摘要：轻量级分布式数据在分布上存在属性特征。在对该类数据的泄漏状态进行检测时,可能导致输出结果误差较大。因此,文章提出了基于深度学习算法与ap聚类的轻量级分布式数据泄露检测方法。结合数据簇不同区域meanshift模长的差异性,对分布式数据的局部中心量度进行了重新定义,并采用深度学习的方式将属于边缘区域的部分进行了剔除处理。同时,引入了ap聚类算法,将数据泄露检测问题转化为原始轻量级数据点初始连接能力计算和连接能力衰减状态计算的问题,从而根据聚类后数据簇内数据点之间的关系确定数据泄露状态。在测试结果中,设计检测方法的输出结果与实际设置值表现出较高的拟合度,对应的误差始终稳定在0.008以下,最小误差为0。

摘要：为克服基于无线局域网指纹定位算法中接收信号值波动和在线检测时计算量大的问题,提出一种基于奇异值检测和ap聚类的无线局域网指纹定位算法。分析Hampel滤波器和核概率密度估计在接收信号强度值中奇异值检测的不足,结合Hampel滤波器和核概率密度估计两种方法在奇异值检测中的优势,给出一种奇异值检测算法;利用ap聚类算法,对离线训练系统中的信号强度测量值进行聚类;通过ap聚类粗检测和基于加权k近邻算法的细检测评估得到用户位置,完成定位。对比传统方法,该定位算法能够提高定位的准确性,降低算法的计算复杂度。

摘要：特征选择是多标记学习中重要的预处理过程.针对现有多标记分类方法没有考虑标记占比对特征和标记相关性的影响,以及不能有效处理弱标记数据等问题,提出一种基于仿射传播(affinity propagation,ap)聚类和互信息的弱标记特征选择方法.首先,在ap聚类的基础上,结合剩余标记信息和样本相似性,构建概率填补公式,预测缺失标记值,有效补齐缺失标记;然后,使用先验概率定义标记占比,结合互信息构建相关性度量,评估特征与标记集之间的相关程度;最后,设计一种弱标记特征选择算法,有效提高弱标记数据的分类性能.在6个多标记数据集上进行仿真实验,结果表明,该算法在多个指标上获得了良好的分类性能,优于当前多种相关的多标记特征选择算法,有效验证了所提算法的有效性.

摘要：采用ap聚类算法进行复杂网络社团挖掘,提高了社团挖掘的精度,但在处理海量数据时算法速率明显下降,其中一个重要原因是单台计算机的计算性能无法满足海量数据的计算需求。为了提高社团挖掘ap聚类在处理海量数据时的速率,设计出一种在Hadoop框架下进行的社团挖掘的并行化ap聚类方法;将传统单机模式下的社团挖掘ap聚类算法在分布式平台上分布进行并行化。实验表明,社团挖掘的并行化ap聚类方法在社团挖掘精度不下降的情况下提高了海量数据的社团挖掘速率。

摘要：动力电池风冷系统仿真设计优化过程中存在“软件仿真+进化算法”的技术路线效率较低和难以被接受的问题,针对该问题提出一种基于适应度估计的动力电池冷却系统仿真优化加速方法。采用ap聚类将种群中出现的设计方案(个体)划分为多个子种群,通过软件仿真对子种群中代表性个体的适应度进行仿真计算,采取适应度估计来获取种群中非代表性个体的适应度。实验结果表明,该算法能有效地优化动力电池风冷系统的设计参数,大大缩短系统的优化时间。当目标函数设定为最高温度、平均温度时,比传统的“Fluent仿真+遗传算法”技术路线在取得相似优化结果的前提下,运行时间可减少70.5%。

摘要：旨在针对生猪养殖过程中,混合生猪音频特征难以提取及识别的问题,提出一种基于稀疏化理论的欠定生猪盲源信号分离方法。本研究选取4个月、150 kg左右,健康状况良好的长白母猪,将其不同状态下的叫声按照不同系数混合得到的音频信号作为观测信号,运用短时傅里叶变换(short-time Fourier transform,STFT)对音频信号做时频域转换,通过分组筛选出信号中的单源点,使用自适应阻尼系数的ap(affinity propagation)算法结合奇异值分解,将单源点聚类以估计混合矩阵,采用优化最小lp范数的方法完成音频信号的重构。设计2组试验,1组阐述试验的一般过程,另1组通过对比分析整个分离算法的性能,使用相似系数(similarity coefficient)、信噪比(signal to noise ratio,SNR)和均方误差(mean square error,MSE)衡量分离音频质量。结果表明:1)3个源信号与2个观测信号的欠定生猪盲源分离中,不同时长下分离出的音频信号与对应源信号的相似系数、信噪比和均方误差分别在0.67~0.92、7.9~9.7 dB和0.005~0.08之间,从波形上看,算法的分离性能与时间长短和试验次数无关,结果具有一定的稳定性。2)在源信号数与观测信号数分别为3和2、4和2、4和3、5和2、5和3、5和4时,重构信号与源信号的平均相似系数、信噪比和均方误差分别在0.785~0.957、7.468~10.347 dB和0.019~0.092之间,经过对比分析,本研究方法具有一定的可靠性。3)在源信号数一定时,观测信号数越多,测得的指标越好,分离出来的音频质量越优。综上所述,该方法能够较为有效地分离出混合猪声信号的各源信号分量,为实际环境中混合生猪音频的特征提取奠定了基础。

摘要：由Jeh和Widom提出的Sim Rank算法是一种普适"结构相似度"计算模型。由于Sim Rank算法采用迭代方式计算图节点间相似性,因此时间复杂度和空间复杂度都非常高。随着数据量的激增,单机运算能力不能满足大规模数据的计算要求。本文提出了基于Map Reduce计算模型的分布式Sim Rank算法,利用该算法对RDF图进行相似度度量,然后利用分布式的ap聚类算法对图节点进行聚类分析。实验结果表明,该方法能够高效的完成图节点的相似度度量,实现图的有效聚类。

摘要：为了自动挖掘新闻字幕中人名与新闻人脸图像之间的一一对应关系,提出基于多类SVM的新闻政要人物自动标识方法。首先,针对每个人名,找到相应的图像集;其次,将人脸检测算法应用于图像集,检测出所有的人脸图像。为了减少计算量及提高聚类的准确率,将人脸图像分成两组图像。对第一组人脸图像进行聚类,聚类中最大类的人脸图像作为该人名的初始训练样本,对于其他人名,使用相似的方法找到初始训练样本;为了改善训练样本的可靠性,通过迭代更新挑选训练样本并训练多类SVM。最后,将多类SVM用于分类第二组人脸图像,实现新闻政要人物的自动标识。在大约50万幅的雅虎新闻图像数据集上进行实验的结果表明,该方法有效地提高了现有方法的性能。