基于递归聚类与相似性的模糊神经网络结构设计

针对模糊神经网络结构设计问题,提出一种基于递归聚类与相似性的结构设计方法.首先,提出以输出变化强度为导向、以结构细分为手段的递归聚类方法对网络初始结构进行设计.其次,通过计算模糊规则的相似性,将高度相似的规则进行合并,在保持良好精度的前提下,对网络初始结构进行简化.最后,通过函数逼近、非线性系统辨识仿真实验验证了方法的可行性和有效性.     

基于聚类有效性神经网络的模糊规则提取方法

模糊控制以其自适应性、鲁棒性和易于实现等优点得到广泛应用 .然而模糊控制规则的获取通常由专家根据经验给出 ,这就存在诸如规则不够客观、专家经验难以获取等问题 .作者给出一种基于聚类有效性神经网络的模糊规则提取的新方法 .该方法采取对训练样本预划分子集聚类 ,模糊语言量的自动确定 ,模糊隶属度函数自适应调整等策略 ,克服了以往规则提取法在训练样本不充分时 ,规则提取不足及规则数目难以确定等缺点 ,并结合神经网络技术使所提取的控制规则的质量得到提高 ,改善了模糊控制器的性能 .最后 ,以倒车系统为例证明了该方法的有效性     

基于聚类有效性神经网络的模糊规则提取方法

模糊控制以其自适应性、鲁棒性和易于实现等优点得到广泛应用．然而模糊控制规则的获取通常由专家根据经验给出，这就存在诸如规则不够客观，专家经验难以获取等问题．为此，本文给出一种其于聚类有效性神经网络的模糊规则提取的新方法．该方法采取了对训练样本预划分子集聚类，模糊语言量的自动确定，模糊隶属度函数自适应调整等策略，克服了以往规则提取法在训练样本不充分时，规则提取不足及规则数目难以确定等缺点，并结合神经网络技术使所提取的控制规则的质量得到提高，改善了模糊控制器的性能，最后，以倒车系统为例证明了该方法的有效性．     

基于CT值的聚类轮廓提取方法

在分析CT原理的基础上，通过对原始CT数据进行预处理，增强所需对象的特征，然后以人体组织的CT值为聚类特征，采用尺—均值聚类分割方法对CT数据进行分割处理，将所需的组织与其他组织分离开，从而实现轮廓提取，为进一步研究打下基础。     

基于独立成分分析的谱聚类方法

谱聚类是近年来一类具有较好应用前景的聚类方法。本文将独立成分分析引入到传统的谱聚类方法中,提出了一种基于独立成分分析的谱聚类算法。利用独立成分析作为预处理,消除了数据内的冗余信息,使得待聚类数据点在高阶统计量的意义下相互独立。文中对比实验证明了该方法的有效性。     

基于闭合频繁Induced子树的GML文档结构聚类

提出了一种GML文档结构聚类新算法MCF_CLU.与其它相关算法不同,该算法基于闭合频繁Induced子树进行聚类,聚类过程中不需树之间的两两相似度比较,而是挖掘GML文档数据库的闭合频繁Induced子树,为每个文档求一个闭合频繁Induced子树作为该文档的代表树,将具有相同代表树的文档聚为一类.聚类过程中自动生成簇的个数,为每个簇形成聚类描述,而且能够发现孤立点.实验结果表明算法MCF_CLU是有效的,且性能优于其它同类算法.     

基于减法聚类与聚类有效性评判的FCM聚类

提出了一种基于减法聚类和聚类有效性评判的FCM聚类算法,依靠减法聚类来确定聚类数目的上限,并且在搜索最佳聚类数copt时,不需要进行重复的初始化工作,从而提高聚类的效率.     

基于Fuzzy聚类的Peleg-ε维数边缘提取算法

本算法综合了传统的利用毯子维数提取图像边缘的方法和Fuzzy聚类的方法,对具有不同维数的物体边缘进行提取。通过改进Fuzzy聚类方法,克服了传统Fuzzy聚类方法中只考虑分维谱图中像素自身而忽略分维谱图中邻近像素聚类特点的缺点;改进后的Fuzzy聚类方法同时弥补了传统的利用毯子维数提取图像边界时迭代次数过少的不足。实验结果表明,利用该算法较传统算法更好地描述了物体的边界.     

