移动通信网络环境下的用户运动模式挖掘

为解决移动用户运动规律获取问题,提出了一种在移动通信网络(GSM)环境下,从用户低层基站位置信息中提取出运动模式的方法.针对基站连接的振荡、重叠等问题,该方法对原始基站位置数据进行分段、窗口化、分组和聚类处理,并将原始基站位置数据表示为聚类序列.采用关联规则挖掘算法从聚类序列中提取出用户运动模式.最后,基于真实基站位置数据,通过运动路径划分实验、位置数据聚类实验和运动模式挖掘实验对系统的有效性进行了评测,并给出了系统参数设置的建议.     

多元时序模糊聚类分段挖掘算法

工业监控系统所采集到的多元时间序列在利用数据挖掘技术获取内部存在的未知模式的过程中,经常会出现原始数据庞杂、分段结果重复、交集过多和界限不清晰等问题,导致含有突变变量或数据间相关性差的数据集进行模式挖掘结果不理想.针对上述问题,本文提出了一种新的多元时序模糊聚类分段挖掘算法.实验结果表明,该算法克服了Gath-Geva算法聚类精度易受初始值影响的不足,能够较好地反映出原始数据中潜在的过程变化,从而有效地处理时间序列的分段问题并得到理想的挖掘结果.      

基于灰关联度的Gry-K-Means算法研究及其应用

提出了一种新的基于灰关联度聚类观点.分析各属性的灰关联度,并将它们转化成属性的权值,再将这些权值应用于聚类的距离量度之中;基于这种量度,提出了一种改进的聚类算法:Gry-K-Means算法,并将算法应用于氧化铝回转窑火焰图像的聚类分析中.文中介绍了灰关联度及基于灰关联度聚类的基本原理,给出了相应的算法,并用VC++6.0实现了聚类算法及火焰图像聚类挖掘的原型机.对某氧化铝厂的实际数据进行了挖掘试验,结果表明了算法的有效性.算法思想可以扩展到其它挖掘方法上,具有一定推广价值.     

基于约束信息的并行k-means算法

为获得分布式数据集上用户所期望的聚类结果,提出了基于约束信息的并行k-means聚类算法.在分析并行k-means能够有效实现对水平分布式数据集进行聚类的基础上,修改并行k-means算法的目标函数,设计约束并行k-means算法,将站点用户的约束信息以chunklet的形式引入到分布式聚类过程,从而引导算法执行有偏搜索.约束并行k-means算法在理论上保证无约束样本簇内距离最小的同时能够确保chunklet约束中的样本与对应的簇中心之间的平均距离最小.实验结果表明,约束并行k-means算法能够有效改善并行k-means的聚类精度,同时在分布式环境下能够得到与已有约束聚类算法在集中式数据集上相等价的聚类结果.     

露天矿电铲铲装移动轨迹规划研究

自主铲装技术是未来露天矿智能开采的核心环节之一.为提高电铲在自主铲装过程中的工作效率,提出了一种电铲铲装移动路线的优化方法.在已知电铲工作区域的基础上,基于贪婪算法规划出电铲移动次数最少的作业位置集;在给定起始挖掘点的基础上,使用遗传算法生成电铲铲装移动最短路径,并规划每个位置对应的挖掘区域;最后结合电铲作业的相关几何...     

一种基于密度的模糊自适应聚类算法

针对密度聚类算法对邻域参数设置敏感的问题,提出一种基于密度的模糊自适应聚类算法.算法在无需预先设置聚类数以及邻域参数的情况下,可以自适应地根据样本间距离关系确定邻域半径得到样本密度,并根据样本密度逐渐增加聚类中心.为了保障聚类结果的正确性,同时提出一种新的模糊聚类有效性指标以判断最佳聚类数,消除了密度聚类算法对参数的敏感性.用UCI基准数据集进行实验,发现本文算法在对数据进行聚类时,聚类质量较原始密度聚类算法在准确性和自适应性方面均有显著提高.      

基于共享最近邻密度的演化数据流聚类算法

现有的基于密度的数据流聚类算法难于发现密度不同的簇,难于区分由若干数据对象桥接的簇和离群点.本文提出了一种基于共享最近邻密度的演化数据流聚类算法.在此算法中,基于共享最近邻图定义了共享最近邻密度,结合数据对象被类似的最近邻对象包围的程度和被其周围对象需要的程度这两个环境因素,使聚类结果不受密度变化的影响.定义了数据对象的平均距离和簇密度,以识别离群点和簇间的桥接.设计了滑动窗口模型下数据流更新算法,维护共享最近邻图中簇的更新.理论分析和实验结果验证了算法的聚类效果和聚类质量.      

