摘要：联邦学习通过分布式机器学习训练出一种全局模型,该模型能够泛化所有的本地用户数据,以达到保护用户数据隐私的目的。由于用户间的行为、环境等不同,造成了数据异构问题,进而使得用户局部模型的性能往往远高于全局模型。针对上述问题,该文提出了一种基于用户层次聚类的联邦学习方法。设计了一种联邦学习收敛评估的方法,用于判断全局模型收敛程度;当全局模型收敛时进行聚类用户操作,能够更加准确地找出相似程度较高的用户;通过余弦相似性的层次聚类方法,将具有相似性的用户进行聚类操作,从而减少因数据异构带来的影响。此外该文还采用较大深度的模型WideResNet提高用户本地训练精度。该文采用数据集EMNIST、CIFAR10,调整用户数据之间的角度,分别进行了两类用户和三类用户的聚类联邦学习实验。实验结果显示,与相关经典联邦学习算法FedAvg相比,采用聚类策略后,其训练准确度提高约10%。

摘要：为深入挖掘录波波形在配电终端健康状态评估中的作用,提出了一种基于层次聚类与层次分析相结合的配电终端健康状态评估方法。通过动态时间规整(Dynamic Time Warping,DTW)算法计算源信号波形与终端录波波形的距离。将各指标对终端采样的影响两两比较,构建比较矩阵,进行层次分析,计算各指标权重。将权重与各指标下的聚类结果相结合,提出适用于终端采样波形全局对比的评估体系。通过计算源信号波形与终端采样波形之间的相似度,与评估体系比较判定终端的健康状态,实验证明该方法能为配电终端的健康状态评估提供数据支撑。

摘要：以贵州省88个县区为研究对象,选取13个农田灌溉发展特征作为相似指标,结合主成分分析和层次聚类方法对各县区农田灌溉发展进行分类,并按类进行空间分布现状分析。结果表明,贵州省可划分为5类相似性地区,农田灌溉发展空间分布规律明显。贵州省水土资源空间分布不均,耕地灌溉率较全国平均水平(51%)低,水土资源利用程度空间分布不均衡,农业产出地区差异明显。从西部至东部地区,耕地面积中旱地比例减小,水田比例增大,耕地灌溉率上升;农作物种植结构中经济作物的比例减小、粮食作物的比例增大,粮食总产量增多。结合各类地区灌溉特点,应从合理规划农田灌溉工程、优化农作物种植结构、推进灌区现代化管理等方面制定适宜的农业现代化建设方向和发展模式。

摘要：高信噪比、高保真度和高分辨率地震数据是获得地下结构清晰成像的前提。在地震数据采集过程中,不利地形、坏道等因素造成地震数据不满足采样定理,需重建以获得完备的地震数据。多道奇异谱分析法是一种常用的地震数据重建与去噪方法,其关键是对划分的每个数据块确定有效奇异值个数。该参数需根据不同的数据特征判定,但目前的人工选择方法需花费大量人力和计算资源。针对每个数据块,基于频率域多道奇异谱分析框架,分析奇异值的离散点曲线和谱的规律,提出层次聚类法自动识别有效信号对应的奇异值个数,提高地震数据去噪效果和重建质量。对经过块Hankel矩阵奇异值分解得到的奇异值序列,采用层次聚类法进行聚类,得到各频率的有效奇异值个数;再对有效频率内求取的奇异值个数求最大,获得数据块的有效奇异值个数;在阻尼多道奇异谱分析同时重建和去噪的框架下,进而提出一种改进的多道奇异谱分析(MSSA)方法以实现地震数据的同时重建和去噪。对模拟地震数据与实际地震资料进行测试,结果表明基于层次聚类的多道奇异谱分析法在同时重建和去噪方面具有优越性,能避免人工选择有效的奇异值个数,减小地震数据处理工作量,对大规模地震数据的重建与去噪具有现实意义。

摘要：针对大型玉米收获机械传统设计模式研发周期长,设计成本高等问题,采用分层次模块划分方法,对玉米收获机械进行功能划分,将总功能分解为一级功能、二级功能和功能载体,建立产品的功能主结构后,将整机划分为9个功能模块;基于功能-装配-能量接口关系,提出了部件层的模块划分原则,通过零部件之间的功能关系、装配关系、能量-接口关系建立加权模糊矩阵,将抽象的连接关系映射为具体化的关联矩阵,采用层次聚类算法求解关联矩阵,将9个功能模块细分为186个二级模块和645个子模块,从而实现了玉米收获机部件层零部件模块的精确划分。为实现该模块划分方法的工程应用,基于Qt Creator平台,开发大型玉米收获机械模块化快速设计系统,该系统可完成模块划分、模块管理和基于用户需求的模块配置等功能,从而实现大型玉米收获机械的快速设计。与传统玉米收获机械设计方法相比,应用模块划分方法可显著提升大型玉米收获机械设计效率,缩短整机产品的开发周期。