基于模糊聚类的Web用户聚类方法与实现

提出了一种基于传递闭包的模糊聚类方法,并应用于Web日志聚类中,实验结果表明,该算法能够有效实现Web用户聚类,并且能够避免陷入局部最优解。最后与模糊C均值算法进行比较,并讨论了算法的运行时间和错分率。     

基于后缀树的文本聚类算法

提出一种基于后缀树的文本聚类算法以实现中文文本的多主题聚类。先介绍基于后缀树的英文多主题聚类的主要流程。再分析中、英文语言的差异,并以中文词和短语为单位构造后缀树模型,随后构造基类关联图实现中文多主题聚类。实验分析表明,该方法能快速、较准确的实现中文文本的多主题聚类。     

基于概要数据结构的高维数据流聚类算法

为了在高维数据流中有效地形成聚类,针对经典算法CELL-Tree存在的问题,提出一种新的概要数据结构PL-Tree以及基于此数据结构的算法PLStream,并采取衰减窗口模式来适应数据流的变化,采用剪枝策略控制内存中聚类模型的规模．实验表明,PLStream算法能较好地适应高维数据流,比CELL／Tre算法具有更好的时...     

基于属性识别的灰色聚类方法

对聚类系数无显著性差异的灰色聚类问题进行了研究.运用分类标准矩阵、单指标白化权函数和置信度原则,提出了基于属性识别的灰色聚类方法.该方法充分利用了已有信息和置信度准则,避免了在聚类系数向量中分量取最大时出现聚类系数无显著性差异的问题,使聚类结果更加客观、准确.并经实例验证了该方法的有效性和合理性.     

基于聚类的SIFT人脸检测算法

为解决在人脸识别领域的特征提取问题,提出一种尺度不变特征转换的SIFT算法与聚类分析相结合的算法.在对人脸特征分类时,通过选取最优化的距离阀值,用聚类理论对生成的SIFT特征进行聚类分析,从而得到若干特征类别.去除一些非主要特征类别,排除其他非目标人脸主要特征的干扰.实验结果表明,改进的SIFT算法比原始算法具有更好的特征匹配效果.     

一种基于分组遗传算法的聚类新方法

为提高聚类效果,提出了一种基于分组遗传算法的聚类新方法。以改进的分组编码方式表示种群中的个体并基于此制定了合理的种群初始化方案,采用改进的遗传操作算子和种群更新规则,利用遗传算法高效的全局搜索能力实现聚类。通过非线性排序选择机制和精英保留策略提高了遗传进化的稳定性;引入同类并行交叉和合并分割变异算子提高了算法运行效率,增强了全局寻优能力。实验结果表明,该聚类新算法能够自动获得最优聚类数和最优划分方案,具有良好的性能和聚类效果。     

基于行模式的网页信息提取算法

垂直搜索引擎需要对网页的内容进行提取,信息提取算法是研究的关键内容之一,文章提出一种新的基于行模式的索引网页的信息提取算法,该算法基于网页结构,具有较高的分析速度与准确率,使信息的分析与提取变得简单高效。     

3D Model Retrieval Method Based on Affinity Propagation Clustering

In order to improve the accuracy and efficiency of 3D model retrieval, the method based on affinity propagation clustering algorithm is proposed. Firstly, projection ray-based method is proposed to improve the feature extraction efficiency of 3D models. Based on the relationship between model and its projection, the intersection in 3D space is transformed into intersection in 2D space, which reduces the number of intersection and improves the efficiency of the extraction algorithm. In feature extraction, multi-layer spheres method is analyzed. The two-layer spheres method makes the feature vector more accurate and improves retrieval precision. Secondly, Semi-supervised Affinity Propagation (S-AP) clustering is utilized because it can be applied to different cluster structures. The S-AP algorithm is adopted to find the center models and then the center model collection is built. During retrieval process, the collection is utilized to classify the query model into corresponding model base and then the most similar model is retrieved in the model base. Finally, 75 sample models from Princeton library are selected to do the experiment and then 36 models are used for retrieval test. The results validate that the proposed method outperforms the original method and the retrieval precision and recall ratios are improved effectively.     

基于最大频繁Induced子树的GML文档结构聚类

提出了一种基于最大频繁Induced子树的GML文档结构聚类新算法TBCClustering.通过挖掘GML文档集合中的最大频繁Induced子树构造特征空间,并对特征空间进行优化;采用CLOPE聚类算法聚类GML文档,可自动生成最小支持度与聚类簇的个数,无需用户设置;不仅减少了特征的维数,而且得到了较高的聚类精度.实验结果表明算法TBCClustering是有效的,且性能优于PBClustering算法.     

Key Pose Frame Extraction Method of Human Motion Based on 3D Framework and X-Means

The key pose frames of a human motion pose sequence, play an important role in the compression, retrieval and semantic analysis of continuous human motion. The current available clustering methods in literatures are difficult to determine the number of key pose frames automatically, and may destroy the postures'' temporal relationships while extracting key frames. To deal with this problem, this paper proposes a new key pose frames extraction method on the basis of 3D space distances of joint points and the improved X-means clustering algorithm. According to the proposed extraction method, the final key pose frame sequence could be obtained by describing the posture of human body with space distance of particular joint points and then the time-constraint X-mean algorithm is applied to cluster and filtrate the posture sequence. The experimental results show that the proposed method can automatically determine the number of key frames and save the temporal characteristics of motion frames according to the motion pose sequence.