聚类

摘要： 在降低高光谱遥感影像数据的冗余度方面,波段选择一直是一种有效的方法.近年来,提出了许多用于高光谱波段选择的聚类算法,但大多数算法只有在选择足够多的聚类中心时才能够表现出良好的性能.在选择少量波段时,往往效果很不理想,不能满足实际使用的目的.而且,随着聚类中心数量的增加,大多数波段选择算法的精度存在不同程度的下降趋势.针对当前基于聚类的波段选择方法存在对聚类中心数的强敏感性和选择的特征波段子集高相关性的问题,提出了一种基于近邻子空间划分的波段选择方法(SEASP).该方法主要包括近邻子空间划分和特征波段选取两个步骤.考虑到高光谱波段之间的有序性,SEASP首先计算出相邻波段之间的相关系数,得到相关系数向量.若两个波段之间的相关性在某个区间内最小,即相关系数的变化率在该区间内最大,说明这两个波段在很大概率上不属于同一组,为两个相邻分组之间的分割点.因此,在相关系数向量的基础上,计算出其对应的若干个极小值,通过极小值的选取来确定最终划分的子空间.最后以信息熵为度量标准从划分的子空间中选出特征波段子集.在3个公开数据集的实验结果表明,提出的SEASP算法与其他算法相比,不仅原理简单,而且在精度和计算效率方面,均表现出了更好的效果.

摘要： 上市环保企业的盈利能力研究对促进我国环保行业的发展具有重要的意义.高斯混合聚类属于软聚类,它以概率作为依据,从随机性和不确定性中体现肯定性和稳定性,属于高度的人工智能范畴,聚类准确客观,提供的信息量更加详细.利用高斯混合聚类对我国26家上市环保企业的盈利能力进行分类,按盈利能力的强弱分为4个类别,聚类结果显示:分类比较客观准确,与它们的实际经营状况基本吻合.

摘要： SOM神经网络结构简单,具有良好的自组织、自学习能力等特性。学习能力强,处理速度快,兼有可视化,决策结果客观可靠,是一种优良的聚类工具,在模式识别和样本分类中得到广泛应用。运用SOM聚类方法对我国部分上市商业银行的盈利能力进行了聚类,将研究的16家商业银行的盈利能力划分为强、较强、中、弱四个类别,与实际情况基本吻合。

摘要： 由于人类活动的复杂性和多维性,活动模式的挖掘具有很大的挑战性。本文提出了一个基于时序活动序列计算用户之间的相似度,通过聚类分析来挖掘活动模式和社会人口学模式的方法,对模式进行趋势分析。实验结果表明,提出O(p(m-p))的相似度算法,可以有效地进行聚类。在此基础上,通过时序活动图和概率密度函数(PDF)图的可视化以及统计分析,挖掘出了活动及其社会人口学模式,然后通过对连续多年的数据挖掘,获取行为及其社会人口学模式的发展趋势,以此得到了相似的活动行为具有相似的社会人口学特征的结论。

摘要： 汽车行驶工况图是车辆开发、评价最为基础的依据。以汽车行驶GPS数据为基础,综合运用多种数据处理和数据分析方法,根据运动学片段构建误差较小的汽车行驶工况图。首先,对数据进行清洗,提取运动学片段;然后利用15种特征参数对运动学片段提取特征,之后对特征参数矩阵进行主成分分析和K-means聚类,构建出一条行驶工况曲线;最后将构建的行驶工况曲线和采样总体进行误差分析,得到相对误差值为0.84,验证了该汽车行驶工况图的有效性和合理性。

摘要： Hough变换常用于雷达的航迹起始,但是复杂环境下,由于杂波密度大、探测回波不连续导致目标在参数空间的投票常常淹没在噪声和杂波中,为检测出目标一般将阈值设低,这导致后续还原航迹的运算量变大。针对常规Hough变换无法在复杂环境下有效使用的问题,提出了一种基于序列Hough变换和逻辑法的航迹起始方法,利用雷达在同一次扫描中点迹无关的特性减少Hough变换的无效积累,通过Hough变换时的积累分布特性进行峰值聚类并设置合理阈值提取满足条件的点,利用逻辑法进行点迹筛选还原航迹。验证结果表明,该方法能在复杂环境下有效地起始多目标航迹。

