基于遗传神经网络的相似重复记录检测方法研究

设计实现了一个相似重复记录检测系统,该系统包括预处理模块、聚类模块、字段匹配模块和记录匹配模块,支持聚类算法和字段匹配算法的定制扩充。并通过实验对比了几种著名的算法,实验结果表明该系统提高了相似重复记录检测的精确度。     

基于蚁群聚类的路面识别分析方法

道路是城市的重要基础设施．路面状况的鉴定与评价直接关系到公路的养护决策,是一项至关重要的工作．本研究将蚁群聚类算法应用于路面识别领域,提出一种基于蚁群聚类优化的路面识别分析方法,将此方法运用于路面识别系统．该系统由数据采集、数据预处理和蚁群聚类优化3个模块组成,其中蚁群聚类主要提取了纵轴方向的3个特征属性,通过不断更新聚类中心产生的信息素矩阵,并通过分类器进行路面分类．实验结果表明：蚁群聚类优化具有全局收敛以及启发式学习等优点,运算效率高,路面识别准确率达到95.3％,验证了此方法的有效性．     

基于最大相容类粗糙集模型的容差类求解算法研究

对基于最大相容类的粗糙集模型进行深入的研究,提出两种此模型下的容差类,并从最大相容类的求解算法入手进一步提出了这两种容差类求解的算法。通过实例验证了算法的有效性,从而为基于容差关系的粗糙集模型在处理不完备信息系统的问题上提供了重要的理论基础。     

邮轮乘客舱室模块划分的物元模型聚类方法及其应用

为了智能有效地对大型邮轮进行舱室模块划分,分析大型邮轮乘客舱室的配置特点和布置特点,并采用模块物元模型对模块进行表示。提出以功能、结构和物理为模块物元边界条件的模糊聚类方法,采用该方法得到模块间的相关矩阵,再通过计算其模糊等价矩阵并生成聚类图,以实现对邮轮乘客舱室模块的划分。以一艘典型邮轮为例,验证该方法的实用性和有效性。提出的邮轮模块物元的可拓性和可拓变换可为总布置设计知识获取和知识处理提供新的思路,是提升邮轮船模块化设计智能化的一种新方式。     

一种改进的概念聚类数据挖掘方法

本文分析面向属性归纳与概念聚类这两种数据挖掘方法之间的关系，探讨如何在概念聚类方法中结合面向属性归纳的特点，给出了一种改进的概念聚类方法。     

S-102水深表面产品规范分析

从S-102标准规定的数据结构、数据组织、数据维护等方面入手,基于S-100标准的结构体系,介绍水深数据网格数据内容,基于航海安全用途的跟踪列表机制、航海表面规范的数字认证模块和可扩展的模板应用模式,深入分析离散四边形网格和离散点集的两种覆盖类型、索引关系、必须明确的切片方案等内容,并对S-102标准四种重要类型的元数据、基于"层次数据格式"第五版(HDF5)的数据编码方式以及水深覆盖和网格覆盖的重要实现类等方面进行进一步研究,为S-102标准的应用提供一定的理论基础。     

无线网络的舰船交通数据挖掘技术

现有数据挖掘技术在确定关联规则时,忽略了时空数据因果关联关系,影响轨迹聚类效果,提出一种无线网络的舰船交通数据挖掘技术。从节点覆盖和容量估算两方面,部署舰船无线网络节点,确保无线网络规划的有效性。对无线网络采集的交通状态数据,计算传递信息熵,建立时空数据因果关联关系,以此为关联规则,设计数据挖掘算法确定轨迹聚类。实验结果表明,本文提出的数据挖掘技术,在轮廓系数和CH指数2个指标上的聚类效果优于对比方法,具有良好的应用前景。     

基于模糊数学理论的船体模块划分方法研究

船体结构的模块划分,是以船体结构分析为基础将它们划分成不同层次或等级,分别加以评定和计算,在此过程中存在很多具有模糊性的地方。本文将模糊数学理论应用于船体结构模块划分过程中,通过模糊聚类方法对船体结构进行模块划分,并通过多级模糊综合评判方法对其划分方案进行了验证。     

基于无线传感器网络的运动目标检测动态聚类图

有效的目标跟踪需要积极的传感器节点对运动目标群实行跟踪。与单目标跟踪相比,聚类在效能上有显著提高。本文提出准确的相干和非相干运动模式下目标的聚类,采用隐式动态时间框架来评估在创建连接组件加权图的目标关系史。该算法采用目标跟踪中定位算法的关键特征,即估计当前和预测的位置来确定移动目标的方向和距离的关系。模拟结果显示,通过动态调整历史窗口大小和预测目标之间的关系,可以显著提高聚类的准确性并减少运算时间。     

基于熵法的模糊聚类目标排序方法研究

根据高寒山地印军编制、武器装备等特点,在传统的模糊聚类评价法的基础上,通过引入信息熵的概念,建立了考虑权重关系的模糊相似矩阵,改进了模糊聚类评价方法。最后将改进的评价法应用于末制导炮弹打击目标排序中,提高了排序的准确性。     

基于成对约束的半监督选择性聚类集成

针对现有聚类集成算法基本都是无监督聚类集成算法和传统聚类集成方法,其通常将所有产生的聚类成员都参与集成的问题,设计了一种基于成对约束的半监督选择性聚类集成方法(SSCES). SSCES方法选择基于聚类成员质量和差异度的选择聚类集成为研究对象,借鉴半监督集成的关键思想,将半监督聚类信息带入到选择聚类集成中.通过在多组数据集上实验来验证SSCES算法的有效性.     

