基于BPSO的web服务推荐策略

为解决web服务的优化选择,提出一种基于离散二进制粒子群算法(binary particle swarm optimization,BPSO)的web服务推荐策略.用数学方法阐述基于服务质量(quality of service,QoS)的业务组合,将业务单元组合转换到服务组合,给出不同服务组合模式下的QoS属性值计算公式,提出web服务集和嵌套概念,对具有嵌套模式的服务组合进行逐一遍历.将基于QoS的web服务组合优化问题看成是多目标优化决策问题,提出基于BPSO的web服务组合优化数学模型,利用目标加权法简化多目标决策问题.对BPSO进行改进,构建了基于BPSO的web服务推荐仿真系统,仿真表明,该方法高效可行.     

基于用户聚类的二分图网络协同推荐算法

针对协同过滤推荐系统应用中存在的数据稀疏、可扩展性受限等问题,提出了一种基于用户聚类的二分图网络协同推荐算法.该算法在用户聚类阶段对二分图网络进行用户中心聚类,并获取用户聚类中心及其所在的群组,基于用户群组的评价信息为目标用户提供更广泛的推荐数据;在协同推荐阶段,围绕聚类中心及其所在群组为未评分项目完成预测评分,为用户推荐综合评分最高的Top-n项目.结果表明,该算法能够提升目标用户推荐的准确度,并能改善协同推荐的多样性.     

基于改进划分系数的模糊聚类有效性函数

针对典型模糊聚类算法难以准确获取最佳聚类数的问题,提出了一种基于改进划分系数的模糊聚类有效性函数.在划分系数方法基础上,将类与类之间的分离性和类内的紧致性相结合,引入指数函数有效抑制噪声和孤立点数据对聚类有效性的影响.仿真实验将所提及的聚类有效性函数应用于模糊C均值聚类中,分别对两组自定义数据集和IRIS数据集进行了有效性验证,实验结果表明,本文提出的模糊聚类有效性函数能够准确划分最佳聚类数.     

Neutrosophic fuzzy clustering segmentation algorithm based on HMRF

Considering neutrosophic C-means clustering algorithm with weak ability of suppressing noise, a neutrosophic C-means clustering segmentation algorithm based on the hidden Markov random field is proposed. First, the hidden Markov random field is used to describe the prior information of the arbitrary pixels classification. Second, information divergence between the prior information and sample classification membership is taken as a regular term and embedded into the existing neutrosophic C-means clustering objective function. Third, the samples in the European Space is mapped into the high-dimensional space through the kernel function, and the iterative expression for the neutrosophic C-means clustering segmentation algorithm based on the hidden Markov random field is obtained by the optimization method. Many standard, actual, and synthetic images corrupted by noise are used to validate the segmentation performance of the improved clustering segmentation algorithm. Experimental results show that the anti-noise performance of the proposed segmentation algorithm is improved significantly than the fuzzy C-means clustering algorithm based on the hidden Markov random field, and other fuzzy clustering segmentation algorithms.     

基于模糊c均值聚类的计算机键盘用户身份认证

针对传统的口令认证方式在防止密码共享以及密码被盗方面的脆弱性，提出将用户名——口令认证与击键特性认证相结合的认证方式，并给出一种基于模糊c均值聚类进行击键特性认证的新方法．通过利用模糊c均值对用户的击键特性进行训练，生成用户击键特性样本；识别时将当前要求认证用户的击键特性与之进行匹配，并根据系统设定的阈值a来确定当前用户是否为合法用户．实验结果表明，此种击键特性认证方法具有较高的用户识别性能。     

基于云计算平台的聚类算法研究进展

基于云计算平台的数据挖掘主要目的是为了更好地处理海量数据,挖掘有用的信息.云计算为海量数据挖掘提供了强大的数据收集、存储和计算能力,简述了云计算技术及其研究现状,详细介绍了基于云计算平台的聚类算法,总结在云计算平台研究聚类所遇到的新问题,对基于云计算平台的聚类发展趋势进行展望.     

