摘要：为有效提高传统kNN算法(k最近邻算法)在海量数据的分类效率,分析传统kNN算法的分类过程,提出基于k-medoids聚类的改进kNN算法。利用k-medoids算法对文本训练集进行聚类,把文本训练集分成相似度较高的簇;根据待分类文本与簇的相对位置,对文本训练集进行裁剪,解决传统kNN算法在文本训练集过大时速度慢的问题。分析与实验结果表明,该裁剪方法能够合理有效地裁剪文本训练集,提高了kNN算法的运行效率和分类能力。

摘要：针对现有目标机动类型识别方法通用性不足、准确率较低等问题,提出基于改进k-medoids聚类的多层标签生成方法。以空中目标机动轨迹为例,设计多种数据预处理方法,采用动态时间规整作为聚类算法的距离度量,通过构建标签框架指导算法实施过程,进行迭代聚类以生成多层标签。在公开数据集上测试算法,实验结果表明,该方法在无监督情况下对第一层标签的识别准确率达到89.75%,接近传统有监督算法;同时,相对于没有引入标签框架的情况,能更有效地区分第二层模糊标签。该方法只需少量专家知识,便能简单地扩展到不同领域、不同机动类型。

摘要：各类精密实验室及半导体生产厂房都具有隔振设计,但周围仍可能出现一些超限振动,为找到经隔振设施后转变为微振动的干扰源,需对检测信号进行微振盲源分类与识别;因瞬态微振动信号低频、低幅值、持续时间短的特性,传统振动信号分析手段很难解决此问题,因此本文提出一种基于k-medoids分类的场地微振动振源识别方法。将长期监测数据通过预处理后进行端点检测算法截取瞬态微振动信号;对提取到的信号进行归一化梅尔滤波系数特征提取,构成特征矩阵;将特征矩阵进行基于动态时间归整距离的k-medoids算法聚类,并对场地周围包含的振源数进行估计;对各分类结果进行混合高斯模型建模,采集怀疑振源的数据,并由模型概率阈值判断识别,找出影响严重的干扰源。利用某场地24 h长期监测数据进行实验,成功找到该场地平均幅值最大和出现频次最高的两类干扰振源,分类正确率达到90.57%,识别率达到96.8%,证明了本文方法的有效性和准确性。

摘要：针对传统聚类算法中只注重数据间的距离关系而忽视数据全局性分布结构的问题,提出一种基于Ek-medoids聚类和邻域距离的特征选择方法。首先,用稀疏重构的方法计算数据样本之间的有效距离,构建基于有效距离的相似性矩阵;然后,将相似性矩阵应用到k-medoids聚类算法中,获取新的聚类中心,进而提出Ek-medoids聚类算法,可有效对原始数据集进行聚类;最后,根据划分结果所构成簇的邻域距离给出确定数据集中的属性重要度定义,应用启发式搜索方法设计一种Ek-medoids聚类和邻域距离的特征选择算法,降低了聚类算法的时间复杂度。实验结果表明,该算法不仅有效地提高了聚类结果的精度,而且也可选择出分类精度较高的特征子集。

摘要：平原农业乡村地区长期的农业生产对生态系统造成了持续广泛的影响,林地、湿地等生态斑块萎缩,自然过程受到干扰。乡村生态修复是提升农业生产系统可持续性的途径,由于农业生产对自然过程的依赖性强,在地性的生态特征和生态问题分析是提出适应性强的生态修复策略的前提。在识别区域自然过程分析和在地性生态问题识别的前提下,梳理遵循自然过程的平原生态农业区乡村生态修复逻辑,提出面向生态问题的平原农业区生态修复实践框架,并以典型的平原农业城市——辽宁省黑山县为例进行实践研究。基于对黑山县生态特征的认知,通过多尺度分割将研究区域划分为3969个具有相似特征的研究样本,采用k-medoids方法聚类为8类。进一步将黑山县分为6个生态修复单元,提出在地性修复策略,修复区域主导自然过程和林水生态微循环,增强平原农业乡村地区生态韧性。

摘要：针对无线传感器网络中能耗不均衡、生命周期较短的问题,提出一种能量高效的分簇路由协议(GAkMDCR)。采用遗传算法优化的k-medoids聚类方法对网络节点聚类分簇,综合考虑簇内节点的剩余能量、地理位置、担任过簇首的轮数等因素选举簇首,使簇首节点分布均匀,均衡网络能耗。在稳定阶段,将轮询控制机制引入簇内通信,提高网络吞吐量。仿真结果表明,GAkMDCR协议能够有效均衡网络能耗,提高网络吞吐量,延长网络生存期。

摘要：双频滤波器(Daul-band Filter)广泛应用于各类无线通信系统。采用k-medoids聚类算法对种群进行分类,对选择、交叉和变异等环节进行算法改进,在不预先确定滤波器结构的情况下,对滤波器的结构和元件参数进行全局优化,自动配置滤波器内部结构及其元件参数,不依赖先验数据而获得最优解。通过C程序实现算法,并在Matlab软件中计算结果,用ADS验证了设计结果,证明了该方法适用于工程应用。