一种基于改进型遗传算法的模糊聚类

针对模糊C均值算法(FCM算法)难以达到全局最优解的问题,引入了具有全局搜索能力的遗传算法以解决聚类问题,并在标准遗传算法基础上进行了改进。将该算法运用于IR IS数据的聚类,实现了较好的聚类,从而验证了算法的有效性。     

决策树优化研究

提出用新的极值点禁忌搜索算法构造分类问题的全局优化决策树,该算法呆用于不可微分的目标函数。全局树优化方法是非贪婪的,用于构造具有固定结构的多变量决策树,将多变量决策树表示成析取线性不等式集合,全局树优化就是使析取线性不等式中的分类误差最小化。     

基于人工蜂群算法的自适应谱聚类算法

针对传统谱聚类算法无法自动确定聚类数目,初始聚类中心K值依赖性较强以及算法全局寻优能力较差等问题,提出了一种基于人工蜂群算法的自适应谱聚类算法。将本征间隙的思想引入谱聚类算法中,在拉普拉斯矩阵的基础上构造本证间隙序列,从而解决初始聚类数目问题。利用人工蜂群算法全局搜索能力强的优点弥补谱聚类算法易陷入局部最优的缺点,同时,为防止人工蜂群算法出现早熟现象,改进了其位置搜索公式。通过标准测试函数以及UCI数据库中的不同数据集进行实验仿真,结果表明改进算法弥补了原算法的不足。     

支持向量聚类算法的研究与改进

支持向量聚类是基于支持向量机和核方法的一种新颖的聚类方法.与其它传统聚类方法相比较,该方法具有能得到全局最优解,并能处理任意形状的聚类,无需指定聚类数目,参数少,容易处理高维数据等优点.在原算法的基础上,在聚类标识阶段提出了改进算法,用支持向量代替原来的全部样本数据来进行标识,进一步减少运算时间,提高运算速度.     

云计算中基于群体智能算法的大数据聚类挖掘

为了提高数据挖掘的精度和效率,提出了一种基于群体智能算法的大数据聚类挖掘算法。首先对聚类算法中的模糊C-均值聚类算法进行分析,然后将亚启发式群体智能优化技术中的混合蛙跳算法与模糊C-均值聚类相结合,以便在调整的参数少的条件下优化全局搜索能力。仿真实验结果显示:相比其他聚类挖掘算法,提出的算法能解决局部陷阱问题,具有较好的聚类效果、准确率和收敛速度,同时算法的稳定性较高。     

利用单词超团的二分图文本聚类算法

鉴于目前传统文本聚类方法中利用文档间的相似度进行聚类存在的问题,在传统的文本挖掘基础上提出了一种新的文本聚类算法——利用单词超团的二分图文本聚类算法。该算法用文档中单词的关联模式来评估文档间的相似度及主题类别预测,并利用图划分策略来大大降低文档相似度比较算法的复杂度,同时将超团作为特征结构的扩展,可以在一定范围内减少语言信息的丢失,提高聚类效果。经实验证明该算法具有较高的有效性。     

遗传模糊C-均值聚类算法应用于MRI分割

通过分析知经典的将图像分割成C类的常用的模糊C-均值聚类算法(FCMA)依赖于初始聚类中心的选择,通常得到的是局部最优解而并非全局最优解,又由于遗传算法能搜索到全局最优解,因此将遗传算法(GA)与FCMA相结合,对MRI直接进行聚类,利用遗传算法搜索全局最优解,从而有效地避免了模糊C-均值聚类算法收敛到局部最优的问题,并在此基础上实现了对MRI的分割,得到了比较满意的效果。     

流形距离的自动免疫克隆聚类图像分割算法

聚类算法在对图像进行分割的过程中要面对如何自动确定聚类类别数、如何克服图像特征点分布复杂的流形结构、如何减少算法的运行时间。针对这些问题,提出了流形距离的自动免疫克隆聚类图像分割算法。自动免疫克隆聚类算法可以自动确定聚类个数,不需要人为事先给定,并且确保全局收敛;使用流形距离可以反映空间分布复杂的流形数据;使用超像素而非像素来降低图像分割的时间等问题。通过对4组人工数据集和4幅自然图像进行实验,对比k-means算法、GCUK算法,结果表明该方法优势比较明显,具有一定的实用性和先进性。     

一种基于向量空间模型的文本聚类方法

研究了一种基于向量空间模型的文档聚类方法.提出了一个新的聚类模型,即在传统聚类模型的基础上增加一个文档特征向量调整模块;给出了一个特征评价函数用以进行特征提取;对一种基于相似度的平面划分聚类算法做了一些改进.实验结果表明本文提出的聚类模型是可行的.     

