改进的Parks聚类分析距离算法

经研究发现现有聚类分析算法普遍存在聚类盲目性,而这又直接影响着聚类的质量.针对这一问题,本文以Parks距离算法为例,提出了一种改良的Parks聚类分析距离算法,并将此距离算法应用在船舶装配产品归类中.通过对改良前后算法的比较,验证了新算法的优越性.     

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。     

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.     

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.     

聚类分析算法在舰船识别中的应用

为了缩短舰船识别时间,提高舰船识别的成功率,提出聚类分析算法在舰船识别中的应用。通过聚类分析算法计算出舰船图像的分辨率,获取舰船图像的横向分辨率,完成舰船目标形态特征的提取;采用聚类方程表达式,得到舰船能量函数,基于聚类分析算法,确定处理舰船图像的聚类模型,通过分析聚类系数值的大小,完成舰船图像的处理;最后通过舰船识别流程设计,实现基于聚类分析算法的舰船识别。实验结果表明,基于聚类分析算法的舰船识别技术可以提高舰船识别的成功率。     

聚类分析算法海上信息平台研究

传统的海上信息平台面对大量信息时,存在能效比低的问题。为此,设计聚类分析算法的海上信息平台。计算海上信息数据的簇最佳初始中心,根据多个簇的最佳初始中心计算数据类均值,依据最小距离原则计算出类均值之间的欧氏距离,通过欧式距离的大小判断数据所属类别,实现数据的聚类划分,并通过设计的平台可视化视图展示在海上信息平台中,完成海上信息平台设计。测试结果表明,与传统的海上信息平台相比,聚类分析算法的海上信息平台的能效比更高,性能更好。     

有标记的文本聚类方法研究

聚类分析是一种模式识别无监督的分类方法。对于根据类别先验知识已经分类的文本,提出一种有标记的文本聚类分类方法。这种方法是在模糊聚类算法基础上进行了改进,通过有标记的文本样本,利用模糊聚类算法提取分类规则,然后用模糊推理方法进行分类的一种算法。文中讨论了此算法的具体数学模型,给出了算法流程。并通过实验验证了这种聚类方法是一种有效的文本分类手段。     

一种基于遗传算法的模糊聚类算法及基与FCM算法的结合

在各种糊聚类算法中,模糊C－均值聚类算法FCM（Fuzzy C-Mean Clustering Algorithm）的应用最为广泛。但在实际的应用中,FCM算法却容易陷入局部最优解。因此,本文首先提出了一种基于遗传算法GA（Genetic Algorithm)的模糊聚类分析方法,它利用了遗传算法随机搜索的特点,可以避免陷入局部最优解。实验表明,将该遗传算法与FCM算法结合起来进行聚类分析,比单一使用遗传算法或单一使用FCM算法进行聚类分析的效果都要好。     

一种基于遗传算法的模糊聚类算法及其与FCM算法的结合

在各种糊聚类算法中,模糊C-均值聚类算法FCM(Fuzzy C-Mean Clustering Algorithm)的应用最为广泛.但在实际的应用中,FCM算法却容易陷入局部最优解.因此,本文首先提出了一种基于遗传算法GA(Genetic Algorithm )的模糊聚类分析方法,它利用了遗传算法随机搜索的特点,可以避免陷入局部最优解.实验表明,将该遗传算法与FCM算法结合起来进行聚类分析,比单一使用遗传算法或单一使用FCM算法进行聚类分析的效果都要好.     

遗传算法在聚类分析中的应用

给出了一种基于遗传算法的聚类分析方法。对遗传算法的构成要素及用其解决问题的一般步骤给出了阐述。用VC 6.0编写的该算法的程序用来对数字进行聚类取得了较好的聚类结果。     

基于二阶段的模糊C—均值算法的模糊聚类分析研究

对模糊聚类分析算法进行研究，在模糊Ｃ－均值算法的基础上加以改进，形成二阶段模糊Ｃ－均值算法，使其对Ｉｒｉｓ数据聚类，研究表明，二阶段的模糊Ｃ－均值算法比模糊一算法性能优越     

改进QuickBundles算法在船舶轨迹聚类中的应用

对船舶AIS数据聚类进行研究，可以挖掘出船舶航行过程中有效或潜在的信息，对于提高船舶海事交通管理和水路交通运输的智能化水平具有重要意义。传统的聚类算法在面对大量的AIS数据样本时通常表现出很低的执行效率。因而，提出一种改进QuickBundles算法，并对船舶轨迹采样方法和距离度量方式进行改进，选取长江南京航段板桥汽渡水域的船舶AIS数据作为试验依据，最终实现船舶轨迹的有效聚类。试验结果表明，与原QuickBundles算法和DBSCAN算法相比，改进QuickBundles算法在算法执行效率和算法准确性方面优于前两种算法，证明改进QuickBundles算法可有效应用于船舶轨迹聚类。     

