检索结果-内蒙古大学图书馆

科技通报 2018年第5期34卷 199-202页

作者：张军刘文杰江苏海事职业技术学院南京信息工程大学计算机与软件学院

提出一种新的选择性聚类融合算法,该算法主要基于分形维数来处理一些高维数据,选择策略则是主要基于互信息,考虑到已选聚类成员的重要程度与聚类成员的质量和多样性,此算法比较适用的数据聚集类为任意形状的,聚类融合可通过加权定义实... 详细信息

提出一种新的选择性聚类融合算法,该算法主要基于分形维数来处理一些高维数据,选择策略则是主要基于互信息,考虑到已选聚类成员的重要程度与聚类成员的质量和多样性,此算法比较适用的数据聚集类为任意形状的,聚类融合可通过加权定义实现。仿真实验中在UCI数据集环境运用本文提出的选择性聚类融合算法,实验结果表明该算法具有良好的有效性。

关键词：高维数据互信息关联矩阵聚类融合算法

来源：评论

学校读者我要写书评

暂无评论

多媒体图像数据投影聚类融合算法优化研究

引用

微电子学与计算机 2017年第12期34卷 134-137页

作者：陈雅淮阴师范学院计算机科学与技术学院江苏淮安223000

提出基于粒子群的多媒体图像数据投影聚类融合优化算法,首先利用误差反传的梯度下降训练,选取出多媒体图像数据投影的聚类成员,为后续聚类融合提供准确的数据基础;其次计算每个多媒体图像数据投影基聚类算法被选入优化基聚类子集的概率... 详细信息

提出基于粒子群的多媒体图像数据投影聚类融合优化算法,首先利用误差反传的梯度下降训练,选取出多媒体图像数据投影的聚类成员,为后续聚类融合提供准确的数据基础;其次计算每个多媒体图像数据投影基聚类算法被选入优化基聚类子集的概率;最后利用粒子群算法进行全局寻优,实现对多媒体图像数据投影聚类融合算法的优化.通过实验验证分析,结果表明,所提算法可以提高多媒体图像数据投影融合质量和聚类准确率.

关键词：多媒体图像数据投影聚类融合算法优化全局寻优

来源：评论

学校读者我要写书评

暂无评论

聚类融合算法的实验评价方法

聚类融合算法的实验评价方法

引用

作者：梁荣德广东工业大学

学位级别：硕士

在数据分析中,聚类被认为是有效的工具之一。近二十年,大量优秀的聚类算法被提出,并已经被广泛地应用于数据挖掘,模式识别,机器学习,信息检索,图像分析,生物信息学等领域。不同的聚类算法在不同的领域具有各自的优势。然而,没有任何一... 详细信息

在数据分析中,聚类被认为是有效的工具之一。近二十年,大量优秀的聚类算法被提出,并已经被广泛地应用于数据挖掘,模式识别,机器学习,信息检索,图像分析,生物信息学等领域。不同的聚类算法在不同的领域具有各自的优势。然而,没有任何一种聚类算法能适用于所有情况。聚类融合算法被认为是一种集取各种聚类算法所长的算法,它通过融合基聚类算法的决策,得出各基聚类算法所不能得到的决策,能够更全面地反映数据集的内部结构。聚类融合算法是聚类领域的一个研究热点,当前许多地聚类融合算法被提出。然而,除了研究优良的聚类融合算法,如何评价聚类的质量也被认为是难题之一。根据有无基准可用,聚类的质量评价方法分为内在评价方法和外在评价方法。内在评价方法不使用基准,它根据聚类的定义,考察数据内部结构情况。内在评价方法一般需要使用者定义数据之间的距离度量,而使用者一般缺乏这方面的知识。外在评价方法使用基准,它考察聚类结果和基准的相似程度。传统的外在评价方法使用专家评价的基准作为参照。但是实际上,这种基准不但昂贵,而且常常不容易得到。本文提出一种不依赖专家评价基准的外在评价方法。它从聚类基准的模糊性出发,认为专家评价的基准只是所有不同类型的基准之一,基准可以基于所有参与评价的聚类融合算法的。因此,一种新颖的基于实验的聚类融合算法评价方法被提出,其参照基准是基于所有聚类融合算法折衷所得出来的。基于这个方法的设计框架,实验部分使用了Single Linkage Clustering(SLC)算法,Iterative Voting Clustering(IVC)算法和An Algebraic Approach to Clustering Ensemble(AA)算法,在2个仿真和3个UCI数据集上,分别对三组算法,SLC算法和IVC算法,SLC算法和AA算法,IVC算法和AA算法进了评价对比,并将结果和传统使用专家评价的基准外在方法进了比较。当传统外在评价方法认为当参与评价的算法是强聚类融合算法时,该评价方法结果与传统方法的评价结果一致。由于本文的方法无需使用专家评价的基准,因此有着广泛的应用前景。