摘要： 推荐系统本质是一种信息检索技术,能根据用户喜好在海量数据中检索出合适数据推荐给用户,传统推荐系统一般使用协同过滤推荐算法,协同过滤推荐算法主要通过挖掘用户的历史行为数据进行推荐,但传统推荐算法存在着稀疏矩阵、冷启动、实时性等问题困扰[1];因此,本文提出一种基于自适应布谷鸟聚类搜索的改进推荐系统算法,首先对推荐数据进行聚类处理,然后利用布谷鸟算法较强的全局搜索能力,提升推荐系统的准确度,实验结果表明,引入自适应布谷鸟聚类搜索能对传统协同过滤算法在推荐精度、召回率等方面指标方面有一定提高,计算效果优于传统推荐算法。

摘要： 【目的】明晰宣威高端卷烟原料产区土壤特征及其与烟叶品质间的相关性,为提高烟叶产质、改良烟区土壤及制订烟区规划提供指导。【方法】从宣威10个乡镇的25个烟叶收购点各采集2份土样及烟样进行检测,分析土壤特征指标(土壤pH、有机质、碱解氮及速效钾含量)并进行聚类,同时对各指标与烤烟品质间进行相关性分析。【结果】宣威高端卷烟原料产区土壤可分为3类:Ⅰ类土壤为土质微酸,有机质、碱解氮及速效钾含量相较其余2类表现中等;Ⅱ类土壤为高速效钾、高pH、低氮、低有机质土壤;Ⅲ类土壤为高氮、高有机质土壤、低pH、低速效钾土壤;不同土壤生产的烟叶物理特性稳定,无显著差异;Ⅱ类土壤生产的烟叶油分显著高于Ⅰ类和Ⅲ类,Ⅲ类土壤生产的烟叶还原糖含量显著低于Ⅰ类和Ⅱ类;土壤养分特征指标与烤烟油分及还原糖含量呈中度至高度相关,其中,有机质含量与烤烟油分呈显著负相关,pH与油分呈中度正相关,碱解氮含量与油分呈高度负相关,速效钾含量与油分呈高度正相关,有机质含量与烤烟还原糖含量呈中度负相关,碱解氮含量与还原糖含量呈高度负相关,pH和速效钾含量与还原糖含量呈高度正相关。【结论】宣威高端卷烟原料产区土壤有机质含量偏高,碱解氮含量偏低,对烟叶品质产生负面影响,应适当控制当地烟区有机物料的投入,通过优化灌溉措施、施肥模式及栽培技术等对土壤养分欠协调烟区进行土壤改良。

摘要： 基于图像的人体异常行为检测方法,当人数增多、遮挡等情况发生时,人体行为数据信息可靠性较低,检测精度不高、自适应性差,本文提出一种基于姿态特征的异常行为检测方法解决上述问题。利用成熟的人体姿态识别技术提取视频中人体关节点数据,将关节点坐标转化为人体行为的角度特征和距离特征以表达人体姿态;应用机器学习方法对关节特征进行分析和处理,获取有利于标识异常动作的数据分布特征;采用聚类算法在视频序列中对异常行为进行标记;使用支持向量机识别具体异常动作种类,实现人体异常行为检测。实验结果表明,相比于基于图像检测的方法,该算法检测精度达到了89.65%,可以运用于室内人体行为检测。

摘要： 为改进传统K-means聚类算法中存在因随机选择初始质心而导致聚类结果不稳定且准确度低的缺点,提出基于改进量子旋转门人工鱼群算法的K-means聚类(IQAFSA)算法,通过动态更新量子旋转门的旋转角提高下一代更新方向准确度及更新速度。变异策略从传统的非门改为H门,既增加种群的多样性,又使全局搜索能力增强;最终使用所改进算法选取K-means的初始质心再进行聚类。通过UCI数据的测试以及在医学相关数据上的实验表明,提出的算法具有有效性,准确度较高且收敛速度较快。