基于特征的全船焊接工时聚类分析

以某型船全船焊接信息为样本,首先验证了数据样本服从对数正态分布;再以距离作为度量标准,对焊接信息进行基于不同距离测量方法的聚类分析,并重点对比平方欧氏距离和夹角余弦距离的聚类树形图,得出全船焊接信息合理的聚类数目;最后对每个类进行物理信息的解释,得到完整实用的基于特征的全船焊接工时估算标准,为新型船经济性论证及方案选型提供快捷、可靠的依据。     

基于Spark的船舶航行轨迹聚类方法

依托船舶自动识别系统(Automatic Identification System,AIS)数据,利用云计算并结合聚类算法,对船舶历史数据进行轨迹聚类分析,构建船舶航行正常轨迹模型,为实时检测船舶异常轨迹奠定基础,进而为提高水上交通监管智能化水平提供新方法。针对目前轨迹聚类算法效率低等问题,基于Spark内存计算技术及数据分区思想,提出一种改进的并行子轨迹聚类算法SPDBSCANST(Parallel DBSCAN of Sub Trajectory Based on Spark)。以长江航道武汉段船舶航行数据为例进行试验验证,并通过可视化方式呈现。结果表明,改进后的算法的聚类效率和效果都有明显提升。     

云计算聚类挖掘算法在船舶海上信息平台中的应用

海洋数据量快速增长,如何获取有用的数据已经成为海上信息平台处理中的关键问题之一。本文在搭建的海上信息云平台上,利用Canopy算法实现海上数据的聚类分析,对云平台中的并行计算进行说明。最后进行与K-均值聚类的对比实验,从运行时间、加速比、聚类识别率等方面说明本文算法运行效率高,聚类识别效果好。     

基于PCA和Eros的多元时间序列聚类分析

为提高多元时间序列聚类算法的效率,将原始MTS数据线性组合形成一系列互不相关的簇,利用主元分析对每个簇的代表元素,与剩余元素的前z个主元与之间的扩展Euclid范数对选取的多元时间序列的主元进行聚类分析.理论分析和实验结果表明该算法聚类质量结果和运行时间明显优于直接利用k-均值法时的聚类结果.     

基于聚类分析算法的舰船数据挖掘

目前应用的舰船数据挖掘准确度较低,因此设计一种聚类分析算法的海上舰船数据挖掘。在数据挖掘中应用聚类分析算法,需要对数据进行预处理,得到文本数据特征向量集,利用模糊集体现近似关系,根据隶属度的取值将模糊聚类的思想演变为目标函数,将数据集按照目标函数,划分为具有较小差距的群组,初步得到数据挖掘结果,经过评估后,筛选出准确度最高的数据,作为数据挖掘的最终结果。至此完成了聚类分析算法的海上舰船数据挖掘的研究。通过实验表明,设计的数据挖掘准确度平均为92%,比传统的数据挖掘准确度高17.2%,验证了设计的聚类分析算法的海上舰船数据挖掘在提高挖掘准确度方面的可靠性。     

基于近邻传播算法的高光谱波段选择

由于高光谱图像具有波段之间相关性高,信息冗余性强等特点,高光谱图像降维是高光谱图像预处理中的重要一步。波段选择在降维的同时能够保留原始数据的物理意义,在很多方面有着应用。近邻传播算法(Affinity PropagationClustering,AP)是Fray等在2007年提出的一种聚类方法。它将全部数据点看作潜在聚类中心,根据数据点之间的相关性进行聚类。论文提出一种基于AP聚类的波段选择方法,将小波变换引入聚类算法中相似度和偏好值的计算。将降维结果输入最小距离分类器进行分类,计算分类准确性,并通过数据集Indiana Pines验证,对比实验结果验证了论文提出方法的有效性。     

战场侦察数据在频域上的异常分析

针对战场在对固定区域进行观察和监控后,获得大量的数据在频域上的异常数据分析处理问题,提出了一种将二次型距离与K-means聚类算法相结合的改进的K-means聚类算法以适用于所研究的场景,从而更准确地预警敌方战略的变化,以辅助指挥官决策。仿真结果显示该方法可以良好地分析出战场固定区域内各频段上目标数量变化的异常情况。     

基于遗传模糊聚类的长江干线下游集装箱港口发展分析

长江沿线内河港口各有特色,港口之间的合作与竞争并存。为了推进长江"黄金水道"的全面发展,需要对长江沿线内河港口的发展情况进行科学分析。将遗传算法和模糊目标函数C-均值聚类算法(FCM)相结合,对长江干线下游7个集装箱港口进行了聚类分析,最后根据聚类结果提出了长江干线下游集装箱港口的发展定位。