关键词：评价方法聚类融合算法外在方法

来源：评论

学校读者我要写书评

暂无评论

聚类融合算法的实验评价方法

引用

无线互联科技 2015年第7期12卷 127-130页

作者：梁荣德刘波广东工业大学自动化学院广东广州510000

聚类融合算法被认为是数据分析的有效工具之一。然而,除了研究优良的聚类融合算法,如何评价聚类的质量也被认为是难题之一。传统的外在方法使用专家评价的基准作为参照。但是实际上,这种基准不但昂贵,而且常常不容易得到。因此,一种新... 详细信息

聚类融合算法被认为是数据分析的有效工具之一。然而,除了研究优良的聚类融合算法,如何评价聚类的质量也被认为是难题之一。传统的外在方法使用专家评价的基准作为参照。但是实际上,这种基准不但昂贵,而且常常不容易得到。因此,一种新颖的基于实验的聚类融合算法评价方法被提出,其参照基准是基于所有聚类融合算法折衷所得出来的。基于这个方法的设计框架,实验部分使用了SLC(single-linkage clustering)和IVC(iterative voting clustering)在2个仿真和3个UCI数据集上进了评价对比,并将结果和传统外在方法进了比较。从传统外在方法看来,当参与评价的算法是强聚类融合算法时,该评价方法结果与传统方法的评价结果一致。

关键词：评价方法聚类融合算法外在方法

来源：评论

学校读者我要写书评

暂无评论

氢能支撑的风—燃气耦合低碳微网容量优化配置研究

氢能支撑的风—燃气耦合低碳微网容量优化配置研究

引用

作者：曹继雷大连理工大学

学位级别：硕士

随着电转气(Power to Gas,P2G)、碳捕集与存储(Carbon Capture and Storage,CCS)等碳减排技术的发展,“碳中和”背景下,综合考虑氢能、燃气及碳捕集的微网在新能源消纳,能源高效、低碳化利用方面发挥重要作用,受到广泛关注。新能源出力... 详细信息

随着电转气(Power to Gas,P2G)、碳捕集与存储(Carbon Capture and Storage,CCS)等碳减排技术的发展,“碳中和”背景下,综合考虑氢能、燃气及碳捕集的微网在新能源消纳,能源高效、低碳化利用方面发挥重要作用,受到广泛关注。新能源出力不确定、制氢和碳捕集技术成本较高,兼顾新能源消纳、碳排放和经济性多目标,氢能支撑的风-燃气耦合低碳微网的结构与参数设计还面临着挑战,亟待突破。在此背景下,本文对相关研究内容进行了初步探究,主要包括:提出了氢能支撑的风-燃气耦合低碳微网(Low Carbon Microgrid,LCM)结构及建模。首先,LCM以富氧燃烧碳捕集、P2G与风电制氢技术实现燃气、电力与氢多能之间的耦合,提升系统新能源消纳能力、降低碳捕集能耗、提高燃气轮机效率。然后,利用风电制氢副产物氧气加储氧罐及空气分离系统(Air Separation Unit,ASU)为富氧燃烧提供所需氧气,提升系统的经济性。最后,基于LCM结构,分别对系统各子系统进行建模,为后文研究LCM容量优化配置奠定了基础。综合考虑风电-负荷双不确定性,提出了一种基于聚类融合算法的风电-负荷确定性场景缩减方法。首先,通过采用DBSCAN密度聚类的数据预处理消除异常或小概率电负荷、风电数据。然后,针对风电波动性与电电负荷时序性、周期性特点,将场景提取分为电负荷场景提取和风电场景提取。电电负荷功率具有明显的季节性、周期性,采用有序聚类方法可兼顾上述特点,为保证风电、电负荷时序性,本文根据电负荷分段时间节点将风电出力标幺值分段,结合K-means聚类提取各时段风电场景。提出了综合考虑新能源消纳、碳排放和经济性的LCM容量优化配置方法。首先,采用概率分析的方法,以包含投资成本、维护成本、运行成本、弃风惩罚成本的期望年化成本最小为目标,以功率平衡、出力上下限、弃风、碳捕集及储气为约束,建立LCM容量优化配置模型。然后,基于CPLEX商业求解器对某地区综合供能系统进行仿真,得到系统风电、储气容量及电解槽、燃气轮机功率的最优配置方案,验证所提LCM结构的合理性及在不同场景下系统结构变化。最后,结合Matlab与YALMIP工具包编程对结果进行灵敏度分析,为微网优化配置提供参考。