摘要： 随着网络信息量的迅速增长,传统的搜索引擎技术也只能为用户提越来越长的检索结果列表。用户不得不从中进行按照自己标准的二次检索.浪费了时间和效率.针对这问题,据挖掘领域中的聚类技术引入网络信息搜索中(Web聚类技术),以解决搜索引擎结果集不便于用户浏览问题为目的。本论文分析维吾尔语的词法特点,选择适合维吾尔文文本聚类的牲,构造可展后缀树,选择基类,合并基类,把维吾尔文网页按相似度分成不同的类并形成类标签。

摘要： 影响岩石边坡稳定性的因素众多且关系复杂,且存在大量未确知信息,很难用简单的方法进行分析判断,借鉴工程类比的思想,采用聚类与未确知测度相结合的方法进行研究.针对边坡工程问题环境的复杂性,以大量的历史数据为训练样本,通过动态聚类分析,求得其分类中心.针对大量的未确知信息,利用未确知测度方法对其进行评价,提出一种分析边坡稳定问题的新方法.研究表明,该算法可以对边坡的稳定状态进行预测,正确率在90%以上,为比较合理快速地分析边坡稳定分析方法提供了一条新的途径.

摘要： 当前的Web服务注册架构缺少能够高效、准确、充分发现服务的分类管理机制,导致业务需求不能满足,造成服务资源浪费.针对某一特定领域,进行Web服务的分类管理显得格外重要.本文提出了一种基于聚类分析的方法,辅助对特定领域的Web服务进行分类.方法将功能相同或相近的Web服务聚合在一起,进而对它们进行抽象,使用抽象服务概念来描述一类Web服务,达到对Web服务自动分类管理的目的,为快速、精确、完备的服务查找提供方便.通过实验和领域应用验证,证明了方法的可行性和有效性.

摘要： 本文提出了一种新的基于选择性神经网络集成的图像相关反馈机制。在用户标注正负示例的基础上，首先利用改进的Bagging算法训练出若干个体网络分类器，之后提出一种新颖的基于可达性矩阵的简单聚类方法(AM)对个体网络聚类，自动获得聚类数目以及聚类结果,在每一类中选择最优网络进行集成,并在相关类上寻找相似图像。在COREL图像库中的实验表明，与传统的基于K-means聚类和最大最小距离法(MM)聚类进行的神经网络集成相比，该聚类集成机制获得了更高的查全率和查准率，并且兼顾了运行的高效性以及算法的智能性。

摘要： 单元的密度和质心反映了单元内数据分布特征，利用单元内数据分布特征提出了基于网格相邻关系的多密度聚类算法GAMD。该算法用单元间的相对密度和单元质心距离的相对数来衡量单元间的相似度，并确定边界单元的数据归属，有较高的时间效率。为检验聚类的有效性，提出了拟合度的概念。实验结果表明，该算法能发现任意形状的簇，并能有效地对多密度数据集进行聚类，且聚类结果与数据输入顺序和单元顺序无关。

摘要： 聚类是一种有效的数据分析方法，在数据挖掘和模式识别领域有很广泛的应用。样本中不同的特征变量所包含的信息不同，在所研究的问题中表现出的区分能力也不同。为体现不同特征在所研究的问题中的不同重要程度，本文对特征加权进行研究，并将其和聚类过程相结合，提出了一种基于近邻传播(简称AP)的特征加权聚类方法。该方法根据AP初始聚类的结果，以每类的中心为圆点，以距离为半径选取位于圆中的样本作为训练集，采用特征分析方法对数据空间的特征的重要性进行度量，计算特征的权重，利用加权后的特征更新AP的相似矩阵，重新聚类得到一个新的聚类结果。距离半径是一个影响该方法性能的重要参数。本文采用所有聚在同一类的任意两个样本的加权距离和进行评价,以选取合适的半径。对公共数据集的测试结果显示了该方法的优越性。

摘要： 本文利用数据挖掘技术当中的聚类、分类技术对网管话务数据进行分析，得到异常话务存在的点。对K-means算法进行改进并利用改进的算法对国际方向忙时占用次数进行聚类，得到五个分类。对国际去话话务进行了分类研究。