基于直觉模糊C-均值聚类算法的图像分割

基于直觉模糊集理论对模糊C-均值(Fuzzy C-Means,FCM)聚类算法进行改进。采用模糊补算子生成非隶属度,得出相对应的直觉模糊集犹豫度,用于更新模糊C-均值聚类算法中的模糊隶属度值。针对常用测试图像的仿真实验结果显示,在分割的视觉效果几乎一致的情况下,改进算法在迭代效率上相对于原FCM聚类算法有一定提高。     

优化核参数的模糊C均值聚类算法

核模糊C均值聚类算法(Kernel-based fuzzy C-means clustering method,KFCM)的性能受核参数的影响很大,然而实践中核参数的选择是极其困难的。为了解决这个问题,本文基于样本在高维空间中的类内距离近、而类间距离远这一思路,提出了一种优化核参数的模糊C均值算法(Parameter optimation-based KFCM,POKFCM)。该算法首先利用K均值方法对样本集进行初始聚类,再通过比较实际核函数矩阵与理想核函数矩阵的相似性距离来确定最优核参数,最后将优化的核参数应用于核模糊C均值聚类算法。在6组UCI数据集上进行对比实验,结果表明POKFCM能有效地改善KFCM的聚类性能。     

一种改进的模糊聚类图像分割算法

为了提高强噪声污染图像分割的鲁棒性,给出一种改进的非局部模糊聚类图像分割算法。改进算法将模糊因子的局部邻域值替换为非局部均值滤波图像的像素值,并加入局部空间信息,产生新的目标函数。借助拉格朗日乘子法,从最小化目标函数得出隶属度和聚类中心的迭代公式,进而完成图像分割。对合成图像、医学图像和自然图像添加高斯噪声、莱斯噪声和椒盐噪声,用于分割测试,结果显示,改进算法对强噪声图像具有更高的正确分割率和较小的模糊性。     

基于模糊核聚类的鲁棒性基础矩阵估计算法

提出一种基于模糊核聚类的鲁棒性基础矩阵估计算法。算法提取匹配点的余差作为特征,利用核函数将一维非线性可分特征映射到高维可分空间,在高维特征空间利用模糊均值分类将匹配点分为内点集和外点集;用高斯函数分别对已分类的内点集和外点集进行建模,定义并计算两类高斯分布的可分性判定值;判断该判定值是否收敛,如未收敛则以内点集作为初始值重新迭代计算。模拟数据和真实数据的基础矩阵估计实验表明,本文算法在计算效率和精度上均优于经典的随机抽样一致性算法。     

多代表点自约束的模糊迁移聚类

以往建立在模糊C均值(fuzzyC-means, FCM)框架下利用源域虚拟簇中心作为迁移知识的迁移聚类算法容易受到离群点和噪声的干扰,且单个簇中心不足以描述簇结构。针对此问题,提出多代表点自约束的模糊迁移聚类算法,该算法引入样本代表权重机制为簇中每个样本分配代表权重来刻画簇结构,这种机制能更好的刻画簇结构,对离群点和噪声有较好的抑制作用;同时利用源域样本,重构目标域簇结构,并以此作为迁移知识进行目标域样本聚类,相对于利用单中心作为迁移知识来说,整体重构后的目标域簇结构所包含的迁移知识量更为丰富。试验结果表明。在人工数据集和真实数据集上,所提出的聚类算法相比对比算法, NMI和ARI最高提升了0.674 5和0.608 4。说明在迁移环境下,以代表点自约束作为知识迁移规则,所提出的聚类算法具有一定的聚类效果。     

基于模糊聚类的驾驶决策判别

分析了在驾驶决策过程中的生理和心理活动,确定了影响驾驶决策的主要因素,例如感知范围、驾驶经验等。在此基础上,考虑驾驶心理,计算了驾驶员感知临界值和紧急响应临界值,并且利用模糊聚类方法对信息样本分类,得到信息样本在不同驾驶决策上的隶属程度,从而判别驾驶员采取加速、减速、匀速自由驾驶或紧急制动。最后,分析了不同道路等级条件下驾驶员心理感知响应的临界值变化。结果表明:驾驶员心理感知范围并不只是驾驶员视觉上对距离的感应,在不同速度条件下驾驶员心理也会发生很大变化。本文方法直观、简单,可为交通仿真和交通安全提供理论依据。     

