检索结果-南通市图书馆

计算机科学 2010年第9期37卷 212-213,256页

作者：付立东西安科技大学计算机学院西安710054 西安电子科技大学计算机学院西安710071

为揭示复杂系统中的结构与功能之间的联系,复杂网络中的社团发现成为一项最基本的任务。最近,李等人提出了一种用来评估社团质量的函数,称之为模块密度函数(即D值),并利用一个核矩阵给出了模块密度目标函数与核k-means方法之间的等价性... 详细信息

为揭示复杂系统中的结构与功能之间的联系,复杂网络中的社团发现成为一项最基本的任务。最近,李等人提出了一种用来评估社团质量的函数,称之为模块密度函数(即D值),并利用一个核矩阵给出了模块密度目标函数与核k-means方法之间的等价性。基于这种等价性,通过过渡操作的核矩阵来优化模块密度函数并提出了一种新的核k-means算法。实验结果表明,这种算法在发现复杂网络社团上是有效的。

关键词：社团结构模块密度核k-means算法

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

基于核化k-means和SVM分类回归的Wi-Fi室内定位算法

引用

信息技术 2018年第1期42卷 113-117页

作者：赵银龙安胜彪河北科技大学信息与工程学院石家庄050018

针对目前指纹室内定位系统指纹库管理效率低、实时性差和定位精度低的问题,提出了一种新的基于核化k-means和SVM分类回归的无线定位算法。首先利用核化k-means算法将输入的预处理后的RSS(Received Signal Strength)信号进行无监督聚类,... 详细信息

针对目前指纹室内定位系统指纹库管理效率低、实时性差和定位精度低的问题,提出了一种新的基于核化k-means和SVM分类回归的无线定位算法。首先利用核化k-means算法将输入的预处理后的RSS(Received Signal Strength)信号进行无监督聚类,将聚类后的数据信息存入指纹特征数据库,然后通过SVM回归的机器学习算法对特征数据库的数据进行训练,得到一种最优的拟合位置函数的数学模型。并且采用粒子群算法对参数进行寻优,进行实验仿真。实验结果表明,该算法有效地提升了定位精度,优于kNN、WkNN、SVR等室内定位算法。

关键词：室内定位核k-means算法 SVM分类回归无监督聚类

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

核k-means优化方法研究

核k-means优化方法研究

引用

作者：樊淑炎中国矿业大学

学位级别：硕士

聚类分析是数据挖掘研究的重要内容之一,是识别数据内在结构的一种重要手段。k-means算法具有简单高效的特点,成为被广泛研究的聚类算法之一。由于现实数据的复杂流形分布,基于欧氏距离的k-means算法不能很好地处理。作为一种基于核的... 详细信息

聚类分析是数据挖掘研究的重要内容之一,是识别数据内在结构的一种重要手段。k-means算法具有简单高效的特点,成为被广泛研究的聚类算法之一。由于现实数据的复杂流形分布,基于欧氏距离的k-means算法不能很好地处理。作为一种基于核的聚类算法,核k-means算法可以有效地处理非线性可分的数据。如何提前确定聚类数目、选择核函数及确定核参数,是影响核k-means算法性能的关键因素。另外,随着数据量的增大,需要花费更多的时间以及内存满足核k-means算法运行的需求。所以本文从以上几个方面着手,对核k-means算法进行研究以提高其性能,本文的主要研究内容如下:首先,针对利用经验值确定聚类数目和核参数的盲目性,本文提出了一种基于混合蛙跳算法的自适应核k-means算法(Self-adaptive kernel k-means Algorithm based on the Shuffled Frog Leaping Algorithm,SFLA-SAkkM)。并且根据数据集的内在结构设计了一种适用于核空间的有效性指标kBWP(kernel Between-Within Proportion)。将聚类数目和核参数看作青蛙的位置信息,将kBWP指标看作适应度,利用混合蛙跳算法进行局部和全局优化,直到达到最大迭代次数。最大适应度对应的聚类数目和核参数是最佳的。实验结果表明SFLA-SAkkM提高了核k-means算法的性能。其次,本文研究使用混合核函数解决核k-means算法的核函数选择的问题,混合核函数将学习能力强的局部核函数和泛化能力强的全局核函数进行线性组合,运用到核k-means算法中,提出了混合核k-means算法(Hybrid kernel k-means)。为了进一步解决核k-means算法在处理大规模数据时存在计算复杂度高,内存需求大的问题,本文从数据集中随机采样若干个数据点,数量远远小于数据点总数,在采样数据点和所有数据点之间构造一个核矩阵,然后运用Nystr?m的思想逼近整个数据集的核矩阵,来降低算法的复杂度,进而提出了求解大规模数据的混合核k-means算法(Hybrid kernel k-means for Large Data)。再次,通过考虑数据集的局部和全局结构,本文提出一种新的基于相似性度量的局部多核k-means算法(a Novel Locally Multiple kernel k-means based on Similarity Measure,LMkkM),以解决具有复杂结构或多尺度的数据集的聚类问题。本文提出的相似性度量满足聚类假设的要求,通过考虑局部和全局结构更合理地描述数据点之间的关系。先根据局部分布,为每个数据点自适应地生成高斯核的局部尺度参数。为了兼顾数据集的全局结构,引入密度因子。实验表明LMkkM可以有效地处理具有复杂结构或多尺度的数据集的聚类问题。最后,总结本文提出的核k-means优化方法,对核k-means算法的下一步研究进行了展望。

关键词：核k-means算法混合蛙跳算法聚类有效性指标混合核函数相似性度量聚类分析

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：