摘要：生物网络比对是研究生物进化过程的重要手段,不同物种间的比对不仅有助于理解物种的知识转移,同时也有助于进行功能预测和检测保守功能成分。然而,现有比对算法很难实现拓扑度量和生物度量同时最优。设计JAlign算法,将拓扑相似性与归一化序列相似性相结合构成目标函数,基于种子-扩展算法和模块检测进行全局比对。在种子筛选阶段,利用Jerarca聚类算法划分功能模块,借助目标函数计算模块间的相似性进行最优模块匹配,并从匹配结果中提取部分节点对作为种子节点。在扩展阶段,将比对从种子节点扩展至其邻居节点,在选择节点对进行扩展比对时综合考虑节点之间的连接关系、度差值、节点相似性等因素。在此基础上,为避免遗漏分散节点,找到剩余未匹配的节点构建二分图,以贪心方式进行最大加权二分图匹配,并将匹配结果合并到比对集合中,完成最终匹配。实验结果表明,JAlign算法能够实现拓扑度量和生物度量的良好平衡,其边正确性指标、诱导保守子结构得分、对称子结构得分和生物质量使用功能一致性指标均优于L-GRAAL、SPINAL和ModuleAlign算法,在时间效率上也具有优势。

摘要：多字典学习的图像超分辨率重建过程中常见的K均值聚类、高斯混合模型聚类等方法会导致图像的重建质量欠佳且不稳定,针对这一问题提出一种新的基于层次聚类的图像超分辨率重建算法;首先对样本图像块提取特征并进行层次聚类,经改进的主成分分析方法训练得到K个字典,然后将测试图像裁切成若干图像块,并分别自适应匹配最合适的字典进行图像块重建,最后对整幅图像进行优化,以实现全局重建。结果表明:所提算法具有较高的可行性,能有效改善图像的重建质量;与传统算法相比,所提算法重建图像的峰值信噪比和结构相似度均有所增大。

摘要：【目的】借鉴文献综合(Synthesis)的思想,利用人工智能技术构建科技文献结构化自动综合工具,以结构化的形式自动梳理文献集的研究脉络与研究骨架,揭示文献集的要点与看点。【方法】提出了一种基于语步识别的科技文献结构化自动综合工具的建设思路,即通过语步识别与研究问题、研究方法、研究进展短语抽取,自动揭示单篇文献中的关键知识内容;通过层次聚类与类簇标签生成,实现多篇文献的知识整理归纳;通过设计树形综合结构,指导结构化综合结果输出。【结果】研发了结构化自动综合工具,能够自动综合文献集内容,并按照“研究问题-研究方法-研究进展”的树形结构揭示文献集的研究脉络与骨架。【局限】由于聚类技术的限制,目前还存在聚类准确率不足、聚类簇个数难以确定等问题,影响了自动综合效果。【结论】基于语步识别技术,构建面向实际应用的结构化自动综合工具,支持文献检索、自动综合、结果循证等功能,验证了基于语步识别实现结构化自动综合思路的可行性和有效性。

摘要：大量长期的桥梁运营模态是进行结构整体性能评估的重要参数,为解决大量模态参数的自动识别和识别结果的可靠性评估问题,提出两阶段的层次聚类方法,并引入基于箱形图的异常值检测方法,自动识别稳定图的稳定轴,并剔除识别结果中虚假值,实现模态参数精确自动识别。首先,基于频率识别结果,采用层次聚类方法进行稳定图自动识别,得到频率稳定轴;然后,以振型MAC值为指标,对频率稳定轴数据再次进行层次聚类,得到频率和振型都稳定的识别结果;最后,引入箱形图统计方法,对识别的稳定轴内识别结果的各项物理指标进行统计,剔除异常值,最终得到准确的模态参数识别结果。将所提方法用于悬索桥实测数据,识别结果表明,提出的基于两阶的层次聚类段稳定图自动识别方法能够实现稳定轴自动识别;基于箱形图的异常检测方法能够基于数据本身特性,剔除稳定轴中的异常值,得到更准确的识别结果。

摘要：针对大学生就业问题,以层次聚类策略为技术支撑,架构出一种就业去向短期预测系统。根据待挖掘数据量,选取簇间距离度量标准,架构簇与子簇构成的层次聚类树,完成目标数据的聚类或分类处理。构建层次聚类算法模块中相关算法运行流程,结合预测系统用户与管理员的角色职责,设计多个系统数据库实体。建立各实体间关系的映射模型,基于此完成数据库表架构。实验阶段依据采集的某高校历届毕业生有关信息,通过对比该校学生就业去向的预测结果与实际结果,结合精确率与召回率指标数值可以看出,所建系统预测准确度较高,能满足学生就业去向短期预测的应用需求。