检索结果-南通市图书馆

基于相对熵和子空间二次过滤的CLIQUE改进算法

在线全文

学校读者我要写书评

暂无评论

燕山大学学报 2011年第4期35卷 359-365页

作者：郭景峰易莉桦燕山大学信息科学与工程学院河北秦皇岛066004

提出了一种基于相对熵和子空间二次过滤的CLIQUE改进算法。该算法根据数据的分布情况对每一维采用自适应的网格划分方法,减少了全空间中网格单元的数量,降低了算法的时间复杂度。算法采用了基于维关联度的子空间二次过滤策略,提高了聚... 详细信息

提出了一种基于相对熵和子空间二次过滤的CLIQUE改进算法。该算法根据数据的分布情况对每一维采用自适应的网格划分方法,减少了全空间中网格单元的数量,降低了算法的时间复杂度。算法采用了基于维关联度的子空间二次过滤策略,提高了聚类结果的准确性。实验使用仿真数据表明,该算法在精度,时间复杂性等方面的表现优越。

关键词：子空间聚类相对熵联合基尼值维关联度 CLIQUE

DEN-Stream:一种分布式数据流聚类方法

在线全文

学校读者我要写书评

暂无评论

计算机应用与软件 2016年第7期33卷 56-59,63页

作者：李长路王劲林郭志川韩锐中国科学院大学北京100190 中国科学院声学研究所国家网络新媒体工程技术研究中心北京100190

现有的数据流聚类方法很难兼顾数据稀疏和子空间聚类等高维数据难题,而分布式数据流对数据流聚类提出包括在线计算效率、通信开销以及多路数据的融合等更多挑战。提出分布式数据流聚类方法,采用全局统一的网格划分和衰退时间以支持多路... 详细信息

现有的数据流聚类方法很难兼顾数据稀疏和子空间聚类等高维数据难题,而分布式数据流对数据流聚类提出包括在线计算效率、通信开销以及多路数据的融合等更多挑战。提出分布式数据流聚类方法,采用全局统一的网格划分和衰退时间以支持多路数据流融合,并周期性检查和删除过期网格来控制概要规模。通过对多路高维数据流的一遍扫描,发现高维数据流子空间任意形状的聚类,并反映数据分布随时间的演化。在线组件效率高开销低,概要信息简洁,通信代价低。实验表明,该方法能够对分布式数据流正确聚类并演进,在线组件效率高,概要规模小。

关键词：分布式数据流子空间聚类网格聚类高维数据

在线全文

学校读者我要写书评

暂无评论

自适应图近邻的张量低秩表示多视图聚类

电子技术与软件工程 2022年第12期 175-179页

作者：杨暄皓潘柏丞蔡松岳西南大学电子信息工程学院重庆市400715 重庆大学计算机学院重庆市401331

本文在基于张量的多视图聚类算法中引入自适应近邻约束,提出了一种自适应图近邻的张量低秩表示(LRTRAGN)模型,使得该模型既能利用视图间的空间高维信息,又能较好地利用局部图的特征。随后,本文对该模型的优化提出了一种迭带算法。最后,... 详细信息

本文在基于张量的多视图聚类算法中引入自适应近邻约束,提出了一种自适应图近邻的张量低秩表示(LRTRAGN)模型,使得该模型既能利用视图间的空间高维信息,又能较好地利用局部图的特征。随后,本文对该模型的优化提出了一种迭带算法。最后,该方法在多个真实数据集上与多种先进算法就聚类表现进行对比,表现出了该方法的优越性。

关键词：多视图聚类子空间聚类张量表示模型

在线全文

学校读者我要写书评

暂无评论

基于组合增量聚类的数据流异常检测研究

计算机与数字工程 2017年第8期45卷 1473-1478,1508页

作者：许福徐建南京理工大学计算机科学与工程学院南京210094

面向数据流的异常检测方法在诸如实时监控、网络入侵检测等领域有着广泛的应用。然而,数据流连续不断的特点,以及数据流处理的特殊性和时效性等限制使得传统的聚类算法已不再适用,因此增量聚类成为当前面向数据流异常检测的研究热点。... 详细信息

面向数据流的异常检测方法在诸如实时监控、网络入侵检测等领域有着广泛的应用。然而,数据流连续不断的特点,以及数据流处理的特殊性和时效性等限制使得传统的聚类算法已不再适用,因此增量聚类成为当前面向数据流异常检测的研究热点。论文在改进了两类增量聚类方法的基础上,针对单一增量聚类检测率低,误报率较高的问题,提出了一种基于组合增量聚类的数据流异常检测方法,该方法以改进的增量聚类算法为基础,设计了有效的共识函数对多种聚类算法的结果进行融合。实验结果表明,改进的聚类算法在处理效率上有明显提升,适用于增量聚类,并且提出的组合增量聚类相比于单一聚类方法,具有更好的聚类性能。

关键词：数据流异常检测增量聚类子空间聚类聚类融合

在线全文

学校读者我要写书评

暂无评论

基于熵的平衡子空间K-means算法

计算机系统应用 2022年第12期31卷 266-272页

作者：康泰榕何振峰福州大学计算机与大数据学院福州350108

在许多数据挖掘的实际应用中要求每一个类别的实例数量相对平衡.而独立子空间聚类的熵加权K-means算法(EWKM)会产生不均衡的划分,聚类质量很差.本文定义了一种兼顾平衡划分与特征分布的多目标熵,然后应用该熵改进了EWKM算法的目标函数,... 详细信息

在许多数据挖掘的实际应用中要求每一个类别的实例数量相对平衡.而独立子空间聚类的熵加权K-means算法(EWKM)会产生不均衡的划分,聚类质量很差.本文定义了一种兼顾平衡划分与特征分布的多目标熵,然后应用该熵改进了EWKM算法的目标函数,同利用迭代方法和交替方向乘子法设计其求解流程,并提出基于熵的平衡子空间K-means算法(EBSKM).最后,在UCI、UCR等公开数据集进行聚类实验,结果表明所提算法在准确率和平衡性方面都优于同类算法.

