基于改进谱聚类算法在图像分割中的应用

为解决谱聚类算法应用于图像分割时,相似矩阵内存占用较大甚至满溢以及后续计算量大的问题,利用Nystrom方法随机获取一部分样本点,根据样本点和样本点、样本点和非样本点2种相似关系近似表征所有像素点的相似性,得到原图像的近似相似矩阵。在构建上述所需2种相似关系的相似矩阵时,距离度量采用余弦函数。结果表明,采用近邻传播聚类算法代替k-means算法对得到的低维向量子空间聚类,克服了聚类过程对初始值的敏感性,得到的分割结果较稳定,4幅真实图片也验证了研究算法的优越性。改进的谱聚类算法为图像分割的稳定性研究提供了依据。     

一种引入参数无需确定聚类数的聚类算法

针对传统k-均值聚类算法的两大缺点,即算法中需要知道确定的聚类数和初始种群选取的随机性,提出了一种新的聚类算法,即基于k-均值聚类算法的无需确定聚类数的聚类算法。这种算法是基于递增思想的聚类算法,最大的特色是无需事先知道聚类数,初始聚类数取1,初始聚类中心为所有数据点的聚类中心,算法中首先设定一个惩罚参数,对于确定的惩罚参数,运算时聚类数逐渐增加,直到收敛,即聚类数不再发生变化,就得到了所需的聚类数以及最终的聚类结果。运用于茶叶分类和各省市平均工资水平分析的2个实验也验证了这种算法的可行性,通过实验可知,这种聚类算法具有较好的全局收敛能力和较高的正确率,稳定性强,收敛速度快。     

模糊聚类法在建筑业发展水平分析中的应用

根据模糊聚类的基本原理以及传递闭包法、模糊相似矩阵和模糊等价矩阵等算法,选取了7个相对有效的评价指标对我国7个具有代表性省份的建筑业发展水平进行了分析,在不同水平下得到相应的模糊等价矩阵。利用模糊等价矩阵对我国7个省的建筑业发展水平进行模糊聚类,并使用MATLAB软件编程得出聚类结果,根据聚类结果对各省的建筑业发展水平进行了纵向和横向的比较分析。     

MLEP:一种B细胞线性表位预测方法

为了更快更准地确定B细胞线性表位,提出了一种新的预测方法——MLEP(Prediction of epitope based on MCFS and LSTM,MLEP)算法。采用5种性质氨基酸理化性质作为学习特征,利用多聚类特征选择算法进行特征选择,用降维后的数据作为输入,用长短期记忆网络进行训练,获得预测性能好的模型,对多聚类特征选择算法及MLEP算法的性能进行评价。对非冗余LBtope数据集进行多组实验,结果表明,使用多聚类特征选择算法降维到25时获取性能最优模型,多聚类特征选择算法比主成分分析法获得的模型准确率更高,基于MLEP算法获得的模型准确率达到94.81%。因此,MLEP算法能更好地预测B细胞线性表位,对于表位预测研究具有一定的参考价值。     

小波聚类算法的分析与研究

聚类分析是数据挖掘领域中一个重要的研究课题。传统的聚类算法在在低维空间小数据集中能够有效地进行聚类,但在高维大数据集中,由于数据的稀疏性,存在大量孤立点等问题,聚类效果不甚理想。本文在传统聚类算法的基础上,着重对小波聚类算法进行了分析与研究。     

面向小样本的遥感影像目标识别技术

为了解决深度学习方法网络模型在小样本遥感图像目标识别场景下过拟合、性能急剧下降等问题,设计了基于度量学习的小样本目标识别方法RS-DN4。在度量模块中选择前k个具有代表性的特征进行目标相似度的计算;引入元学习中阶段式训练理念,执行上万次任务级迭代训练;基于互联网开源遥感影像数据集和自有遥感影像数据集,构建了一套包含21类不同遥感目标切片数据的多尺度、多分辨率的遥感影像数据集RSD-FSC,并据此进行RS-DN4方法的实验验证。结果表明:针对新类小样本目标,当训练样本分别只有1,5和10个时,平均识别准确率可分别达到59.13%,82.55%和87.80%,相对于其他方法,RS-DN4在遥感图像小样本目标识别中具有识别准确率高、泛化能力强等优势。RS-DN4方法实现难度适中,在小样本遥感目标检测识别领域的工程应用场景中具有推广应用价值。     

基于1D-CNN的滚动轴承端到端故障诊断方法

提出一种端到端的滚动轴承故障诊断模型,将三个步骤直接整合到一个模型中,直接将原始振动信号输入模型中,经过模型计算得到轴承故障类型。利用一维卷积神经网络强大的特征提取能力,对原始信号提取特征。通过实验对比分析,所述方法在美国凯斯西储数据集中能够达到99.33%的类间平均准确率,能够准确地对故障进行分类,具有较好的技术应用前景。     

