一类连续的K-means等价聚类模型及其优化算法

来源 :计算机工程与科学 | 被引量 : 0次 | 上传用户:chenyanzhao12
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
聚类作为一种非监督学习方法是数据科学中重要的研究内容.K-means是一种基于划分的聚类算法,一般是利用启发式算法求解一个离散的NP问题.为增强K-means在大数据问题中的应用性,从聚类矩阵的属性出发,设计了一类非凸连续的K-means等价聚类优化模型,并利用ADM M框架给出了该等价模型的快速优化算法.数值实验结果表明了该模型及其优化算法在大数据聚类中的准确性和高效性.此外,还讨论了该模型的性质及等价性问题.
其他文献
针对当今社会人们因缺乏心理知识而导致心理疾病患病率急剧上升的问题,构建了一个小型的心理咨询知识图谱与问答系统(Question Answering system,QA).该系统可以帮助咨询者及时获取心理知识,也可以识别出有自杀倾向的咨询者,防止危险发生.搜集了一些心理信息数据,通过构建字典并生成实体与关系构建了知识图谱;使用了HanLP(Han Language Processing)分词工具来生成关键词,通过CHI(Chi-square)特征选择来进行问题分类,提高问答效率;通过与其他模型对比,优选Bi
针对硬晶片构成的多塔三维SoC绑定中测试,提出考虑测试访问机制、层间硅通孔数和测试功耗约束的测试时间优化算法.只要任意一种测试资源约束不满足待调度晶片测试,就依次释放最早结束测试的晶片测试资源,直到待调度晶片尽可能提前测试为止,以此实现该晶片与未结束测试晶片的部分流水.选用ITC02测试基准电路中的5种典型电路,手工搭建2种塔内包含子塔的多塔三维SoC.实验结果表明,与已有算法相比,提出的算法减少了空闲时间块,显著缩短了总测试时间;实验还发现,与增加TSV数相比,增大测试引脚数更能有效减少多塔三维SoC的
为提升自动驾驶的舒适性,降低速度规划算法的复杂度,提出了一种基于模糊神经网络的纵向速度规划方法.将人工驾驶经验总结为模糊规则表,建立了模糊速度规划模型,结合神经网络的自学习功能修正模糊速度规划模型,建立了模糊神经网络速度规划模型.分析了静态障碍物和动态障碍物场景,通过仿真验证了所提速度规划方法的可行性,与传统方法相比,加速度的平滑性能更好.所提速度规划方法具有一定的抗干扰性能,工程实现简单,保证了速度规划的实时性与稳定性.
期刊
为解决传统聚类算法初始中心易陷入局部最优、耗时长的问题,提出一种改进的K-means聚类优化算法.该算法引入最大最小距离和加权欧氏距离,从剩余聚类点距离均值和出发,避免孤立点和边缘数据的影响.利用比重法对主成分进行改进,以由此获得的特征影响因子作为初始特征权重,构建一种加权欧氏距离度量.根据特征贡献率对聚类的影响,筛选具有代表性的特征因子凸显聚类效果,最终合成汽车行驶工况,分析瞬时油耗.结果表明,所提算法构建行驶工况的速度-加速度联合分布差异值仅为1.05%,比传统K-means聚类省时44.2%,行驶工
降型是广义二型模糊逻辑系统的核心模块.比较和分析了离散改进Karnik-Mendel(EKM)算法中求和运算和连续EKM(CEKM)算法中求积分运算,基于广义二型模糊集的α-平面表达理论,扩展EKM算法计算完成广义二型模糊逻辑系统质心降型.当计算广义二型模糊逻辑系统的质心降型集和质心解模糊化值时,用2个仿真实验说明了当适当增加广义二型模糊集主变量采样个数时,离散EKM算法的计算结果可以准确地逼近CEKM算法.
针对航天测控任务的多样性和复杂性不断增加,特别是数据采样频率的变化调整,原有的时间驱动处理模式已经逐渐不能满足需求,基于时间驱动的软件架构开发的外测软件日益复杂,维护难度不断增加等问题,提出了一种数据驱动的船载外测数据实时处理软件架构,在银河麒麟操作系统下,基于该架构实现了外测数据实时处理软件,该软件包含多个由数据驱动的功能组件,各组件之间使用服务总线来实现数据交互与集成.实验表明,基于该架构实现的外测数据实时处理软件很好地解决了时延过大和时序交替的问题,能够满足当前航天任务需求.
随着5G时代的到来,网络业务的快速部署能力和网络运维能力需求对网络管理提出了新的挑战.一方面,网络正在进行功能虚拟化转型,切片和微服务使网络更复杂;另一方面,网络管理人员需要更加简单的自动化工具集合支持按需、实时、灵活的网络服务.分析了当前网络管理面临的困境和产生困境的原因,提出了网络自主管理研究框架,为进一步研究提供参考.
上海市《城镇排水管道非开挖修复技术标准》(DG/TJ 08-2354—2021)于2021年11月1日起正式实施.文中重点阐述了《标准》编制的“难”与“异”,对其中涉及的技术体系、整体修复内衬分级、设计计算、材料与施工过程控制、质量验收等主要内容进行了解释说明,从而有助于对该标准的理解.
深度神经网络已经在各类计算机视觉任务中取得了很大的成功,可网络结构设计仍缺乏指导性的准则.大量的理论和经验证据表明,神经网络的深度是它们成功的关键,而深度神经网络的可训练性仍是待解决的问题.将微分方程数值解法——阿当姆斯(Adams)法用于深度神经网络的权重学习,提出一种基于阿当姆斯法的捷径连接(shortcut connection)方式,可提高网络后期的学习精度,压缩模型的规模,使模型变得更有效.尤其对网络层数较少的深度神经网络的可训练性优化效果更明显.以经典的ResNet为例,比较了使用基于Adam