搜索结果: 1-15 共查到“计算机科学技术基础学科 聚类”相关记录256条 . 查询时间(0.218 秒)
作为聚类的重要组成部分,边界点在引导聚类收敛和提升模式识别能力方面起着重要作用,以BP(Border-peeling clustering)为最新代表的边界剥离聚类借助潜在边界信息来确保簇核心区域的空间隔离,提高了簇骨架代表性并解决了边界隶属问题.然而,现有边界剥离聚类仍存在判别特征不完备、判别模式单一、嵌套迭代等约束。
基于粒度聚类的铁矿石烧结过程运行性能评价
粒度聚类 烧结过程 时间序列 运行性能
2024/1/16
烧结过程的运行性能是生产效率和能源利用的综合表现.运行性能评价是保持烧结过程的运行性能处于最优等级的前提.考虑到时间序列数据的冗余,提出一种基于粒度聚类的铁矿石烧结过程运行性能评价方法.首先,利用单因素方差分析方法选取影响运行性能等级的检测参数;然后,采用多粒度区间信息粒化实现检测参数时间序列数据的降维,并进行粒度聚类,得到聚类标签;最后,以聚类得到的聚类标签为输入,利用随机森林算法进行运行性能等...
基于灵活平衡约束的图聚类方法
图聚类 图分割 平衡约束 紧松弛
2024/1/17
现有的图聚类方法主要存在两方面的问题,一是对各个类规模一致的假设,在许多实际应用中并不成立;二是在处理多类聚类问题时,其所常借助的递归技术或启发式算法会影响聚类的性能.为此,本文提出一种基于灵活平衡约束的多类图聚类方法.其能够覆盖从绝对平衡约束到无平衡约束的范围,可同时处理类别规模一致和不一致的问题.为有效求解新方法中的参数,进一步提出一个紧松弛方法来使所提出的图聚类方法不仅易于求解,且在处理多类...
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...
基于平均距离聚类的NSGA-Ⅱ
多目标优化算法 NSGA-Ⅱ 拥挤度距离 多样性
2024/1/23
拥挤度距离是一种用于度量解集多样性的指标.然而,在许多情况下,该指标无法有效区分多样性较优个体.其原因为拥挤度距离主要利用每个位置的局部信息.为解决该问题,基于整个种群全局位置信息,本文设计了基于平均距离聚类的多样性度量指标,并进一步提出了基于平均距离聚类的NSGA-Ⅱ.该算法利用平均距离将种群划分为若干个大致均匀分布的小种群,然后分别在各小种群内执行选择、交叉和变异等操作.实验结果表明,本文所提...
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...
为获得具有模糊规则自适应约简性能和较好的泛化性能的TSK分类器,本文提出了一种结合模糊(C+P)均值聚类(FCPM)算法和SP-V-支持向量机(SVM)分类算法来构建TSK(Takagi-Sugeno-Kang)分类器的方法。该方法首先用FCPM聚类算法对训练数据进行聚类;然后根据聚类结果确定TSK分类器的模糊规则前件中的高斯隶属度函数的中心和宽度参数;最后采用成组稀疏约束SP-V-SVM算法对模...
蜕变关系敏感度及其聚类分析
蜕变测试 蜕变关系 蜕变关系敏感度 聚类算法
2016/12/29
为缓解软件测试的Oracle问题,蜕变测试通过验证多个测试用例及其输出之间是否满足蜕变关系来验证测试结果.可见蜕变关系是蜕变测试的核心,而现有的蜕变关系检错能力的衡量标准,即错误检出率(Failure Detecting Rate,FDR)是蜕变关系对不同变体的错误检出概率的平均值,这掩盖了蜕变关系的一些重要特征.因而本文提出蜕变关系敏感度的概念,即用蜕变关系对不同变体的错误检出率所构成的多维信息...
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.
基于k-近邻的协同过滤推荐算法对于邻居数量k的确定过于主观,并且推荐时以k-近邻均值加权推荐不够准确.针对这两个问题,本文首先引入并改进最大最小距离聚类算法,进而设计启发式聚类模型将用户进行不规定类别数的自由聚类划分,目标用户所在类的用户为邻居用户,客观确定邻居数量;然后在推荐时定义类别相似度,针对性地建立目标用户未评分和评分项目的潜在类别关系,改进k-近邻均值加权算法.实验结果表明,该算法提高了...
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...
提出了一种基于量子谐振子模型的聚类中心选取算法.该算法以量子谐振子波函数从高能态到基态过程中的概率变化过程为理论模型来描述聚类问题中数据对象向聚类中心点的聚集行为,能够快速查找到最优的聚类个数及较好的聚类中心点所在的网格;数据读入网格结构之后,算法的处理时间与数据集规模无关.实验结果表明:CCSA-QHOM算法较适合于处理每个子类局部区域的网格密度分布呈单峰特性的数据集的聚类中心选择问题.