摘要：人脸识别易受到光照变化、遮挡等影响,降低了识别准确率,为此提出一种基于相对边缘方向幅值模式(relative patterns of oriented edge magnitudes,RPOEM)与尺度不变特征变换(scale-invariant feature transform,SIFT)的人脸识别算法。检测脸部的关键点,利用k-均值对这些特征点进行聚类;为消除光照变化的干扰,计算图像的相对梯度幅值,对其进行离散化分解与Gaussian滤波处理;采用局部二值模式编码生成RPOEM特征;引入加权因子,对RPOEM与SIFT特征进行加权组合;通过定义非一致度量来完成对人脸识别的共形预测。实验结果表明,与已有的人脸识别技术对比,所提算法具有更高的识别准确率,对多种复杂背景具有更强的鲁棒性。

摘要：聚类算法是数据挖掘中的一个重要研究领域,在所有的聚类算法中k-Means算法应用得最为广泛。针对k-Means算法容易陷入局部最优解的缺点,提出了基于免疫遗传的k-Means聚类算法来避免这个问题。理论分析和实验表明,该算法比传统的k-Means聚类有更好的效果。

摘要：针对k-means算法依赖于初始聚类中心和易陷入局部最优解的缺陷,提出一种改进的求解聚类问题的差分进化算法。将改进的差分进化算法与k-means迭代相结合,使算法对初始聚类中心的敏感性和陷入局部最优解的可能性降低。通过将反向学习技术引入到框架中来指导搜索新的空间,以增强算法的全局寻优能力。为了改善算法的计算效率,根据聚类问题编码的特点设计了一种整理算子来消除冗余以及调整差分进化算法的种群更新策略。最后,在迭代过程中不断引入随机个体以提高种群的多样性。与k-means和几种进化聚类算法进行比较,实验结果表明,该算法不仅能有效抑制早熟收敛,而且具有较强的稳定性和较好的聚类效果。

摘要：虚拟演播室中的模型需要实时运动,从而对组成模型的三角形数量有一定限制。设计了一种基于均值聚类的三维模型简化算法。该算法引入了衡量组成模型的每个顶点的权重因子,利用均值聚类算法对模型的顶点分类,通过统计组成模型三角形边长来调整分类结果,从而生成不同细节层次三角形数量可控的三维模型。实验结果表明,该算法能够在保持原模型轮廓的同时有效减少组成模型的顶点和面的数量,形成不同细节层次的模型,保证虚拟演播室中模型动画的流畅。

摘要：为了减轻用户负担,针对k-means算法的k值给定问题进行了研究,提出了一种k值自动获取方法。对所需要聚类的数据进行抽样,对抽样数据相互之间的间距进行计算,获得密度参数R,Z和簇划分参数r,m,h。在多次抽样数据得到的参数集中,选取一组最小的参数运用到动态k-means算法中,获得k值。在自动获取参数的基础上,通过实验对簇间属性相似数据获得了准确率较高的聚类结果。实验结果表明,该算法提高了k-means算法的自动化计算能力。

摘要：大数据环境下社交网络的社团结构研究对解决很多现实问题有着重要的意义。社团通常被看作是有相对紧密的内部连接和比较稀疏的外部连接的子图,重叠是社团结构的一个重要特征。论文基于G(n,p)模型,提出了一种生成包含重叠社团的合成网络的方法,然后基于k-均值和随机游走设计了一种重叠社团的检测算法,并在合成网络上初步验证了该方法的可行性。

摘要：无导师聚类过程中将数据集合分割成几个类是一个很难确定的问题,目前还没有较好的解决方法。文章使用粒子群优化算法应用于无导师聚类算法——k-均值的参数学习,实现了使用粒子群优化算法进行聚类中心参数的确定,旨在提供一种选择中心参数个数的方法,同时给出了适应于聚类参数学习的粒子群fitness函数算法设计。通过对UCI机器学习数据库中的7个数据库进行实验,证实此方法是比较有效的。

摘要：针对k-均值聚类方法可能受初始选定的聚类中心的影响而过早收敛于次优解的不足,给出了一种基于自适应遗传算法的聚类分析方法(AGAC)。对该自适应遗传算法的构成要素及用其解决聚类问题的一般步骤给出了阐述。用VS 2008编写了该算法的程序用来对数字进行聚类取得了较好的聚类结果。

摘要：本文介绍了一款新的SAS监测系统,系统在不添加任何设备的情况下,利用手机调用自行设计的手机软件采集用户的鼾声数据,并采用ftp协议,利用家庭无线网传输数据,最终将数据存储在PC机中,并将神经网络算法和语音识别技术加入到系统的核心算法中,用于识别语音和鼾声,结合SAS的病征实现对SAS病症的诊断.实践证明,本系统相对于传统的SAS监测系统,具有更高的病症判别率.

摘要：本体理论在知识工程领域得到广泛关注和普遍认可,构建完备且准确的领域本体已经越来越重要,同时,企业知识资源的更新与集成要求本体的不断进化与融合;针对目前本体构建与重构过程中数据处理效率低的问题,运用支持向量机分类及k-均值聚类的方法对本体构建数据进行处理,从文本数据中抽取关注的特定的信息,运用基于二叉树的多分类支持向量机以及支持向量机与k-均值融合的多样本聚类,总结基于分类与聚类的本体构建过程,并以离散型和连续型两种数据样本验证了方法的可行性;最后,在上述框架与理论研究的基础上,设计并开发了面向知识管理的本体工具平台,简单介绍系统的模块功能;实验结果表明,基于数据挖掘的本体构建与重构技术具有良好的应用效果。