摘要：真实数据集中往往包含分类属性和数值属性,其中分类属性可分为有序属性和标称属性,同时具有分类属性和数值属性的数据集可称为异构属性数据。针对现有异构属性数据距离度量不区分分类属性中的有序属性导致信息缺失、聚类效果不理想这一问题,提出了一种基于新的距离度量的异构属性数据子空间聚类算法。首先,总结了现有的异构属性数据距离度量的思路和区分有序属性的解决方案;其次,利用不同属性的数据特征分别定义了有序属性、标称属性和数值属性下的属性值之间的距离公式;再次,利用簇间差异和簇内距离这2个因素分别给出了不同属性在聚类过程中的动态加权方案;最后,联立距离公式和加权机制得到了可适用于异构属性数据的距离度量,进而设计了一种基于新的距离度量的异构属性数据子空间聚类算法。由于该算法既统一了异构属性数据的距离度量又能在子空间中进行簇搜索,因此该算法能在异构属性数据集上取得良好的聚类效果,在11个真实数据集上的对比实验结果验证了此算法的有效性。

摘要：针对传统的基于距离的离群点检测方法不能有效地处理具有离散型属性数据集的问题,将基于距离的离群点检测方法引入粗糙集理论,利用粗糙集解决离散型属性的处理问题.首先,在粗糙集的框架中提出3种面向离散型属性的距离度量;然后,针对这3种距离度量分别设计出相应的离群点检测算法,用于从包含离散型属性的数据集中检测离群点;最后,通过在2个包含离散型属性的UCI数据集上的实验,验证了这些算法的可行性和有效性.

摘要：该文着重研究了一种新的距离度量在以卷积码为分量码、MQAM调制的MLC/PDL系统中的应用。在Rayleigg衰落信道下通过计算机仿真,验证了此度量的有效性,并得到在此度量下设计多级码的准则。

摘要：为进一步提高火电机组在自动发电控制(automatic generation control,AGC)模式下的负荷调节质量,同时保证机组本身运行的稳定性,设计了基于多模型预测控制的协调控制策略.针对传统多模型预测控制存在的子模型优选和多模型预测控制算法计算量大的问题,利用距离度量理论指导子模型集构建,建立被控对象在不同工况处的离线加权规则表,通过性能指标函数的加权融合实现各子控制器间的软切换,降低多模型预测控制算法计算负荷.工程应用表明:所提算法可显著提高机组负荷调节性能及机组运行稳定性.

摘要：从一元时间序列和多元时间序列两个方面对当前提出的主要时间序列距离度量方法进行了述评。深入分析了各种算法的原理和特点,比较了算法对时间序列形变的支持情况以及时间复杂度。从客观上讲,各种算法之间并不具有绝对的优劣关系,每种算法的原理和特点各异,适用的问题领域也不一样。对于工程应用中选择时间序列距离度量方法具有指导意义,同时对于设计新的距离度量方法也具有参考价值。

摘要：确定、或选择某种距离度量是模式识别、机器学习和聚类分析的基本问题.图像欧氏距离和广义欧氏距离是重要的两种距离度量,它们可以嵌入到大多数识别算法中去,并且在大量应用中都提升了识别效率.文中揭示了包括IMED和GED在内的一类距离度量与线性平移不变系统的关系.证明了以下结论:输入空间上的平移不变度量等价于对输入信号进行线性滤波再计算传统欧氏度量.这一结果扩展了对距离度量的认识,将在距离度量的选择上起到一定的作用.

摘要：传统的实体识别中,往往是利用字符串相似性函数来计算元组对在每个属性值上的相似度从而来判断其总的相似性(例如,元组对的相似性等于每个属性值上的相似度的加权求和)。然而这一类相似性测度不能够反映属性值内部不同的词在元组对相似性计算中的不同重要性。由于不能区分哪些词对元组对匹配更重要,就导致仍然存在某些匹配的元组相似性不高,而不匹配的元组相似性高的情况,故很难将匹配元组对和不匹配元组对有效区分开。为了解决这个问题,提出了以词为特征的距离度量函数,设计了基于词特征的距离度量学习算法,和基于距离度量的实体识别算法。扩展性实验对所提出的算法的有效性进行了验证。

摘要：针对传统有监督学习忽略了磁共振影像数据(magnetic resonance imaging, MRI)由于个体差异和不同站点等原因导致的特征分布不一致这一域偏移问题,本文提出了一种多尺度域适应网络模型应用于阿尔茨海默症(Alzheimer disease,AD)的辅助诊断。首先在三维卷积神经网络中设计空洞空间金字塔模块进行特征的多尺度信息提取融合,并加入注意力一致性损失来保留域间转移的语义信息;然后协同训练两个域判别器和特征提取器进行对抗学习实现源域和目标域的特征对齐,并加入权重差异损失防止域判别器过拟合;最后,在对抗训练中引入基于最大密度差异的距离度量方法,增强两个域数据的特征对齐。实验结果表明,本文方法在面临域偏移的MRI数据上具有更好的识别精度和鲁棒性。

摘要：传统的粒子群优化算法(Particle Swarm Optimization,PSO)在更新粒子的速度时忽略了各粒子间的差异,在一次迭代中,各粒子采用相同的惯性权值来更新粒子的速度。为了体现各粒子的差异,提出了一种基于距离度量的自适应模糊粒子群优化算法(Distance-based Adaptive Fuzzy Particle Swarm Optimization,DAFPSO)。DAFPSO根据各粒子与最优粒子的差异,设计了相应的隶属函数来自适应地调整粒子的惯性权值。通过基准测试函数对算法进行了实验,从而验证了DAFPSO算法的有效性。

摘要：住宅的生活便利度指数指住宅居民在一定范围内可利用的设施种类与数量,是城市宜居度的重要指标.兴趣点(point of interest, POI)数据是一组包含物理实体属性的地理坐标点,具有数据种类详尽、粒度精细、范围广和时效性强的优点.基于高德POI数据,对北京市城区住宅的生活便利度指数进行研究,提出面向地铁出行的各向异性距离度量方法,根据构建的生活便利度指数指标体系将住宅分为优质、良好、中等和待改进4个等级.各等级住宅在城区中的空间分布结果表明,考虑地铁出行后,对住宅的生活便利度指数度量更为合理.