基于遗传微粒群算法的输电线路图像分割

图像分割技术的发展是电力系统视频监控技术发展的基础。最大类间方差(Otsu)阈值分割法分割图像计算复杂、时间开销大,需要利用遗传微粒群算法(PGSHEA)进行优化。PGSHEA引入微粒群算法的快收敛及遗传算法的多样性特点来优化参数搜索,同时引进了摒弃因子来节省时间开销,最终得到最优值。输电线图像实验结果表明,该算法不仅有助于提高识别的准确率,而且减少了时间开销。     

一种优化K-means聚类的舌苔舌质分离方法

为了解决传统K-means聚类算法对舌图像中舌苔舌质分离效果不稳定的问题,提出了一种优化K-means聚类的舌苔舌质分离模型。模型综合RGB,HSV,L^*a^*b^* 3种颜色空间的特性,将单通道舌图像像素作为聚类样本集合,以一定的规则从集合中选取2个舌图像通道的像素作为聚类样本,并利用单通道舌图像分布直方图的峰值确定初始聚类中心点,最后通过聚类实现舌苔舌质分离。实验结果表明,选择用双通道舌图像作为聚类样本比用三通道或者单通道舌图像聚类效果更优,且提出的初始聚类中心点的确定方法相比于传统K-means聚类算法更准确、稳定地使舌苔舌质分离。所提方法可以很好地实现舌苔舌质分离,为中医舌诊客观化的研究提供了新的方法和思路,具有一定的实用价值。     

基于图像的地铁车站施工人员不安全行为识别研究

为了解决人工监测不能实时看护和及时管理地铁车站施工人员的不安全行为等问题,构建了基于KNN,MLP和LSTM模型的不安全行为识别神经网络模型。首先,通过行为理论研究和现场调查分析,对地铁车站施工不安全行为进行了分类;其次,通过实验构建人体数据集,基于人体骨骼关节点提取不安全行为特征,并进行模型训练;最后,基于MobileNet V1的SSD目标检测算法对施工人员进行定位和追踪,结合射线法判断目标是否跨越不安全区域并发出警报,搭建神经网络模型对施工人员的不安全行为进行识别,并获得计算识别率。结果表明：传统机器学习算法KNN总体准确率为93.45%,优化后的MLP和LSTM两种神经网络模型总体准确率分别达到93.94%和93.68%,相对KNN算法分别提高了0.49%和0.23%。因此所提模型能有效识别施工人员不安全行为,可为地铁施工安全智能识别技术应用提供参考。     

Beauty in the Eye of the Home‐Owner: Aesthetic Zoning and Residential Property Values

This article empirically confirms one core motivation for architectural zoning: Shape homogeneity among neighboring homes increases the value of residential buildings. Drawing on large‐scale shape and transaction data, this study first develops a data‐driven measure of architectural similarity, condensing three‐dimensional shapes to univariate shape distributions. These algorithm‐based similarity estimates are good predictors of human perceptions of shape similarity and are linked to property attributes and transaction prices. For the city of Rotterdam, a price premium of approximately 3.5% is estimated for row houses within very homogeneous ensembles over buildings facing heterogeneous neighbors.     

基于PSO的信息熵数据融合非均匀分簇路由算法

针对无线传感器网络分簇算法中能量分布不均衡导致的"热区"和簇头负载过重问题,提出了一种基于PSO算法优化簇头选举的非均匀分簇算法。在候选簇头选举和竞争半径计算过程中综合考虑节点动态能量、节点密度和节点距基站距离,将网络进行非均匀分簇,并引入PSO算法进行最终簇头选举。根据节点能量、节点密度和距基站距离确定簇间单跳多跳结合的路由规则,选取代价函数小的节点作为下一跳节点。基于节点信息熵确定融合阈值,进行簇内数据融合剔除冗余数据。仿真结果表明,改进算法的数据传输量比EEUC算法和UCRA算法分别提高了20%和10%,提升了数据的融合效率,有效延长了网络生命周期,簇头能量消耗得到均衡,减少了网络能量消耗,网络的整体性能显著优于其他对比算法。     

An association clustering algorithm for can-order policies in the joint replenishment problem

Many studies have shown that the total cost of employing joint replenishment for correlated items is less than the total cost of using single-item replenishment. Savings increase dramatically when the demand between items is closely related. Although the benefits of joint replenishment are significant, it is difficult to define the demand correlation among items, especially when the number of items increases. A large number of items reduces the efficiency and advantage of the multi-item inventory control. To overcome this difficulty, an association clustering algorithm this paper proposes to evaluate the correlated demands among items. The proposed algorithm utilizes the “support” concept in association rule analysis to measure the similarity among items. Based on these measurements a clustering method is developed to group items with close demand in a hierarchal way. The can-order policy is then applied to the optimal clustering result as decided by the proposed performance index. To illustrate the benefits of the proposed association clustering algorithm for replenishment systems, a set of simulations and a sensitivity analysis is conducted. The results of the experiments show that the proposed method outperforms several replenishment models.     

