基于联合聚类的国家风险集成预测方法研究

准确预测国家风险能够有效降低一国在对外贸易中期望收益受损的可能性。然而,国家风险构成复杂、诱因多样且具有突发性,使得精准预测国家风险面临严峻挑战。为此,提出了一种基于BIRCH嵌套AP算法的联合聚类集成预测模型。通过设定移动窗口并使用BIRCH算法压缩并建立聚类特征树,利用AP算法对特征结果进行聚类并选定评估聚类簇;然后,计算单体模型在聚类簇中的预测表现,选取表现最佳的模型作为集成预测的输出。选取沙特阿拉伯、科威特、伊朗、利比亚4个欧佩克成员国的ICRG数据进行仿真实验以验证模型的预测性能,实验结果表明：在不同提前期下所提模型呈现出优异的预测表现,尤其在方向性精度上表现出显著且稳定的优势。     

基于能量、节点密度的LEACH-TYC拓扑控制算法的研究

网络拓扑控制是无线传感器网络研究和应用中的一个关键问题。针对LEACH算法及基于LEACH改进DBCP算法存在的问题,文章提出了一种新的改进拓扑控制算法:LEACH-TYC。该算法采用与LEACH算法相同的前提假设,借鉴DBCP算法的优点,进行了如下改进:一是允许担任过簇首节点的还可以继续当选,但是必须满足限定在一定的次数和剩余能量达到一定的值的基础之上。二是利用节点密度改进簇首的选举阀值。三是非簇首节点加入簇时综合考虑节点间剩余能量和节点间距离。仿真结果表明,LEACH-TYC算法使得簇规模更均衡、网络生存时间更长、节点能耗更少。     

一种基于WSN的协议改进算法分析

针对无线传感器网络(WSN)路由协议LEACH 算法中簇首分配不均以及簇首与Sink节点直接通信的问题,提出一种新的无线传感器网络LEACH路由算法.该算法通过节点能量分簇,并在簇首的数据发送过程中引入了改进的多跳路由算法.仿真结果表明,改进后的算法在网络生存时间和节省能量上比LEACH 算法有了很大提高.     

一种改进决策树算法的探讨

ID3算法是示例学习中建立决策树的一种重要的方法.介绍了 ID3决策树算法的基本思想,讨论了ID3决策树算法中的难点和不足,结合实例给出了利用信息增益度法来改进ID3算法的详细过程.     

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。     

区分服务模型下的多目标最优化选播路由

针对常见的单目标最优化选播路由算法存在的问题,通过改进链路上的带宽分配机制,提出了一种基于区分服务模型的多目标最优化选播QoS路由算法,为用户提供了分等级的服务,使用户公平有效地使用网络资源．并根据建立的多目标最优化选播模型,采用改进的非支配排序遗传算法来求解此模型．随机网络模型的仿真结果表明:此算法快速、有效,是一种值得推广的快速算法．     

和差波束直接数据域处理动目标检测方法研究

研究了和差波束直接数据域处理(∑△-DDD)动目标检测的算法和杂波抑制机理,提出了对DDD处理后数据进一步进行相干积累,补偿信号滤除引起的孔径损失,同时利用非检测多普勒单元输出信号采用单元平均CFAR算法来检测动目标.仿真实验表明,改进算法进一步提高了改善因子,同时有效解决了∑△-DDD算法的检测门限确定问题.该算法无需计算杂波协方差矩阵,运算量小,易于工程实时处理.     

CORDIC算法的优化及其硬件实现

针对采用流水结构实现CORDIC算法时存在的不足,从旋转角度范围、旋转角度精度的调整、模校正因子的分解3个方面进行了详细的分析和讨论,并给出了相应的优化设计和改进措施.实现了基于FPCA的CORDIC算法全流水结构,最后用CORDIC算法实现信号发生器加以验证.     

基于拓扑控制的异类无线传感器网络分簇算法研究

随着传感器网络的发展,如何减小传感器网络的能量消耗、延长使用寿命已经成为传感器网络结构设计的一个重要问题．研究表明采用分簇结构以及对网络进行适当的拓扑控制可以提高能量利用效率．该文将簇构造方法与拓扑控制结合起来,针对网络具有不同节点,即每个节点具有不同的最大能量传输范围的情况,提出了一种针对异类无线传感器网络,利用局部拓扑控制算法进行优化的分簇算法．实验结果表明了运用该算法的有效性．     

基于蚁群算法的低能耗LEACH协议分析

针对无线传感器网络路由协议LEACH(低功耗自适应分层路由)算法中簇首与Sink节点直接通信的问题,提出了一种基于蚁群算法的LEACH 算法.该算法利用蚁群算法简单易于实现、支持多路径的特点,通过相邻簇首节点间的距离和剩余能量值,在整个网络中建立和更新簇首间的信息素浓度,形成簇首间多跳路由.仿真结果表明,与LEACH算法相比,该算法在能量消耗与延长网络生存周期等方面具有更好的性能.     