摘要： 人名歧义是一种身份不确定的现象,指的是文本中具有相同姓名的字符串指向现实世界中的不同实体人物。人名消歧很长时间一直是一个具有挑战性的问题,关注网页里的人名消歧的问题.因为经典的K-means算法如果选择了一个差的随机初始聚类中心,算法会遇到局部收敛的问题,所以文章提出一种基于最大最小原则的改进的K-means算法来进行人名消歧。同时使用了WePS的训练数据作为实验的语料。实验结果表明,改进的方法比层次聚类方法有着更好的性能。

摘要： 在这篇文章中，我们介绍一种新的图像自动分割和识别的方法。该方法仅仅利用有限的先验知识，能够完成自动而且快速的图像分割和识别任务。当前国际和国内大多数用于识别和分割的分析描述方法都是基于统计或结构性，需要大量的先验知识和样本来获得分类器，数据库庞大，计算方法复杂，效率低下。在这篇文章中，我们利用少量的样本，可以获得每个组成部分的纹理结构特性，然后获得粗略的目标部分的区域，接下来我们借助细胞生长算法的思想去按照不同目标的纹理来进行生长。当纹理生长到边界时，生长过程会自动停止。依照这些步骤，这个方法可以利用很有限的经验和样本完成目标的识别和分割。

摘要： 在这篇文章中，我们介绍一种新的图像自动分割和识别的方法。该方法仅仅利用有限的先验知识，能够完成自动而且快速的图像分割和识别任务。当前国际和国内大多数用于识别和分割的分析描述方法都是基于统计或结构性，需要大量的先验知识和样本来获得分类器，数据库庞大，计算方法复杂，效率低下。在这篇文章中，我们利用少量的样本，可以获得每个组成部分的纹理结构特性，然后获得粗略的目标部分的区域，接下来我们借助细胞生长算法的思想去按照不同目标的纹理来进行生长。当纹理生长到边界时，生长过程会自动停止。依照这些步骤，这个方法可以利用很有限的经验和样本完成目标的识别和分割。

摘要： 基于密度聚类法和形态学聚类法的驾驶员注视点聚类方法，属于典型密度聚类方法和数学形态学聚类方法的聚类方法领域。包括：提出密度方法与数学形态学方法相结合的自适应DBSCAN‑MMC方法；将方法用于驾驶员注视点聚类；首先使用注视点结构参数设置Eps的取值；通过DBSCAN得到MMC聚类的初始点集并确定聚类数目；使用自适应的MMC聚类减少DBSCAN聚类产生的离群点，并最终完成面向驾驶员注视区域的聚类。本发明充分利用了DBSCAN和MMC的不规则形状聚类优势并较好地弥补了两种聚类方法的缺陷，在进行驾驶员注视区域划分时聚类效果优于常规DBSCAN聚类方法和MMC聚类方法，提高了驾驶员注视点聚类质量。

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： 本发明涉及一种雷达点迹的聚类方法、聚类装置、聚类设备及计算机可读存储介质。该雷达点迹的聚类方法包括S1，建立点迹总集M；S2，遍历点迹总集M，若完成遍历，则转入步骤S5；若否，在点迹总集M中任取一个未曾遍历过的点迹D，使点迹D为中心C，进入步骤S3；S3，第一次聚类；S4，第二次聚类；S5，结束。本发明提出了一种雷达点迹的聚类方法、聚类装置、聚类设备及计算机可读存储介质，能解决雷达角度分辨率降低的问题。

摘要： 服务器4执行：相似度计算步骤(S2)，计算一篇文件的内容与其他文件的内容的相似度；聚类分类步骤(S3)，基于计算出的相似度将文件作为节点，生成将相似的节点间以边连结的网络，并以相似的文件进行聚类划分；第1指标计算步骤(S4)，计算示出网络中的文件的中心性的第1指标；第2指标计算步骤(S5)，计算与所述网络中的所述第1指标不同的、示出文件的重要性的第2指标；以及显示数据生成步骤(S6)，关于文件，由与所述第1指标相应的节点的物件的大小的表现、与所述第2指标相应的所述物件的形状对应的形状的量规和所述量规的长度的表现、与所述聚类的种类相应的表现、以及与文件间的相似度的大小相应的表现，生成示出所述网络的第1显示数据。

