检索结果-南通市图书馆

面向高维特征故障数据的进化软子空间聚类算法

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

西安交通大学学报 2013年第5期47卷 115-120页

作者：夏虎庄健于德弘西安交通大学机械工程学院西安710049

针对复杂机械设备故障诊断中特征量众多且对各种故障敏感程度不同的现象,提出了采用软子空间聚类算法来实现故障的识别方法。同时,针对传统软子空间聚类易陷入局部最优,目标函数设计受限制的缺点,又提出了采用进化计算实现聚类的方法。... 详细信息

针对复杂机械设备故障诊断中特征量众多且对各种故障敏感程度不同的现象,提出了采用软子空间聚类算法来实现故障的识别方法。同时,针对传统软子空间聚类易陷入局部最优,目标函数设计受限制的缺点,又提出了采用进化计算实现聚类的方法。利用同类样本在相关特征维上方差小的假设,新的目标函数能更好地评价聚类结果的质量。在该算法中,通过设计类中心和权重值的混合编码以及聚类导向搜索算子,使算法更适于聚类问题的优化,而且设计的修复算子可有效地去除不合理的聚类结果。采用5组UCI数据集、2组轴承滚珠故障数据集和3组往复式压缩机气阀故障数据集对算法进行了测试,结果表明:该算法明显好于几种的软子空间聚类算法,在Rand指标上最多可高出0.226 6,并且对2组不同工况下一级缸气阀故障可实现100%的故障识别。

关键词：故障诊断软子空间聚类进化算法相关特征维

在线全文

学校读者我要写书评

暂无评论

一种基于随机游走的软子空间聚类集成方法

烟台大学学报（自然科学与工程版） 2022年第3期35卷 343-350,370页

作者：李嫚王立宏烟台大学计算机与控制工程学院山东烟台264005

聚类集成旨在将多个基聚类进行组合,以获得性能更佳、鲁棒性更强的共识结果。本文提出了一种基于随机游走的聚类集成方法CERW(Clustering Ensemble based on Random Walk)。该方法以hedonic games(享乐博弈)生成的簇为图节点,簇之间的... 详细信息

聚类集成旨在将多个基聚类进行组合,以获得性能更佳、鲁棒性更强的共识结果。本文提出了一种基于随机游走的聚类集成方法CERW(Clustering Ensemble based on Random Walk)。该方法以hedonic games(享乐博弈)生成的簇为图节点,簇之间的社会福利值为边权重构造簇级相似图。为了探索相似图中节点之间的结构信息,定义一个转移概率矩阵,并在此基础上进行随机游走,通过分析不同节点的随机游走轨迹来发现博弈簇之间的潜在关系。在多个数据集上的实验结果证明了所提方法的有效性。

关键词：聚类集成 hedonic games 随机游走概率轨迹软子空间聚类

在线全文

学校读者我要写书评

暂无评论

基于粒子群优化的软子空间聚类算法

模式识别与人工智能 2015年第10期28卷 903-912页

作者：邱云飞杨倩唐晓亮辽宁工程技术大学软件学院葫芦岛125105

目标函数和子空间搜索策略决定软子空间聚类算法的性能,而聚类有效性分析是衡量其性能的主要指标.针对子空间聚类性能,提出基于粒子群优化的软子空间聚类算法(SC-WPSO).首先,利用K均值类型框架,结合类间分散度和特征权重,提出模糊加权... 详细信息

目标函数和子空间搜索策略决定软子空间聚类算法的性能,而聚类有效性分析是衡量其性能的主要指标.针对子空间聚类性能,提出基于粒子群优化的软子空间聚类算法(SC-WPSO).首先,利用K均值类型框架,结合类间分散度和特征权重,提出模糊加权软子空间聚类目标函数.然后,为跳出局部最优,将带惯性权重的粒子群算法作为子空间的搜索策略.最后,根据提出的聚类有效性函数,选取最佳聚类数目.在数据集上的实验证实SC-PSO能提高聚类准确度,同时自动确定最佳聚类数目.

