为解决一些决策树受到数据噪声等因素的影响,导致它们对随机森林聚类产生有限甚至负面贡献这一问题,提出一种基于聚类集成选择的随机森林聚类方法(random forest clustering method based on cluster ensemble selection,RFCCES)。将每...为解决一些决策树受到数据噪声等因素的影响,导致它们对随机森林聚类产生有限甚至负面贡献这一问题,提出一种基于聚类集成选择的随机森林聚类方法(random forest clustering method based on cluster ensemble selection,RFCCES)。将每一棵决策树视为一个基聚类器,根据基聚类器集合的稳定和不稳定性设计两种不同的聚类集成选择方法,将评估单个决策树对随机森林的增益问题,转化为基聚类器对最终的聚类集成结果的增益问题。该算法与5种对比方法在10个数据集上进行比较,实验结果验证了RFCCES的独特优势和整体有效性。展开更多
在现有的图聚类方法中,大多数聚类方法只关注图的拓扑结构或节点属性而忽略另一方面.为解决这一问题,相关文献中提出了基于图的结构与属性的图聚类方法.但这些聚类方法存在建立的图模型不准确、聚类效果不理想、算法执行效率低等缺点....在现有的图聚类方法中,大多数聚类方法只关注图的拓扑结构或节点属性而忽略另一方面.为解决这一问题,相关文献中提出了基于图的结构与属性的图聚类方法.但这些聚类方法存在建立的图模型不准确、聚类效果不理想、算法执行效率低等缺点.针对上述图聚类方法中存在的问题,提出了一种基于结构-属性的时空对象图聚类方法(spatio-temporal object graph clustering algorithm based on structure and attribute,STSA).首先提出了属性加权图模型,在此基础上建立了结构-属性的统一度量方法,并采用随机游走模型技术将节点间结构与属性关系转换为相应的相似度矩阵,结合图结构-属性关系及相似度矩阵,采用信息传递算法对图进行聚类,解决了现有图聚类方法中所存在的问题,最后通过实验验证了提出的STSA方法的正确性和有效性.展开更多
为解决基于协作多输入多输出(Multi-input multi-output,MIMO)的同构无线传感器网络(Wireless sensor net-works,WSN)能量节省与能耗均衡问题,建立了多跳分布式WSN系统模型.对协作MIMO通信中的簇间长传输距离与簇内短传输距离进行了分析...为解决基于协作多输入多输出(Multi-input multi-output,MIMO)的同构无线传感器网络(Wireless sensor net-works,WSN)能量节省与能耗均衡问题,建立了多跳分布式WSN系统模型.对协作MIMO通信中的簇间长传输距离与簇内短传输距离进行了分析,找到与传统单输入单输出(Single-input single-output,SISO)传输相比更节省能量的距离门限.根据分析提出了一种新的基于剩余能量与距离门限的动态分簇(Dynamic clustering based on remaining energy and distance thres holds,DCREDT)选择算法,在节省能量的前提下,使剩余能量较大的节点优先成为簇首,实现了簇首与其他节点之间的能耗均衡.最后分析了采用DCREDT选择算法进行多跳传输的总能耗,并仿真验证了该算法的合理性与有效性.展开更多
文摘为解决一些决策树受到数据噪声等因素的影响,导致它们对随机森林聚类产生有限甚至负面贡献这一问题,提出一种基于聚类集成选择的随机森林聚类方法(random forest clustering method based on cluster ensemble selection,RFCCES)。将每一棵决策树视为一个基聚类器,根据基聚类器集合的稳定和不稳定性设计两种不同的聚类集成选择方法,将评估单个决策树对随机森林的增益问题,转化为基聚类器对最终的聚类集成结果的增益问题。该算法与5种对比方法在10个数据集上进行比较,实验结果验证了RFCCES的独特优势和整体有效性。
文摘在现有的图聚类方法中,大多数聚类方法只关注图的拓扑结构或节点属性而忽略另一方面.为解决这一问题,相关文献中提出了基于图的结构与属性的图聚类方法.但这些聚类方法存在建立的图模型不准确、聚类效果不理想、算法执行效率低等缺点.针对上述图聚类方法中存在的问题,提出了一种基于结构-属性的时空对象图聚类方法(spatio-temporal object graph clustering algorithm based on structure and attribute,STSA).首先提出了属性加权图模型,在此基础上建立了结构-属性的统一度量方法,并采用随机游走模型技术将节点间结构与属性关系转换为相应的相似度矩阵,结合图结构-属性关系及相似度矩阵,采用信息传递算法对图进行聚类,解决了现有图聚类方法中所存在的问题,最后通过实验验证了提出的STSA方法的正确性和有效性.
文摘为解决基于协作多输入多输出(Multi-input multi-output,MIMO)的同构无线传感器网络(Wireless sensor net-works,WSN)能量节省与能耗均衡问题,建立了多跳分布式WSN系统模型.对协作MIMO通信中的簇间长传输距离与簇内短传输距离进行了分析,找到与传统单输入单输出(Single-input single-output,SISO)传输相比更节省能量的距离门限.根据分析提出了一种新的基于剩余能量与距离门限的动态分簇(Dynamic clustering based on remaining energy and distance thres holds,DCREDT)选择算法,在节省能量的前提下,使剩余能量较大的节点优先成为簇首,实现了簇首与其他节点之间的能耗均衡.最后分析了采用DCREDT选择算法进行多跳传输的总能耗,并仿真验证了该算法的合理性与有效性.