应用于大数据集的聚类新算法设计

抽象的聚类分析是数据挖掘研究的重要领域.随着数据量每3年翻一番,关键问题是如何对大型数据集高效率地进行聚类操作.文章首先将当前主流的聚类算法应用于大规模数据集,通过实验指出现有的聚类技术存在的关键问题及所面临的技术挑战,然后使用了数据聚合树(DA树)作为代表性大型数据集的数据结构,设计了一个新的聚集算法(CLUK算法)并通过实验证明其性能显著优于当前主流的BUICH聚类算法.     

基于多维时间序列形态特征的相似性动态聚类算法

由于时间序列数据具有高维度、动态性等特点,这就导致传统的数据挖掘技术很难有效的对其进行处理,为此,提出了一种基于多维时间序列形态特征的相似性动态聚类算法(similarity dynamical clustering algorithm based on multidimensionalshape features for time series,SDCTS).首先,提取多维时间序列的特征点以实现降维,然后,根据多维时间序列的斜率、长度和幅值变化的形态特征定义了一种新的时间序列相似性度量标准,进而提出无需人为给定聚类个数的多维时间序列动态聚类算法.实验结果表明,与其他算法相比,此算法对时间序列具有良好的聚类效果.      

基于定量关联规则树的分类及回归预测算法

为了解决基于Apriori的分类关联规则算法挖掘数值型数据时效率和准确率偏低的问题,提出基于定量关联规则树的分类及回归预测算法.采用改进的定量关联规则算法挖掘数值型数据生成关联规则库,并基于关联规则树结构实现分类及回归预测.研究结果表明:改进的Apriori定量关联规则挖掘算法提高了分类预测的准确率并降低了计算复杂度;而采用关联规则树结构可使分类与回归预测时间明显加快,提高了样本匹配学习的速度.      

基于MapReduce的大规模文本聚类并行化

建立快速有效的针对大规模文本数据的聚类分析方法是当前数据挖掘研究和应用领域中的一个热点问题.为了同时保证聚类效果和提高聚类效率,提出基于"互为最小相似度文本对"搜索的文本聚类算法及分布式并行计算模型.首先利用向量空间模型提出一种文本相似度计算方法;其次,基于"互为最小相似度文本对"搜索选择二分簇中心,提出通过一次划分实现簇质心寻优的二分K-means聚类算法;最后,基于MapReduce框架设计面向云计算应用的大规模文本并行聚类模型.在Hadoop平台上运用真实文本数据的实验表明:提出的聚类算法与原始二分K-means相比,在获得相当聚类效果的同时,具有明显效率优势;并行聚类模型在不同数据规模和计算节点数目上具有良好的扩展性.      

Disparity tuning of the stereoscopic (cyclopean) motion aftereffect

Across five experiments this study investigated the disparity tuning of the stereoscopic motion aftereffect (adaptation from moving retinal disparity). Adapting and test stimuli were moving and stationary stereoscopic grating patterns, respectively, created from dynamic random-dot stereograms. Observers adapted to moving stereoscopic grating patterns presented with a given disparity and viewed stationary test patterns presented with the same or differing disparity to examine whether the motion aftereffect is disparity contingent. Across experiments aftereffect duration was greatest when adapting motion and test pattern both were presented with zero disparity and in the plane of fixation. Aftereffect declined as disparity of adapting motion and/or test pattern increased away from fixation, even under conditions in which depth position of adapt and test was equal. This argues against a relative depth separation explanation of the decline, and instead suggests that the amount of adaptable substrate decreases away from fixation.     

基于近邻的不均衡数据聚类算法

针对经典K–means算法对不均衡数据进行聚类时产生的“均匀效应”问题,提出一种基于近邻的不均衡数据聚类算法（Clustering algorithm for imbalanced data based on nearest neighbor,CABON）。CABON算法首先对数据对象进行初始聚类,通过定义的类别待定集来确定初始聚类结果中类别归属有待进一步核定的数据对象集合;并给出一种类别待定集的动态调整机制,利用近邻思想实现此集合中数据对象所属类别的重新划分,按照从集合边缘到中心的顺序将类别待定集中的数据对象依次归入其最近邻居所在的类别中,得到最终的聚类结果,以避免“均匀效应”对聚类结果的影响。将该算法与K–means、多中心的非平衡K_均值聚类方法（Imbalanced K–means clustering method with multiple centers,MC_IK）和非均匀数据的变异系数聚类算法（Coefficient of variation clustering for non-uniform data,CVCN）在人工数据集和真实数据集上分别进行实验对比,结果表明CABON算法能够有效消减K–means算法对不均衡数据聚类时所产生的“均匀效应”,聚类效果明显优于K–means、MC_IK和CVCN算法。      

Velocity thresholds in human infants: Implications for the perception of motion.