关键词：软子空间聚类粒子群优化惯性权重有效性函数

在线全文

学校读者我要写书评

暂无评论

不平衡数据的软子空间聚类算法

计算机应用 2017年第10期37卷 2952-2957页

作者：程铃钫杨天鹏陈黎飞福建农林大学金山学院福州350002 福建师范大学数学与计算机科学学院福州350117

针对受均匀效应的影响,当前K-means型软子空间算法不能有效聚类不平衡数据的问题,提出一种基于划分的不平衡数据软子空间聚类新算法。首先,提出一种双加权方法,在赋予每个属性一个特征权重的同时,赋予每个簇反映其重要性的一个簇类权重... 详细信息

针对受均匀效应的影响,当前K-means型软子空间算法不能有效聚类不平衡数据的问题,提出一种基于划分的不平衡数据软子空间聚类新算法。首先,提出一种双加权方法,在赋予每个属性一个特征权重的同时,赋予每个簇反映其重要性的一个簇类权重;其次,提出一种混合型数据的新距离度量,以平衡不同类型属性及具有不同符号数目的类属型属性间的差异;第三,定义了基于双加权方法的不平衡数据子空间聚类目标优化函数,给出了优化簇类权重和特征权重的表达式。在实际应用数据集上进行了系列实验,结果表明,新算法使用的双权重方法能够为不平衡数据中的簇类学习更准确的软子空间;与现有的K-means型软子空间算法相比,所提算法提高了不平衡数据的聚类精度,在其中的生物信息学数据上可以取得近50%的提升幅度。

关键词：软子空间聚类不平衡数据特征权重簇类权重

在线全文

学校读者我要写书评

暂无评论

基于簇间距离自适应的软子空间聚类算法

计算机工程与应用 2016年第21期52卷 88-93页

作者：邱云飞狄龙娟辽宁工程技术大学软件学院辽宁葫芦岛125105

针对软子空间聚类过程中簇间距离(簇间的分离程度)对聚类的影响程度不确定的问题,提出了一种基于簇内紧密度和簇间距离自适应软子空间聚类算法。算法以经典的k均值聚类算法框架为基础,在最小化各个子空间簇类的簇内紧密度的同时最大化... 详细信息

针对软子空间聚类过程中簇间距离(簇间的分离程度)对聚类的影响程度不确定的问题,提出了一种基于簇内紧密度和簇间距离自适应软子空间聚类算法。算法以经典的k均值聚类算法框架为基础,在最小化各个子空间簇类的簇内紧密度的同时最大化各个子空间簇类的簇间距离。并且通过推导得到新的子空间聚类中心和特征加权的计算方式,克服了软子空间聚类对输入参数敏感的缺点,实现了算法的自适应学习,并且取得了较好的聚类效果。

关键词：自适应性簇间距离软子空间聚类高维数据

在线全文

学校读者我要写书评

暂无评论

烟花算法优化的软子空间MR图像聚类算法

软件学报 2017年第11期28卷 3080-3093页

作者：范虹侯存存朱艳春姚若侠陕西师范大学计算机科学学院陕西西安710062 中国科学院深圳先进技术研究院生物医学与健康工程研究所广东深圳518055

现有的软子空间聚类算法在分割MR图像时易受随机噪声的影响,而且算法因依赖于初始聚类中心的选择而容易陷入局部最优,导致分割效果不理想.针对这一问题,提出一种基于烟花算法的软子空间MR图像聚类算法.算法首先设计一个结合界约束与噪... 详细信息

现有的软子空间聚类算法在分割MR图像时易受随机噪声的影响,而且算法因依赖于初始聚类中心的选择而容易陷入局部最优,导致分割效果不理想.针对这一问题,提出一种基于烟花算法的软子空间MR图像聚类算法.算法首先设计一个结合界约束与噪声聚类的目标函数,弥补现有算法对噪声数据敏感的缺陷,并提出一种隶属度计算方法,快速、准确地寻找簇类所在子空间;然后,在聚类过程中引入自适应烟花算法,有效地平衡局部与全局搜索,弥补现有算法容易陷入局部最优的不足.EWKM,FWKM,FSC,LAC算法在UCI数据集、人工合成图像、Berkeley图像数据集以及临床乳腺MR图像、脑部MR图像上的聚类结果表明,所提出的算法不仅在UCI数据集上能够取得较好的结果,而且对图像聚类也具有较好的抗噪性能,尤其是对MR图像的聚类具有较高的精度和鲁棒性,能够较为有效地实现MR图像的分割.

