位。
经典的模糊C均值算法基于欧氏距离,存在等划分趋势的缺陷,分错率较高,只适用于球形结构的聚类。针对这一问题,利用数据的点密度信息,在数据点与聚类中心的距离度量中引入了调节因子,提出了一种基于密度的距离修正矩阵,并用其代替经典模糊C均值算法中的距离度量矩阵。通过人造数据集和UCI数据集的两组聚类实验,证实了改进算法对非球形结构的数据同样适用,且相比经典的模糊C均值算法具有更高的聚类准确率。
针对闪电定位仪中庞大而杂乱的定位数据,提出一种基于改进DBSCAN聚类算法(IDBSCAN)进行闪电聚类分析的方法。该方法依据闪电定位系统中的实时监控数据,搜索闪电密度大于阈值范围的地闪点,建立密度可达最大值的地闪聚类簇,并找到该簇类中的核心地闪点。同时,应用邻接表结构对DBSCAN算法进行改进,使得初始地闪数据的搜索集的建立时间和空间得到大大减少。在聚类分析结果基础上,对核心地闪点的移动路径进行...
基于混沌粒子群的IDS告警聚类算法
入侵检测系统 告警聚类 混沌 粒子群优化
2014/3/25
为了提高入侵检测系统(IDS)的告警质量，减少冗余报警，提出了一种基于混沌粒子群优化的IDS告警聚类算法。算法将混沌融入到粒子运动过程中，使粒子群在混沌与稳定之间交替运动，逐步向最优点靠近。该算法能够克服粒子群算法的早熟、局部最优等缺点，指导聚类中心寻找到全局最优解。通过理论分析与实验测试，验证了该算法在入侵检测系统中，能够大量减少告警数量，提高告警质量，具有较高的检测率和较低的误报率。