【摘 要】
：
传统的聚类算法一般只适用于静态数据的处理,而真实世界的数据往往数据量大且变化多,静态的聚类算法不能为动态数据提供其演化规律的分析学习.演化数据的聚类,一方面要正确反映每一时刻数据的合理簇划分,另一方面又要使动态的聚类结果在演化过程中尽可能平滑.本文提出了一种自适应时间平滑的演化聚类框架,该模型考虑到当前时刻数据与历史时刻数据的未知关联,通过限定时间回溯的范围,自适应地寻找与当前快照最相关的历史快照,并通过有机融合基于Itakura?Saito距离的静态相似度和基于时间序列的动态相似度,计算各个时间片快照上
【机 构】
：
扬州大学信息工程学院,扬州 225009
论文部分内容阅读
传统的聚类算法一般只适用于静态数据的处理,而真实世界的数据往往数据量大且变化多,静态的聚类算法不能为动态数据提供其演化规律的分析学习.演化数据的聚类,一方面要正确反映每一时刻数据的合理簇划分,另一方面又要使动态的聚类结果在演化过程中尽可能平滑.本文提出了一种自适应时间平滑的演化聚类框架,该模型考虑到当前时刻数据与历史时刻数据的未知关联,通过限定时间回溯的范围,自适应地寻找与当前快照最相关的历史快照,并通过有机融合基于Itakura?Saito距离的静态相似度和基于时间序列的动态相似度,计算各个时间片快照上的相似度矩阵.本文进一步提出了两种自适应时间平滑的演化谱聚类算法,从不同的角度定义时间代价,得到不同的演化聚类结果.在真实数据集上的实验表明这两种算法能够有效地利用历史数据,在聚类结果上准确性更高,时间平滑性也更好.
其他文献
通过对现用单体液压支柱在技术方面存在的诸多问题进行分析,提出了提高产品性能的改进方案:取消回力弹簧,简化了支柱整体结构;取消支柱底座、顶盖密封,减少了产品故障点;采用大流量溢流阀,防止顶板突然来压对支柱的冲击破坏;采用等强度结构和钢材调质处理,提高了支柱整体强度;采用复合电镀工艺,提高了支柱的防腐性能;采用免排气工艺,防止支柱的假性卸载;加装了防护套,防止粉尘对支柱的污染.通过对产品整体性能进行改进,力求支柱性能更加优越,在井下使用不出现主件变形和破坏,不用升井大修,减少了维护量和使用成本.研制的沿空留巷
为提高瓦斯抽采效果,主焦煤矿在2307工作面底板巷实施瓦斯抽采钻孔机械造穴,施工了16个造穴钻孔,并对抽采参数进行了监测和统计分析.结果表明,利用机械造穴设备可在抽采钻孔内形成直径500 mm的洞穴,增加煤层通透性,与相似条件的普通抽采孔相比,平均抽采浓度提高了1.48倍,成效显著.
煤层气属于一种清洁能源,随着煤层气储层勘探和开发的进一步发展,出现的问题越来越多.煤层钻井除了煤层损害、完井较难等问题以外,井壁失稳是最需要关注的问题,那么能够准确评价井眼稳定性的方法就非常关键.通过测井曲线计算岩石力学参数,包括单轴抗压强度、杨氏模量、泊松比、内摩擦角、内聚力等.将测井资料计算的岩石力学参数作为输入参数,在三轴应力下对岩样进行了岩石力学参数的动、静态同步测试,并对动静态弹性参数进行了线性回归,计算出地层三压力剖面及安全泥浆密度范围,为煤层钻探提供帮助,从而真正达到安全高效生产.研究地区位
根据夏阔坦矿业榆树田煤矿工作面顶板坚硬细砾砂岩和石英砂岩,采空区易悬顶,顶板来压垮落时,容易引起采空区瓦斯燃爆、回风隅角、回风流瓦斯超限,通过工作面采取偏“Y”型通风方式、连续注氮、顺层钻孔预抽、两道实施顶板预裂爆破、高位定向钻孔以及隅角埋管抽采等治理措施,在实践中有效杜绝了采空区瓦斯燃爆和瓦斯超限现象,保证安全生产.
突出矿井突出煤层的石门揭煤是非常重要的环节.在水力化措施成为治理瓦斯的一个常规有效技术的情况下,提出采用强弱强结构技术进行矿井石门揭煤.白龙山煤矿一井C7+8煤层为突出煤层,为保障石门揭煤安全、缩短揭煤周期,对强弱强结构技术开展试验研究.结果表明:水力割缝技术可以在石门外围形成足够的弱结构区域,可以较好地增加预抽阶段煤体的透气性,提高抽采效率.揭煤期间工作面钻屑瓦斯解吸指标K1值最大为0.30 mL/(g·min1/2),钻屑量最大值2.2 kg/m,炮后瓦斯浓度0.04％～0.22％;采取水力割缝措施后
以盐城市某基坑为例,采用理正深基坑支护结构设计软件对支护方案及施工工况进行模拟计算和稳定性分析,并将计算值与现场监测数据对比分析.结果表明:各项内力计算及稳定性验算结果均在允许值范围内,设计计算是偏于安全的,并且能够满足工程需要的精度要求.为软土地区预应力混凝土管桩采用上下组合桩作为支护结构作参考.
针对现实场景中大量无监督数据无法有效利用的特点,提出了一种基于数据相似度匹配的半监督学习算法.该方法结合一定的先验知识,通过无监督学习的方式,计算未标记数据与少量有标记数据之间相似度,从而对少数类样本进行扩充.利用构造后的数据集进行模型训练,从而提高模型对于少数类的识别效果.该方法能有效改进分类任务中数据分布不平衡及标记困难的问题,在一组基于真实场景下的电力传感器检测数据分类任务中取得了较好的少数类识别效果.通过对比传统以及半监督的多种分类算法,该方法虽然在准确率上低于传统方法,但是在召回率与F1值的表现
基于自编码器的特征提取技术广泛应用于图像聚类分析,在较简单的图像集上取得了令人满意的聚类结果,但自编码器的特征表示能力有限,很难捕捉到复杂低质图像的局部特征。本文提出一种基于非对称结构卷积自编码器(Convolutional auto-encoder with an asymmetric structure,ASCAE)的学习视觉特征的深度聚类方法,其中非对称结构的卷积自编码器用于学习特征表示,然
针对传统的入侵检测方法在未知攻击上表现不佳、且没有考虑信息不足的情况对于决策的影响的问题,本文提出了一种基于三支决策和数据增广的入侵检测算法CGAN?3WD.算法利用条件生成对抗网络来满足三支决策理论对数据信息的需求.首先基于三支决策理论对网络行为做出决策,将网络行为划分至正域、负域以及边界域中;之后基于条件生成对抗神经网络来完成数据增广,生成新的样本数据,从而为分类器提供更多的信息以支撑分类器将边界域转化为正域或者负域.NSL?KDD数据集被用于本文的实验中,实验证明,本文提出的算法CGAN?3WD在对
大数据处理是近年来广受关注和研究的技术领域,数据挖掘作为从大量数据中挖掘隐藏价值信息的技术,是处理大数据的有效工具.本文主要从数据挖掘的角度对大数据处理算法的研究现状进行分类总结.首先介绍了大数据中针对流式数据分类的方法,包括单模型算法和集成分类算法;其次分别从单机算法和基于分布式并行平台的多机算法两个角度概括介绍了大数据聚类方法以及大数据关联规则挖掘方法;最后总结了现有面向大数据的数据挖掘算法的研究进展并展望未来的发展趋势.