程序设计中的递归算法教学探讨

递归算法是程序设计中的常用算法之一 ,也是一种重要的编程方法。掌握递归方法十分重要 ,但递归算法是较难理解和掌握的。因此 ,有必要对如何讲好递归算法做一些探讨。分析了递归算法的特点 ,指出了在递归教学中存在的一些问题 ,并给出了一种有效的解决方法     

梯度相关的无线传感器网络成簇路由协议

分析了梯度和成簇无线传感器网络路由协议,确定了协议中存在的缺陷,设计了一种基于梯度的高效节能成簇路由协议(GBCRP)。采用基于跳数的梯度建立、能量相关的成簇算法、关键节点转发和功率自适应的簇头路由等技术,解决了无线传感器网络的节点能耗和路由失败而导致的数据传输可靠性问题。仿真实验表明,该协议有效地延长了网络的生命周期。针对不同密度的传感器节点,网络生命周期具有很好的稳定性,同时该协议也具有较好的可靠性保障。     

一种串扰和时延驱动的总体布线算法

提出了一种能够同时考虑串扰和时延,作为综合性能驱动的总体布线算法。该算法由基于边串扰度、变关键路径边容量的初始布线和基于Agent技术的拆线重布两部分组成,仿真实验表明,该算法是有效的。     

WDM疏导网络中的自适应选路与波长分配算法

针对具有业务量疏导能力的WDM网状网,研究了网络节点具有光收发器数目限制并且不具有波长变换能力时的动态选路与波长分配问题,提出了三种自适应业务量疏导算法。仿真表明联合选路算法比其他算法具有更好的性能。     

蚁群算法在QoS单播路由中的应用研究

QoS路由问题被证明是一个NP-C问题,而传统的路由算法很难有效地解决NP-C问题。该文提出了一种基于蚁群算法、用于解决带宽和时延约束问题的QoS单播路由算法,利用蚁群算法中蚂蚁通过信息素寻找最优路径的机制,并以网络吞吐量和数据报的平均时延等性能为最优的准则,来定义蚂蚁的转移概率、路由表和信息素更新方式,实现基于蚁群算法的路由选择算法.这种算法具有较强全局最优解搜索能力,较强的灵活性,以及潜在的并行性。     

聚类电价预测方法研究

针对电价变化模式的复杂性,提出了一种基于聚类分析的电价预测模型。该模型将复杂的电价预测问题分解为更简单的子问题求解,首先通过聚类技术将输入空间划分为若干特征更明显的子空间,然后在子空间内分别使用支持向量机进行建模和预测。聚类分析中先应用减聚类算法自动确定聚类数并获取较优的初始聚类中心,然后采用K-均值算法进一步优化。采用美国PJM电力市场历史边际电价数据进行的仿真研究表明,电价预测模型能有效、稳定地提高电价预测精度。     

基于信任和可靠性的P2P安全路由算法

安全有效的路由算法是P2P网络的关键技术之一.针对目前大多数P2P路由算法没有考虑安全性问题,并且采用随机选择下一跳节点的方法会降低路由效率,给出了一种新的P2P安全路由算法.该算法采用信任度与路径可靠性指导下一跳节点的选择,以建立安全有效的路由路径,并且引入加密、多路径传输等方法以抑制篡改、窃听等典型攻击.模拟实验结果表明,该路由算法的路由效率要优于Gnutella,安全性能好.     

求解非线性方程的一个全局收敛算法

首先将求非线性方程的解的问题转化为相应区间上的全局最优化问题,在迭代产生的当前点处通过构建一个辅助函数,并寻求辅助函数的局部极小点,逐步求出非线性方程满足一定精度的解.由此给出了一种求解非线性方程新的全局最优化方法,证明了算法的收敛性,并给出了算法的数值结果.     

一种基于MPLS业务量工程的选路机制

分析了诸如受限路由等传统QoS路由机制业务震荡现象出现的原因给出了呼叫级QoS路由和分组级QoS路由的概念在此基础上提出了多标签QoS路由机制(MLR)作为一种分组级QoS路由机制多标签QoS路由机制不仅能够从理论上避免业务震荡现象的出现同时由于采用了业务量工程的业务均衡的思想从而提高了全网的业务性能指标仿真的数据结果可以在同时运行实时业务和非实时业务下得到     

影响国际政治演进的社会因素——全球公民社会的视角

全球化的发展为国际政治的演进注入了许多新变量,其中全球公民社会的兴起具有深远意义,它反映了非国家行为主体在国际社会中日益上升的作用。全球公民社会是在新的条件下对国内公民社会的超越和发展,其行动者积极参与国际公共事务,已成为除主权国家及政府间国际组织外的一支新生力量。全球公民社会的发展将对国际政治的运行构成某种制约,影响国际社会中的价值分配。尽管全球公民社会还很不成熟,但它在完善现有的全球治理结构方面日益成为不可或缺的角色。中国进一步融入国际社会,需要积极处理与全球公民社会之间的关系。     

WDM光网络中RWA算法的性能分析

讨论了静态网络条件下WDM全光网络中选路与波长分配,提出一种全新的分类方法,对现有的RWA算法进行分类,比较了各种算法的性能,得出的结论有助于网络运营者在应用时选择合理的RWA机制。根据算法的性能和实际网络建设优化的需要,指出了RWA领域需要进一步研究的问题。