一种基于模糊聚类的快速图像分割算法

提出一种基于二维直方图加权的模糊c均值图像快速分割算法.通过将原图像和它的平滑图像相结合,构造一个二元组的“广义图像”,广义图像的直方图就是原图像的二维直方图.然后对此二维直方图进行塔形分解得到金字塔的上一层——顶层,相应地称原二维直方图为底层.最后,利用加权模糊c均值聚类算法分别对顶层和底层进行模糊聚类,从而实现对原图像的分割.实验结果与性能分析表明,该算法具有较高的分割速度和良好的抑制噪声的能力.     

Web主动服务中基于混合挖掘的用户意图辨识

针对用户意图在主动服务各个环节中的不同作用,采用混合智能算法在主动服务中对用户意图进行辨识。用v-SVC的支持向量学习算法对用户的偏好和意图进行学习和辨识,反映用户的状态和所处的角色;用概念层次生成算法对用户服务属性层次化,以获得用户的服务焦点;使用基于模糊聚类算法辨识用户所期望的服务质量或等级。实验分析表明,使用混合算法辨识用户意图具有高效性和实用性。     

基于模糊聚类分析的车辆优化调度

应用模糊聚类分析对物流配送需求点进行分类,建立了车辆调度问题的数学模型,将标准遗传算法与爬山算法集成,构造了一种改进的混合遗传算法。试算结果表明,对需求点分类后,应用遗传算法可有效解决联合物流模式的车辆调度问题。     

相对熵模糊C均值聚类分割算法

针对模糊C均值聚类分割算法无法获得复杂图像的细节信息问题,提出一种相对熵模糊C均值聚类分割算法。该算法利用划分隶属度构造相对熵,对传统模糊C均值聚类进行正则化约束,将其作为正则化因子添加到传统FCM的目标函数,得到新的聚类目标函数。通过拉格朗日乘子最优化推导,得到新的隶属度和聚类中心的迭代更新表达式。实验结果表明,该算法对于图像与背景灰度相近的复杂图像可以清晰的分割出图像的轮廓,也比FCM方法获得更多的图像细节信息。     

基于分水岭和模糊 C 均值聚类的图像分割方法

针对分水岭算法对微弱边缘和噪声非常敏感、容易导致过分割现象的问题,提出综合运用分水岭算法和基于区域的模糊 C 均值聚类的图像分割方法.与单独使用分水岭方法相比,该方法不仅利用区域的灰度信息,而且考虑了区域间的空间信息.实验结果表明,本方法能有效地对图像进行分割,克服了分水岭算法的过分割问题.     

基于模糊聚类分析的汽轮机振动故障自动诊断研究

通过分析汽轮机振动故障诊断所面临的不确定性等问题,引用模糊理论中隶属度的概念来描述机组振动故障存在的倾向性,采用模糊C均值聚类方法分析机组振动的原因。通过实例检验表明,理论计算与现场检查结果相符,该方法具有良好的实际应用前景,为汽轮机组状态监测及故障自动诊断提供了一种新途径。     

一种基于模糊信息熵的协同过滤推荐方法

针对评分数据的稀疏性制约协同过滤推荐性能的情况,提出一种新的相似性度量方法。首先,定义了用户的模糊信息熵以反映用户评分偏好的不确定程度;其次,利用两两用户的模糊互信息衡量用户之间的相似程度;最后,同时考虑用户之间的模糊互信息和用户的模糊信息熵,并设计一种基于模糊信息熵的相似性度量方法以计算用户之间的相似性。在两个公开数据集上的试验结果表明:基于模糊信息熵的相似性度量方法能够降低数据稀疏性的影响,并能显著提高推荐系统的推荐性能。     

基于模糊聚类分析的战场目标分类研究

目标分类是确定各类武器作战任务的基础,也是各类武器确定目标打击顺序的前提。采用模糊聚类分析方法,结合具体实例,围绕目标重要性、打击紧迫性、目标易损性、目标通视性、情报可靠性、任务一致性等指标,对战场目标进行了分类。