关联规则发现中的聚类方法

算法MARC（Mining Association Rules using Clustering）将聚类技术应用到关联规则的发现上,MARC利用聚类技术压缩交易数据库,从而减少开采算法需要处理的数据量以提高开采效率,同时算法提出了聚类汇总转换的概念用以减轻压缩数据带来的信息丢失.在几个实际数据集上的实验表明该算法可以达到高精度和高性能.     

一种分类数据的聚类算法

现有的针对分类数据的算法需要多次扫描数据库,对于数据开采经常处理的大容量数据,多遍I/O操作是一项沉重的系统开销.CACD(clustering algorithm for categoricaldata)是针对分类属性数据的聚类算法,该算法采用压缩技术缩小需要处理的数据量以提高效率,同时算法提出了一种新的基于压缩数据结构的标准用于衡量分类数据的相似度.CACD只需扫描数据库一遍,算法理论分析和实验分析都表明该算法比同类针对分类数据的聚类算法效率要高,并且压缩技术对聚类结果的质量影响不大.     

基于改进遗传算法的C-TRDM压缩存储

针对时态数据库中存在数据冗余、数据量快速增长等问题,结合现有压缩技术,提出基于改进遗传算法的C-TRDM压缩存储技术。将各个时刻的时态关系数据分解为最小粒度的数据并进行编码,采用改进的遗传算法来计算待压缩数据中的最优存储数据以提高压缩比。算法的快速收敛性使去除数据冗余的速度得到提高。     

基于块匹配和校验格编码的大嵌入率图像隐藏方法

针对通过互联网传输秘密图像所需的安全性和隐蔽性,结合多层校验格编码提出一种基于矢量量化的图像隐藏方法.首先根据可重构原则,利用载体图像的多层MSB构造候选匹配分块集合;然后使用块匹配过程,从该集合中为每个秘密图像分块寻找其最优匹配并记录索引值,对于无最优匹配的分块,使用K均值聚类从中选出部分代表分块作为其最优匹配,并替换块匹配过程中未使用的候选匹配分块;再使用Huffman编码压缩最优匹配分块的索引值、代表分块等数据;最后使用多层校验格编码将压缩数据嵌入到载体图像的多层LSB.实验结果表明,与已有的4种图像隐藏方法相比,该方法生成的载密图像的视觉质量更好,同时提取图像的视觉质量更好;可有效地抵抗3种常见的结构化隐写分析方法;具有嵌入容量大、载密图像有良好的视觉质量、提取图像和秘密图像的差异小等优点.     

基于四元数描述和EMD的人体运动捕获数据检索

针对运动捕获数据的高效匹配问题,提出了一种新的基于四元数描述和EMD（ Earth Mover＆#39;s Distance）的人体运动检索算法。该算法主要包括特征提取和运动匹配两部分。在特征提取部分,为了解决高维数据检索效率低的问题,引入了四元数描述符对关节点的数据信息特征进行描述,通过映射姿态分布的原始数据,并采取K-means聚类方法对待查询动作和运动数据库的特征数据进行降维并归类。在运动匹配部分,根据聚类结果,建立每个特征数据集的距离矩阵,将匹配问题转换为运输优化问题。然后,用EMD算法度量待查询动作和数据库动作之间的相似值。仿真实验结果证明了提出的算法是有效的。     

基于数据融合的铝电解电流效率因素最佳匹配

铝电解过程电流效率的影响因素多且相互耦合,为提高电解槽性能,确保电流高效率运行,需确定各因素之间的最佳匹配.针对上述问题,提出一种基于支持度权重分配数据融合改进算法的方法.首先,利用减聚类改进的模糊C均值算法进行聚类;然后,结合聚类结果,针对传统支持度权重分配数据融合算法存在的问题进行改进,得到待融合的各聚类中心的权重,进而得到铝电解过程电流效率影响因素的最佳匹配.仿真结果表明,与传统的指标最优法和均值法比较,利用数据融合得到的电流效率因素最佳匹配更实用合理,且能有效地指导电解槽操作,以提高电流效率.     

大规模数据集引力同步聚类

受Kuramoto模型启发,构造一种新的万有引力同步模型,用以解决现有同步聚类算法时间复杂度高的问题,并提出大规模数据集的引力同步聚类算法(LSCGS).首先,使用快速压缩集密度估计(RSDE)算法对大规模数据集进行压缩;然后,通过万有引力同步聚类算法对压缩数据集进行聚类,使用Davies-Bouldin指标自动寻优到最佳聚类数;最后,利用提出的剩余样本聚类(RSC)算法对除压缩集以外的剩余数据进行聚类,可以有效地区分孤立类以及噪声点.通过在大规模人造数据集、UCI真实数据集和图像数据上的实验,验证LSCGS算法的有效性,与传统同步聚类算法相比,聚类的运算成本得到大幅度的降低.     

一种基于随机解调结构的心电信号压缩采样方法

针对可穿戴装备实时监测心电信号中的大数据量、高功耗问题,提出了一种随机解调结构压缩采样心电信号方法.从压缩率和重构精度角度,分析了随机解调结构的采样相位、滤波器模块参数、单次采样时间及稀疏度阈值对心电信号重构的影响,完成了基于正交匹配追踪(OMP)、广义正交匹配追踪(GOMP)、稀疏度自适应匹配追踪(SAMP)、分段正交匹配追踪(StOMP)、正则化正交匹配追踪(ROMP)、压缩采样匹配追踪(CoSaMP)、子空间追踪(SP)等不同重构算法的最优结果分析,实现了心电信号的亚奈奎斯特频率采样.基于MIT-BIH数据库的仿真实验结果表明:提出的随机解调结构压缩采样方法,可以以亚奈奎斯特频率采样心电信号,通过重构算法达到奈奎斯特频率采样的效果,在可穿戴健康监护装备领域具有显著的低功耗低数据量应用优势.     

一种高效的多层和概化关联规则挖掘方法

通过对分类数据的深入研究,提出了一种高效的多层关联规则挖掘方法:首先,根据分类数据所在的领域知识构建基于领域知识的项相关性模型DICM(domain knowledge-based item correlation model),并通过该模型对分类数据的项进行层次聚类;然后,基于项的聚类结果对事务数据库进行约简划分;最后,将约简划分后的事务数据库映射至一种压缩的AFOPT树形结构,并通过遍历AFOPT树替代原事务数据库来挖掘频繁项集.由于缩小了事务数据库规模,并采用了压缩的AFOPT结构,所提出的方法有效地节省了算法的I/O时间,极大地提升了多层关联规则的挖掘效率.基于该方法,给出了一种自顶向下的多层关联规则挖掘算法TD-CBP-MLARM和一种自底向上的多层关联规则挖掘算法BU-CBP-MLARM.此外,还将该挖掘方法成功扩展至概化关联规则挖掘领域,提出了一种高效的概化关联规则挖掘算法CBP-GARM.通过大量人工随机生成数据的实验证明,所提出的多层和概化关联规则挖掘算法不仅可以确保频繁项集挖掘结果的正确性和完整性,还比现有同类最新算法具有更好的挖掘效率和扩展性.     

视频监控系统中运动检测算法的研究

运动检测是现代视频监控系统的核心.在分析和探讨了几种运动检测算法后,提出了一种新的应用于视频监控系统的运动检测算法,该算法结合统计法和边缘检测筛选出运动边缘点,对运动边缘点逐个进行块匹配最优搜索,估算出运动矢量.该算法的应用有效地压缩了存储的视频数据,改善了系统性能,有很好的实用价值.