无线传感器网络下的并行粒子滤波目标跟踪算法

针对无线传感器网络环境下目标跟踪问题,提出一种基于分布式并行粒子滤波的目标跟踪方法。在建立了网络动态分簇模型和目标运动模型的基础上,将并行粒子滤波算法应用于动态目标进行跟踪。算法通过多个感知节点并行的运行局部粒子滤波器,得到每个节点对目标状态的估计,动态成簇的簇头节点对簇内每个节点的信息进行融合,形成动态目标的状态估计,提高了目标跟踪的精度。同时通过动态簇头之间的目标状态信息的交换,实现了运动目标的动态连续跟踪。仿真结果表明,算法实现了运动目标协作跟踪,与集中式结构目标跟踪相比,跟踪精度提高了30%。     

改进的模糊C-均值聚类方法

该文针对模糊C-均值算法容易收敛于局部极小点的缺陷,将遗传算法应用于模糊C-均值算法(FCM)的优化计算中,其中对传统遗传算法的编码方案、遗传算子约束条件及适应值函数等方面进行改进,提出了一种基于改进遗传算法的模糊聚类方法。实验表明,将改进的遗传算法与FCM算法结合起来进行聚类分析,可以在一定程度上避免FCM算法对初始值敏感和容易陷入局部最优解的缺陷,使聚类更合理,比单一使用FCM算法进行聚类分析的效果要好。     

网格和密度的聚类算法在CRM中的应用

聚类分析是数据挖掘领域中一种非常有用的技术,它用于从大量数据中寻找隐含的数据分布模式,主要有分割法、层次法、密度法、网格法和模型法等。该文主要讨论数据挖掘中一种基于密度和网格的聚类分析算法及其在客户关系管理中的应用。该算法具有较高的聚类效率而且容易实现,可以发现任意形状的聚类,时间复杂度低,聚类精度高,适用于数据的批量更新。该文还提出增量式聚类技术,它不仅能够利用前期聚类的结果,充分提高聚类分析的效率,而且可以降低维护知识库所带来的巨大开销。实验证明了算法的有效性。     

考虑站点配置的企业通勤班车综合路径规划方法

针对传统方法中将班车站点选择与路径规划分别进行处理而不能考虑两者间关联的问题,给出了一种考虑站点配置的综合路径规划方法。首先基于信息熵的FCM半监督聚类算法,对企业通勤班车站点配置问题进行求解,确定出基于员工居住信息的合理站点配置方案;在此基础上,基于蚁群算法的对路径优化问题进行求解。实验结果表明,综合路径规划方法可以为优化企业班车站点配置及路径规划策略提供参考。     

免疫接种粒子群的聚类算法

将粒子群优化算法和K均值算法结合进行聚类分析,同时引入了免疫系统中的免疫接种和免疫选择机制来指导粒子的迭代过程,提出了一种基于免疫接种粒子群的聚类算法,在粒子群迭代的过程中加入免疫接种机制指导粒子的飞行方向,再通过免疫选择机制对接种的结果进行选择,确保粒子种群向更优的方向移动。实验结果证明,基于免疫接种粒子群的聚类算法基本克服了K均值算法容易受初始聚类中心影响的缺点,聚类结果稳定,而且比基于粒子群优化的聚类算法取得了更好的聚类效果。     

K—means聚类算法分析及在教师授课质量评价中的应用

K—means聚类算法是一种基于样本间相似性度量的间接聚类方法。应用K—means聚类算法,选取适当的k值,对教师授课效果进行分析,可以较好地实现量化评价与综合评价相结合,提高评价水平,为确定评价指标提供了可靠的依据。     

改进的共享型最近邻居聚类算法

聚类效果往往依赖于密度和相似度的定义,并且当数据的维增加时,其复杂度也随之增加。该文基于共享型最近邻居聚类算法SNN,提出了一种改进的共享型最近邻居聚类算法RSNN,并将RSNN应用于高速公路交通数据集上,解决了SNN算法在“去噪”、孤立点和代表点的判断、聚类效果等方面的不足之处。实验结果表明,RSNN算法比SNN算法在时空数据集上具有更好的聚类效果。     

基于模糊c均值聚类的社团结构探测新方法

通过对社团结构定义的研究,提出了一种基于模糊c均值聚类算法的网络社团探测新方法.利用网络节点间的最短路径长度、Person相关系数方法及平方法构造了节点间的相关度等价矩阵,从而将社团发现问题转换成节点的聚类问题.在此基础上,应用模糊c均值聚类算法以及网络划分形式对应的模块度来确定最优的社团结构,最后利用Zachary空手道俱乐部网络和Dolphin网络这两个经典模型验证了该算法的可行性.     

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。     

一种带有导向性的聚类方法在电信客户细分中的应用

聚类是一种常用的客户细分方法。本文结合电信市场客户细分实践,针对一般聚类算法的不足,设计了一种带有导向性的聚类方法。使用该方法得出的聚类结果区分了普通类与极端类,提高了聚类效果,在指导实际市场营销活动中有着明显的优势。