基于主动学习的半监督聚类入侵检测算法

针对基于监督学习入侵检测算法中面临标记大量数据的问题,提出了一种基于主动学习的半监督聚类入侵检测算法.该算法利用少量的标记数据,生成用于初始化算法的种子聚类,然后辅助聚类过程,并根据网络数据的特点,将主动学习策略应用于半监督聚类过程中,可用于检测已知和未知网络攻击.主动学习策略查询网络中未标记数据与标记数据的约束关系,对标记数据可以快速获得k个不相交的非空近邻集,很大程度上改进了算法的性能.实验结果表明了算法的可行性及有效性.     

半监督聚类算法在舰载雷达信号中的应用

从数据挖掘角度阐述半监督近邻船舶聚类在舰载雷达信号处理中的应用,并给出算法实现过程。最后通过对7种信号的小波包能量熵特征统计来说明,本文所采用的半监督近邻传播聚类在聚类准确率和聚类数方面要优于AP聚类和半监督聚类。     

基于竞争学习的大规模微博文本聚类

针对特定主题的微博文本进行聚类以发现潜在话题.基于深度学习的文本特征表示方法,并运用分布式计算平台提高了计算的效率。对竞争学习聚类算法进行介绍,提出了通过目标函数来分析聚类结果的好坏,通过评价实验得到的聚类结果,81.5%的聚类类别良好,说明竞争学习的聚类算法可以有效应用于大规模短文本.     

三边原理加速的聚类分析方法处理航运信息

为了从大量的航运信息中挖掘有用的信息,进行了基于聚类分析的数据挖掘方法的研究.针对k-means聚类分析中聚类精度不高和时间复杂度高的问题,在k-means++的基础上结合了三角形三边原理加速聚类的方法,提出了一种三边原理加速的k-means++聚类算法,并对k-means++聚类及改进算法进行实例测试,说明了改进的聚类方法具有较高聚类的精度,同时减少了聚类算法计算量,并将其应用到航运信息处理中,这对于航运智能信息化有重要的意义.     

基于自动识别系统大数据的船舶施工轨迹识别与预测

针对疏浚监控管理工作很难全天覆盖所有船舶、无法做到实时监控的问题,分析某绞吸挖泥船的AIS(自动识别系统)高频数据,包括疏浚船舶动态的航行轨迹、速度、航向等数据。对船舶施工轨迹辨识和预测进行研究,提出利用DBSCAN聚类算法粗略识别出施工区域,利用LOF(局部异常因子)算法去除航行轨迹中非施工状态下的轨迹,并利用时间序列ARIMA模型对船舶施工轨迹进行预测。结果表明,DBSCAN聚类算法结合LOF算法进行施工轨迹辨识方法合理可行,ARIMA模型进行施工轨迹预测的方法具有精确度高、实时性、易实现的特点。     

多维缩放舰船运行数据聚类算法设计

传统的聚类化运算算法(基于K-Means算法),在大数据环境下运算力下降,数据聚类运算收敛不足。提出基于多维缩放的舰船运行数据聚类算法设计。利用基于多维缩放的KNTSCCA聚类算法,对舰船运行数据传统算法进行替换,通过对舰船数据的降维迭代计算,实现多维缩放聚类算法设计。通过仿真实验证明,提出的多维缩放的舰船运行数据聚类算法,能够解决现有基于K-Means算法收敛不足的问题,具有可行性。     

聚集式聚类分析方法及其应用

基于层次聚类算法，提出一种聚集式聚类模型及其算法，实现了分布式异构数据库的聚类分析。该方法使网络传输数据量显著减少，并大大提高聚类效率。     

改进K-means算法的船舶密集区域识别模型研究与VTS应用

船舶交通管理(VTS)对覆盖区域内的船舶密集区域进行有效识别,并对区域内的船舶实施远程预警,可以提升通航效率,减少海上险情事故.通过改进K-means聚类算法建立海上船舶密集区域识别模型,并设计VTS船舶密集区预警系统,结合AIS数据实验模拟,该算法对船舶密集区域的识别是有效且可行的.     

聚集式聚类分析方法及其应用

基于层次聚类算法,提出一种聚集式聚类模型及其算法,实现了分布式异构数据库的聚类分析.该方法使网络传输数据量显著减少,并大大提高聚类效率.