Infants' perception of the direction and speed of motion could be mediated by several underlying mechanisms, including sensitivity to temporal variations in luminance, the relative position of pattern elements, or time-locked spatial displacements. Velocity thresholds were estimated in 6- and 12-week-old infants who viewed a set of moving stripes surrounded by sets of stationary stripes. The forced-choice preferential looking technique was used to collect data from infants who were presented with high-contrast stripes of 2 widths moving at several different velocities. Velocity thresholds were approximately 9°/s in the 6-week-olds and 4°/s in the 12-week-olds. Thresholds did not vary with stripe width at either age, suggesting that motion perception in young infants is not based on a simple flicker-sensitive mechanism. Rather, infant velocity thresholds are based either on a position-sensitive or a motion-sensitive mechanism, at least for high-contrast spatial patterns. (PsycINFO Database Record (c) 2011 APA, all rights reserved)     

露天矿无人驾驶矿卡速度规划研究

露天矿道路结构复杂,由于行驶轨迹冲突、感知受限等原因,矿卡行驶中易发生碰撞事故,现有基于传感器的感知避障方法易出现急刹急停和减速停车再启动等决策,不仅造成轮胎磨损和燃油浪费,而且会严重影响通行效率。为解决上述问题,结合露天矿通行场景的特殊性以及无人驾驶矿卡可精准执行规划速度的优点,提出了一种基于时间距离约束消解车间冲突和基于自适应梯形速度规划方法规划速度的矿卡全程无冲突协同通行速度规划方法。试验结果表明：该方法在不影响已有矿卡正常通行的前提下消解车间冲突,提高目标矿卡行驶速度的平稳性,相对于传统“停—走”式策略通行算法总通行时长减少了21%。     

基于粒子群算法优化BP神经网络的溶浸开采浸出率预测

为了研究溶浸开采过程中浸出率的预测问题,以含锑硫化矿的浸出过程为例,采用经粒子群算法优化的BP神经网络模型预测浸出率。首先分析得出影响矿物浸出率的主要因素,并将已有样本数据进行变量训练,建立BP神经网络预测模型;其次利用粒子群算法优化该模型;最后分别利用BP神经网络模型和PSO-BP神经网络模型预测浸出率,并对比2种模型预测值与实际值的误差精度。研究结果表明:影响含锑硫化矿浸出率的主要因素有温度、时间、液固比、搅拌速度和HCl浓度,且这些因素相互影响,其与浸出率呈现高度非线性关系,采用粒子群算法优化的BP神经网络模型训练精度较高,对浸出率的预测更精确,相比BP神经网络,该模型得出的预测结果与实际值的相对误差以及方差都有明显下降。由此可见,该预测模型对当前矿区溶浸开采的浸出率优化有一定的参考价值。     

The observer-relative velocity field as the basis for effective motion parallax.

Earlier studies of motion parallax found unambiguous relative depth perception when random dot patterns were systematically translated in accordance with either motion of the observer's head or motion of the display scope. The need for such relative motion between an observer and a flow field was examined by placing a flow field in a limited area (window) in a large scope and translating the window relative to the observer. Accuracy in judging surface orientation and quantitative depth estimates were determined by the velocity field relative to the observer and were not measurably affected by whether this field was produced with a stationary or a moving window. Accuracy was consistently higher for smaller ratios of maximum to minimum projected velocities, reaching 100% in one experiment with a 1.12:1 ratio. We conclude that fully effective motion parallax does not require relative motion between the observer's head and the contours of a flow field. (PsycINFO Database Record (c) 2010 APA, all rights reserved)     

A novel speed illusion involving expansion and rotation patterns

Using random dot stimuli well controlled for dot speed, we found that the moving features in expanding patterns appear to move faster than those in rotating patterns. The illusion is well correlated with the strength of the global motion signal. For example, in displays where the number of motion directions defining the patterns is reduced, the magnitude of the illusion decreases. Similarly, the strength of the effect diminishes as dot density is reduced. In patterns where only wedge-shaped segments of the stimuli are left exposed, the difference in perceived speed increases with the angular size of the wedge. Stimulus placement relative to the fixation point has little effect on the persistence of this phenomenon-expansion patterns appear to contain elements of greater speed, independent of stimulus eccentricity. These results argue against a local explanation for this perceptual illusion, suggesting that the global motion pattern of the stimulus, per se, is responsible.     

基于TwoStep算法的国丰1号高炉操作炉型聚类分析与应用

 以国丰1号高炉为平台,将数据挖掘技术运用到操作炉型管理中,采用数据挖掘中的TwoStep算法,对高炉炉身冷却壁热电偶温度值进行聚类分析,研究了操作炉型变化与高炉生产指标之间的对应关系,总结出与透气性指数相关的炉型变化的部分规律,并以国丰1号高炉2012年11月实际生产数据为例,对聚类分析结果应用情况进行在线监测。实践证明,聚类分析结果可以有效监控炉型变化,对炉况监测提供了可靠信息。