产业结构、对外贸易与碳排放——基于长三角地区41个地级市的实证分析

本文选取长江三角洲41个地级市作为研究对象,基于近20年的面板数据,将产业结构、对外贸易和碳排放结合在一起,分析长三角地区碳排放空间特征,采用空间邻接权重矩阵、地理距离矩阵和经济距离矩阵结合空间杜宾模型探究产业结构、对外贸易与碳排放的联系。研究发现:(1)长三角地区碳排放量存在显著的正空间相关性;(2)从直接效应来看,产业结构高级化和产业结构合理化会抑制本地区碳排放量的增长,但会增加邻近地区的碳排放量;(3)对外开放水平的提高会增加本地区和邻近地区的碳排放量。     

基于多信息融合的DGPMIF致病基因关联预测方法

为了解决利用单一生物数据无法揭示复杂的生物过程和疾病机制的问题,提出了一种多信息融合的DGPMIF致病基因预测方法。首先,构建一个具有疾病-表型、疾病-基因、蛋白质-蛋白质和基因-本体关联的异构网络,利用网络嵌入算法提取该异构网络中节点的低维向量表示,同时结合网络拓扑算法提取网络结构特征。其次,利用余弦相似性算法衡量节点向量的相似性,预测疾病与基因之间的关系。最后,通过对特定疾病的案例进行研究,并与经典致病基因预测方法进行对比,验证DGPMIF方法的有效性。结果表明：不同类型的关联数据对增强致病基因预测性能具有重要作用;经过多层次信息融合,提高了致病基因预测的预测性能。DGPMIF预测方法能够高效挖掘网络中蕴含的信息,对相关疾病基因关联的预测研究具有重要的参考价值。     

Text matching to measure patent similarity

Research Summary : We propose using text matching to measure the technological similarity between patents. Technology experts from different fields validate the new similarity measure and its improvement on measures based on the United States Patent Classification System, and identify its limitations. As an application, we replicate prior findings on the localization of knowledge spillovers by constructing a case–control group of text‐matched patents. We also provide open access to the code and data to calculate the similarity between any two utility patents granted by the United States Patent and Trademark Office between 1976 and 2013, or between any two patent portfolios. Managerial Summary : We propose using text matching to measure the technological similarity between patents. The method can be used by various practitioners such as inventors, attorneys, patent examiners, and managers to search for closely related prior art, to assess the novelty of a patent, to identify R&D opportunities in less crowded areas, to detect in‐ or out‐licensing opportunities, to map companies in technology space, and to find acquisition targets. We use an expert panel to validate the improvement of the new similarity measure on measures based on the United States Patent Classification System, and provide open access to the code and data to calculate the similarity between any two utility patents granted by the USPTO between 1976 and 2013, or between any two patent portfolios.     

浅谈基于粗集理论的文本归类系统

文本归类是处理大量文本数据自动分类的重要技术。基于粗集理论建立的林业文本信息归类系统,是在已知类别的训练集的基础上,通过分析训练数据样本,建立决策表产生区分矩阵构造出区分函数,并化简它,得到最小属性约简,最后应用Apriori算法产生最终分类的规则表,利用产生的规则表,可将林业文本信息数据进行自动归类。     

基于持续到达信号强度的辐射源定位方法

为了提高辐射源的定位精度，提出了一种基于持续到达信号强度的定位方法。通过在特定区域内随机分布5个以上观测点，在其观测点持续监测信号源频率的电磁波信号强度，根据监测到的每个观测点的信号强度和持续时间，以及电磁波在自由空间中传输的距离与损耗的关系，采用多元线性回归的方法推算出辐射源的三维坐标完成辐射源定位。结果表明，观测点位置误差和各观测点监测时间误差是降低发现目标的成功率和精度的主要因素；观测点的测量误差对定位成功率和定位精度的影响较小；增加监测点数量可明显提高定位成功率和定位精度，但会增加成本；增加持续监测的时间可在监测点数量较少的情况下，有效抵消位置误差、时间误差对定位成功率和定位精度产生的影响，达到比增加测点数更好的效果。所提辐射源定位方法可在不增加硬件成本的基础上，以降低实时性为代价，大幅度提高定位成功率和定位精度，可适用于对实时性要求较低的电磁辐射源定位场景。