摘要： 本发明的聚类分割评价装置(1)的特征在于，具备：实测值取得部(21)，其取得表示净水厂所取得的原水的性质的值的实测值以及表示注入到原水的药剂的量的值的实测值；聚类部(22)，其在多维空间内，将对表示原水的性质的值的实测值以及表示注入到原水的药剂的量的值的实测值进行表示的点分割为多个聚类；以及回归分析部(23)，其针对所述多个聚类的每一个，使用实测值，对以表示原水的性质的值为说明变量、以表示药剂的量的值为目标变量的预测模型的参数进行最佳化，针对每个聚类的数量评价参数被最佳化的预测模型输出的表示药剂的量的值的预测值与表示药剂的量的值的实测值的差值，并基于评价的结果来决定聚类的数量。

摘要： 服务器4执行：相似度计算步骤(S2)，计算一篇文件的内容与其他文件的内容的相似度；聚类分类步骤(S3)，基于计算出的相似度将文件作为节点，生成将相似的节点间以边连结的网络，并以相似的文件进行聚类划分；第1指标计算步骤(S4)，计算示出网络中的文件的中心性的第1指标；第2指标计算步骤(S5)，计算与所述网络中的所述第1指标不同的、示出文件的重要性的第2指标；以及显示数据生成步骤(S6)，关于文件，由与所述第1指标相应的节点的物件的大小的表现、与所述第2指标相应的所述物件的形状对应的形状的量规和所述量规的长度的表现、与所述聚类的种类相应的表现、以及与文件间的相似度的大小相应的表现，生成示出所述网络的第1显示数据。

摘要： 本发明属于数据处理技术领域，公开了一种基于AP聚类和ISA双向聚类的双向聚类方法，包括：应用AP聚类对需要聚类的样本进行初步归类，接着随机产生10000个0/1稀疏向量，其中向量的长度等于样本数量；利用AP聚类的结果对稀疏向量进行分类，将向量中非零元素所对应的样本在AP聚类结果的同一类中的向量聚为一类，并将不属于任何一类的向量去掉，将向量进行归类；将分类后的向量作为ISA双向聚类的输入，并为每一个向量设置相对应的阈值，应用ISA双向聚类进行处理，最后得到多个双向类，每一双向类包括一个样本子集和一个特征子集。本发明利用AP聚类的结果为ISA种子选择提供参考，使得聚类结果更具有现实意义。

摘要： 本发明提供了生成聚类模型以及基于该聚类模型进行聚类的方法和装置。一种方法包括：响应于接收到来自历史语音对话中的多个历史消息，提取多个历史消息中的每个历史消息的特征信息；获取多个历史消息之间的关联关系；基于多个历史消息中的每个历史消息的特征信息和关联关系来生成将多个历史消息进行聚类的聚类模型。一种方法包括：响应于接收到当前对话中的多个当前消息，提取多个当前消息中的每个当前消息的特征信息；采用本发明的方法生成的聚类模型，基于多个当前消息的每个当前消息的特征信息，将多个当前消息聚类至至少一个主题分组。采用本发明，可以生成可靠并准确的聚类模型，并可以基于该聚类模型将多个消息进行聚类并显示。

摘要： 基于密度聚类法和形态学聚类法的驾驶员注视点聚类方法，属于典型密度聚类方法和数学形态学聚类方法的聚类方法领域。包括：提出密度方法与数学形态学方法相结合的自适应DBSCAN-MMC方法；将方法用于驾驶员注视点聚类；首先使用注视点结构参数设置Eps的取值；通过DBSCAN得到MMC聚类的初始点集并确定聚类数目；使用自适应的MMC聚类减少DBSCAN聚类产生的离群点，并最终完成面向驾驶员注视区域的聚类。本发明充分利用了DBSCAN和MMC的不规则形状聚类优势并较好地弥补了两种聚类方法的缺陷，在进行驾驶员注视区域划分时聚类效果优于常规DBSCAN聚类方法和MMC聚类方法，提高了驾驶员注视点聚类质量。