关键词：烟花算法软子空间聚类噪声聚类 MR图像图像分割

在线全文

学校读者我要写书评

暂无评论

鲁棒的特征权重自调节软子空间聚类算法

计算机应用 2015年第3期35卷 770-774页

作者：支晓斌许朝晖西安邮电大学理学院西安710121 西安邮电大学通信与信息工程学院西安710121

针对已有的特征权重自调节软子空间(SC-FWSA)聚类算法存在对噪声敏感的问题,基于一种非欧氏距离,提出一种鲁棒的特征权重自调节软子空间(RSC-FWSA)聚类算法。RSC-FWSA在迭代过程中自适应地为数据生成一个权函数,通过计算每一类数据的加... 详细信息

针对已有的特征权重自调节软子空间(SC-FWSA)聚类算法存在对噪声敏感的问题,基于一种非欧氏距离,提出一种鲁棒的特征权重自调节软子空间(RSC-FWSA)聚类算法。RSC-FWSA在迭代过程中自适应地为数据生成一个权函数,通过计算每一类数据的加权平均来计算聚类中心,这种"加权平均"使得聚类中心的估计对噪声相对不敏感,从而可以提升算法对带噪声数据和复杂结构数据的聚类精度。人工数据和真实数据上的对比性实验,验证了RSC-FWSA算法的有效性。特别是人工带噪声数据和3个真实数据:Wine,Zoo以及Breastcancer上的实验结果表明,RSC-FWSA可以显著提升原对应算法的聚类精度。RSC-FWSA具有的强鲁棒性使得该算法适用于高维带噪声和复杂结构数据的聚类问题。

关键词：特征加权软子空间聚类自调节机制鲁棒聚类非欧氏距离

基于多扰动的局部自适应软子空间聚类融合算法

在线全文

学校读者我要写书评

暂无评论

计算机科学 2014年第2期41卷 240-244页

作者：王丽娟郝志峰蔡瑞初温雯华南理工大学计算机科学与工程学院广州510006 广东工业大学计算机学院广州510006

提出基于随机初始化、参数扰动和特征子集映射的多扰动的局部自适应软子空间聚类(LAC)融合算法(MLACE)。MLACE具有以下特点:(i)多扰动融合:从初始化、参数和特征子集等不同侧面,探测数据内部结构,使之相互融合,从而达到改善聚类正确性... 详细信息

提出基于随机初始化、参数扰动和特征子集映射的多扰动的局部自适应软子空间聚类(LAC)融合算法(MLACE)。MLACE具有以下特点:(i)多扰动融合:从初始化、参数和特征子集等不同侧面,探测数据内部结构,使之相互融合,从而达到改善聚类正确性的目的;(ii)融合信息提升:根据LAC算法输出的子空间权重矩阵,定义数据属于每一类的概率,形成提升的融合信息;(iii)融合一致性函数改进:融合信息的形式由0/1二值信息转换成[0,1]实值信息,因此,一致性函数采用了性能较优的实数值融合算法Fast global K-means来进一步改善融合正确性。实验选取2个仿真数据库和5个UCI数据库测试MLACE的聚类正确性,实验结果表明,MLACE聚类正确性优于K-means、LAC、基于参数扰动LAC融合算法(P-MLACE)。

关键词：聚类融合软子空间聚类局部自适应软子空间聚类多扰动

在线全文

学校读者我要写书评

暂无评论

一种基于抗原软子空间聚类的否定选择算法

计算机应用研究 2018年第3期35卷 680-684页

作者：刘正军高江锦杨韬四川大学计算机学院成都610065 西华师范大学教育信息技术中心四川南充637002

否定选择算法(NSA)是免疫检测器生成的重要算法。传统否定选择算法在亲和力计算过程中未考虑不同种类抗原关键特征与冗余特征之间的差异性,存在算法检测性能较低的问题。对此,提出了一种基于抗原软子空间聚类的否定选择算法(ASSC-NSA)... 详细信息

否定选择算法(NSA)是免疫检测器生成的重要算法。传统否定选择算法在亲和力计算过程中未考虑不同种类抗原关键特征与冗余特征之间的差异性,存在算法检测性能较低的问题。对此,提出了一种基于抗原软子空间聚类的否定选择算法(ASSC-NSA)。该算法首先利用抗原软子空间聚类计算出不同种类抗原的各个关键特征及其权值,然后通过这些关键特征引导检测器生成以有效地减少冗余特征的影响,从而提高算法检测性能。实验结果表明,在BCW与KDDCup数据集上,相对于经典的否定选择算法,ASSC-NSA能在误报率无明显变化的情况下显著地提高检测率。

关键词：否定选择算法软子空间聚类异常检测