关键词：氢能风-燃气耦合容量配置聚类融合算法微网

来源：评论

学校读者我要写书评

暂无评论

我国上市公司资产重组绩效预测方法的实证研究

我国上市公司资产重组绩效预测方法的实证研究

引用

作者：洪璐瑶浙江师范大学

学位级别：硕士

随着我国证券市场的发展,上市公司面临财务状况异常或其他异常情况,资产重组便成为许多上市公司进行改善绩效的重要方法之一,它将作为证券市场里最能体现市场效率、最具创新活力的一环在我国上市公司中不断上演。究其原因,主要是由于资... 详细信息

随着我国证券市场的发展,上市公司面临财务状况异常或其他异常情况,资产重组便成为许多上市公司进行改善绩效的重要方法之一,它将作为证券市场里最能体现市场效率、最具创新活力的一环在我国上市公司中不断上演。究其原因,主要是由于资产重组可以帮助ST公司调整产业结构、优化资源配置、改善企业经营结构,提高资产营运绩效,从而实现成功摘帽。而资产重组绩效预测则是作为对ST公司在重组前进行判断其能否成功摘帽的一种方式,在公司的经营管理中扮演着举足轻重的角色。因此,如何对ST公司进行资产重组绩效预测以及如何提高其预测准确率是刻不容缓的。本文以上市公司资产重组作为研究对象,由于收集的数据集显示重组成功的企业与重组失败的企业的数目存在较大的非平衡性,虽然这是符合客观实际,但是相对传统的机器学习算法来说,通常会产生偏向多数类的结果,因而对于具有重要作用的少数类而言,预测的效果会相对较差。为了提高准确率,本文对收集的数据进行了平衡性处理。之后,利用单一预测模型来判断企业资产重组是否取得好的效果,并且选用十种方法进行性能比较,其中包括logit、probit、SVM、 MDA、CBR、BaggingLOGIT、BaggingSVM、BaggingPROBIT、BaggingCBR和BaggingMDA。结果显示：SVM和CBR模型对上市公司资产重组绩效的判断准确率要优于其它八种预测模型,也就是说这些模型可以判断出80%以上的ST公司能否在资产重组后1年恢复上级状态。通过此次研究,我们可以为ST公司能否通过资产重组来改善企业绩效提供一定的理论依据。其次,为了提高我国上市公司资产重组绩效预测的准确性,本文在单一预测模型的基础上对预测模型进行了改进,采用不同与前人对资产重组绩效研究的方法,应用聚类混合分类器与单一预测模型以及聚类融合分类器与单一预测模型相结合,建立了十种新的预测模型,即CLOGIT、CPROBIT、CMDA、CSVM、 CCBR、BaggingCLOGIT、BaggingCPROBIT、BaggingCMDA、BaggingCSVM和BaggingCCBR对资产重组绩效进行预测并且对这十种模型进行性能的比较。结果显示：聚类融合算法与聚类算法建立的模型无论是在准确率还是在真正率和真负率方面都有积极的表现。其中,在准确率和真负率方面,通过聚类混合建立的模型的预测均值要高于聚类融合分类方法建立的模型；而对于真正率,聚类融合分类得到的均值要优于聚类混合方法建立的模型。再次,为了对以上建立的二十种模型进行验证,本文另外收集了2011-2012年的ST公司作为新样本集进行分析,检验对上市公司资产重组绩效预测研究的重要性以及本文所用各个资产重组预测模型的实用价值。实验结果表明传统统计模型的预测结果次于人工智能方法建立的模型。其中,支持向量机及其集成、聚类形成的模型的预测结果在非平衡数据还是平衡数据中均相对稳定且效果较好,而案例推理及其集成、聚类形成的模型的预测结果在非平衡数据中相对较好。最后,本文对其研究进行总结,并指出了相关的管理启示,在实际应用中具有重要的作用,并为企业管理者进行决策提供了一定的理论依据。

关键词：单一模型聚类混合算法聚类融合算法资产重组绩效预测特殊处理上市公司

来源：评论

学校读者我要写书评

暂无评论

A New Consensus Method for Cluster Ensembles to Improve Clustering Accuracy and Stability

A New Consensus Method for Cluster Ensembles to Improve Clus...