关键词：子空间聚类平衡聚类特征加权 K-means

基于NetFlow的应用协议半监督识别算法

在线全文

学校读者我要写书评

暂无评论

计算机技术与发展 2010年第7期20卷 9-12,16页

作者：刘炯徐同阁北京航空航天大学计算机学院网络技术北京市重点实验室北京100191

传统协议识别算法无法适应当前多变复杂的网络环境,尤其在当今复杂网络环境中P2P应用中广泛的动态端口应用。因此针对传统端口识别方法的局限性,提出了一种基于NetFlow的应用协议半监督识别算法。采用NetFlow报文数据为基础,通过对NetF... 详细信息

传统协议识别算法无法适应当前多变复杂的网络环境,尤其在当今复杂网络环境中P2P应用中广泛的动态端口应用。因此针对传统端口识别方法的局限性,提出了一种基于NetFlow的应用协议半监督识别算法。采用NetFlow报文数据为基础,通过对NetFlow属性维进行子空间聚类,生成每种协议类型的关键维组,采用半监督算法,根据每种协议的关键维特征识别NetFlow数据。实验结果表明,文中提出的基于NetFlow的应用协议半监督识别算法在测量准确度上优于传统识别算法,有效地解决了当前复杂网络中的协议识别问题。

关键词：协议识别半监督子空间聚类

在线全文

学校读者我要写书评

暂无评论

基于子空间特点的高维数据分类方法分析

延安大学学报（自然科学版） 2016年第3期35卷 29-32页

作者：耿妍窦霁虹王俊荣孙梦娇张安申西北大学数学学院陕西西安710127

结合主成分分析法与子空间聚类法对高维数据进行分类处理。通过主成分分析法去除噪音信息,再分别用K-means算法和模糊C-聚类算法进行子空间聚类,最后通过ROC曲线进行敏感性分析,得到简单、准确的数据分类方法。通过聚类结果图可以看出,... 详细信息

结合主成分分析法与子空间聚类法对高维数据进行分类处理。通过主成分分析法去除噪音信息,再分别用K-means算法和模糊C-聚类算法进行子空间聚类,最后通过ROC曲线进行敏感性分析,得到简单、准确的数据分类方法。通过聚类结果图可以看出,我们的分类效果是较好的,这也为高维数据处理提供了有效的方法。

关键词：无监督学习高维数据主成分分析子空间聚类

在线全文

学校读者我要写书评

暂无评论

基于聚类分析的家电回收异常点挖据

现代商业 2017年第4期 168-169页

作者：姜晓茜王宇冒嘉驹吉林大学交通学院吉林长春130025

当前国内废旧家电回收过程中存在种种不规范的问题,尤其是数据收集手段粗糙,造成数据可靠性低。在后续进行数据分析时,虚假、错误数据会严重影响企业和政府决策,造成企业不必要的损失,干扰政府制定及落实补贴政策。在这一现状下,异常数... 详细信息

当前国内废旧家电回收过程中存在种种不规范的问题,尤其是数据收集手段粗糙,造成数据可靠性低。在后续进行数据分析时,虚假、错误数据会严重影响企业和政府决策,造成企业不必要的损失,干扰政府制定及落实补贴政策。在这一现状下,异常数据的发现和处理显得尤为重要。本文首先对比几种异常点检测算法,同时分析家电回收数据的特性。可以假定直接获得的数据其实来自一个低维线性子空间,因此最终选用一种适合子空间聚类的异常点检测方法。该方法在子空间聚类算法中引入e1范数正则化,并采用随机梯度下降优化方法进行子空间聚类,能够保证在数据受到严重离群点污染的条件下精确剔除离群点,同时克服数据处理计算量大和内存需求高的困难。

关键词：家电回收异常点检测大数据子空间聚类

在线全文

学校读者我要写书评

暂无评论

基于改进SMMC模型的多流形结构数据分析

软件导刊 2017年第7期16卷 29-32页

作者：邱益维钟海伟浙江长征职业技术学院计算机与信息技术系浙江科技学院信息与电子工程学院浙江杭州310023

提出一种改进的多流形谱聚类(SMMC)模型,提高复杂流形结构中的聚类精度。改进模型的核心在于首先对原始数据进行空间映射,得到能体现原始数据流形结构的数据;其次,根据流形距离的定义,利用局部点邻域构造各点的切平面,将切平面参数作为... 详细信息

提出一种改进的多流形谱聚类(SMMC)模型,提高复杂流形结构中的聚类精度。改进模型的核心在于首先对原始数据进行空间映射,得到能体现原始数据流形结构的数据;其次,根据流形距离的定义,利用局部点邻域构造各点的切平面,将切平面参数作为新流形的数据样本;最后用SMMC模型求解,得到聚类结果。实验结果表明,改进的SMMC模型对独立子空间、非线性良分离以及非线性交叉流形这三类数据的子空间聚类效果良好,且具有强鲁棒性和通用性。

关键词： SMMC模型流形学习子空间聚类多流形建模