检索结果-南通市图书馆

电子与信息学报 2015年第7期37卷 1620-1625页

作者：孙力娟陈小东韩崇郭剑南京邮电大学计算机学院南京210003 南京邮电大学江苏省无线传感网高技术研究重点实验室南京210003

针对数据流上的聚类任务受到时间、空间限制等问题,该文提出一种基于权值衰减的数据流模糊微簇聚类算法(WDSMC)。该算法使用改进的带权值的模糊C均值算法进行处理,并采用微簇结构和权值时间衰减结构提高聚类质量。实验表明,相对于现有... 详细信息

针对数据流上的聚类任务受到时间、空间限制等问题,该文提出一种基于权值衰减的数据流模糊微簇聚类算法(WDSMC)。该算法使用改进的带权值的模糊C均值算法进行处理,并采用微簇结构和权值时间衰减结构提高聚类质量。实验表明,相对于现有的数据流加权模糊C均值聚类(SWFCM)算法和Stream KM++算法而言,WDSMC算法具有更好的聚类精度。

关键词：数据挖掘数据流模糊C均值聚类权值衰减微簇聚类

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于局部密度峰值聚类算法的研究

基于局部密度峰值聚类算法的研究

引用

作者：陈剑锋福州大学

学位级别：硕士

自从学者提出密度峰值聚类算法以来,该算法以其能够快速发现密度峰值、提高聚类速度,而受到广泛关注。该算法虽然简单易行,但此类算法仍然存在以下几个缺点:(1)采用截止距离计算局部密度在某些情况下不能反映某点的真实密度;(2)人为地... 详细信息

自从学者提出密度峰值聚类算法以来,该算法以其能够快速发现密度峰值、提高聚类速度,而受到广泛关注。该算法虽然简单易行,但此类算法仍然存在以下几个缺点:(1)采用截止距离计算局部密度在某些情况下不能反映某点的真实密度;(2)人为地确定初始簇的个数可能导致实验结果与实际结果不相符,并且不利于计算机的数据处理;(3)剩余点的一次性分配容易造成距离较近但是结构特征不相似的数据集聚类到同一个簇中。本文针对以上三个问题进行了深入研究,并在原始算法基础上进行改进。具体研究内容如下:(1)对于数据点局部密度不真实的问题,采用灰色关联值予以解决。首先,计算出数据点之间的距离矩阵。其次,利用灰色序列算子中的区间算子和逆化算子对距离值进行处理,得到关联度矩阵。最后,利用k最近邻(KNN)算法思想,选择每个点的前α个关联值最大的值累加,作为该点的局部密度值。(2)对于簇中心点不符合实际个数的问题,在改进的局部密度值的基础上,利用灰色绝对关联度,每次选择灰色绝对关联度最大值对应的两个点进行聚类,如此往复迭代,直到完成所有点的聚类。(3)对于剩余点的分配问题,在确定初始簇中心后,通过KNN算法对剩余点进行微簇聚类。在每次迭代过程中,依据灰色绝对关联度的值而非距离进行聚类,通过该方法聚类,能够很好地将结构相似的数据集归为一个簇中。但是利用微簇聚类的方法,容易将多个簇归为同一个簇。因此,在微簇聚类后,采用簇分裂策略对已形成的簇进行分裂,得到最终聚类结果。通过以上三个方面的改进,能够很好地解决目前大多数基于密度峰值聚类算法存在的三个问题。最后,为了验证本文所提出改进算法的有效性,对一个实际案例数据和三个具有不同结构的人工合成数据进行实验。在实际案例中,改进算法能够很好地将数据集按照不同结构特征进行聚类,并提出了相应的产品分配策略。借助三个不同结构特征的人工数据案例,将所改进算法与k-means算法、单连接聚类算法和完全连接聚类算法进行对比。实验结果表明,对于具有不同的结构特征分布的数据,改进算法能够很好的识别数据结构特征,并在此基础上进行聚类,取得较好的聚类结果。综上所述,本文针对密度峰值聚类算法中数据点局部密度的不真实性、簇中心点个数不符合实际以及剩余点分配问题进行研究。利用相关的灰色理论对数据点的局部密度计算以及数据点的相似性指标进行改进,同时结合微簇聚类与簇分裂方法,使得改进的算法可以识别样本集结构特特征以及聚类结果更符合客观数量。通过实例案例和人工数据验证了本文改进算法的有效性,同时为供应链产品分配提出相应策略。

关键词：密度峰值聚类灰色绝对关联度微簇聚类簇分裂

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

分布式发电孤岛检测中的数据挖掘方法

分布式发电孤岛检测中的数据挖掘方法

引用

作者：谭啸风上海交通大学

学位级别：硕士

数据挖掘技术能够从海量的信息中提取出关键信息，在如今的信息化、网络化时代，该技术应用涵盖金融、经济、社会等各个方面。在智能电网海量信息系统中，数据挖掘技术能够很好地发挥优势，结合电力系统专业化知识，对很多传统问题提出... 详细信息

数据挖掘技术能够从海量的信息中提取出关键信息，在如今的信息化、网络化时代，该技术应用涵盖金融、经济、社会等各个方面。在智能电网海量信息系统中，数据挖掘技术能够很好地发挥优势，结合电力系统专业化知识，对很多传统问题提出新的解决方案或应对办法。由于智能电网、分布式发电系统(distributed generation, DG)具备很多与传统电网的不同特征，了解其特点提出新的保护运行方案具有重要意义。如今，分布式发电系统孤岛检测整定阈值的优化需求，适合数据挖掘技术特点。论文首先讨论了智能电网海量信息系统的构架，介绍了海量信息的存储与采集技术，阐述了实时数据流的三维预处理模型，从处理方法、数据窗、处理结果等三个维度进行了概述。根据智能电网海量信息的特点提出技术路线的框架。接着，对于数据挖掘的算法及种类进行综述，涵盖聚类、分类等方面，描述了各类算法最适合应用的问题特征，为后文做铺垫。接着，文章分析了分布式发电系统中的关键问题——孤岛检测。回顾了以往对于孤岛检测的研究工作。本章重点针对多特征判据的冲突以及单分类器的归纳偏置问题，通过RELIEF算法进行关键特征识别和多分类器综合利用以降低归纳偏置影响，接着提出基于元学习策略的孤岛检测方法，实现了良好的实时分类效果。在下一个章节里，重点对孤岛检测中的自学习方法进行了研究。论文首先提出利用微网的SCADA系统自动获取用于训练的原始样本，然后提出微簇聚类再采样和加权集成优选样本的方法来应对含概念漂移的实时孤岛检测问题。通过微簇聚类实现对在线数据流的再采样，以获取高质量的样本;接着提出加权集成优选样本策略，综合基于实例和基于集成的在线学习方法应对概念漂移的优点，提高了孤岛检测的准确率。为验证上述方法的有效性，仿真算例中充分考虑了缓慢、剧烈的概念漂移事件。实验结果表明，本节方法对提高含概念漂移的孤岛检测问题具有高的精度和强的鲁棒性，有很好的实用价值。

关键词：数据挖掘孤岛检测概念漂移元学习微簇聚类自学习

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：