引用

作者： HAPPE CLEMENT DEUS 中南大学

学位级别：硕士

数据分组是理解学习中的一个基本和重要的模式，相似的模型被聚集到同一个分组中，不同的模型在不同的分组中。本论文提出了一种基于统计共识的聚类融合算法来提高聚类的准确性和稳定性，算法可以应用于隐私问题数据或大规模不能聚集到... 详细信息

数据分组是理解学习中的一个基本和重要的模式，相似的模型被聚集到同一个分组中，不同的模型在不同的分组中。本论文提出了一种基于统计共识的聚类融合算法来提高聚类的准确性和稳定性，算法可以应用于隐私问题数据或大规模不能聚集到一个位置的分布式数据挖掘中。融合方法已广泛应用于监督式学习，并且事实证明，融合方法比单一的预测＼学习模式相比，能将预测误差减少到相当高的程度。近些年，人们正在研究非监督的学习（聚类融合），期望获得可喜成果。本文所提出的基于统计共识的聚类融合方法通过四个步骤获得最后的共识聚类结果。\n 第一步是利用K-means算法在不同的初始参数下运行多次产生聚类成员。初始参数对K-means算法的影响是比较大的，采用不同的初始参数在同一数据集上得到多种聚类结果。第二步是在产生聚类成员中选择一个最佳聚类。这部分通过基于K-means算法定义的目标函数来实现，这个目标函数可以减小误差并使得类之间的紧凑度和分离度更好。由于缺少标记，误差是能判断聚类分析质量的很好的数学方法。第三步是融合方法，论文采用选择性聚类融合方法，选取一致性聚类并丢弃不一致的聚类。在融合中，利用信息理论（互信息）作为选择一致性聚类的标准，第四步是一致性函数。最后的聚类结果是利用一致性聚类成员使用统计共识函数得到的。\n 论文所研究聚类融合算法改善了聚类结果的精确性以及稳定性。由于聚类融合在数据挖掘和机器学习中有很大影响力，将多种聚类模型融合到一种聚类方法中，通常效果会比单一聚类算法好。大多数数据挖掘和知识发现技术是针对建模，而不是在结果的精确度上。但是对于复杂商业智能系统，确实需要更多关注聚类精确度，而不是聚类建模。任何商务智能系统都需要一个高质量聚类作为其核心，在大多数情况下它涉及到大量数据，并且数据有时可能在分布式环境下。问题在于，现有的经典聚类算法并不稳定，它们的不稳定导致在不准确的聚类结果，同时因为经典聚类算法假设数据是在单一的位置上，所以这些算法并不适合数据不能合并到单一位置的分布式数据环境。\n 本文提出的新聚类融合算法除了提高稳定性和聚类结果精确度外，它还可以用于分布式数据的聚类。分布式数据挖掘是数据挖掘的有趣的方面之一，尤其是当数据集因存储（通常数据挖掘涉及到大量的数据）或隐私性等原因，不能合并到一个位置。单一的经典聚类算法是不能处理这些情况的。我们的方法使用许多模式和聚类中心表示聚类，这使得我们的算法独特于现有的使用类标签标识每个模式或数据点的聚类融合方法。用聚类中心和大量模式表示的聚类，直接解决了标签对应问题，而不用像现有的大多数算法引用额外的技术。这种方法也节省了时间与空间，共识函数只需要聚类中心和数据点数量这些信息，它远远小于数据集中的实际数据点数量，这使得我们的算法适用于处理并行或分布式环境中的大量数据。实验结果表明，本文提出的聚类融合算法与k-means经典聚类算反比较，算法的精度性和稳定性更好。\n 论文章节安排如下：第一章介绍了数据挖掘和知识发现涉及的技术理念以及其应用。第二章着重于聚类和聚类融合，并对现有融合算法及技术进行了综述，第三章是提出的新聚类融合算法。第四章是实验与评估，第五章是结论。最后是感谢，参考文献和附录。

关键词：数据分组聚类融合算法精确度稳定性分析数据挖掘

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：