-
题名半监督二次划分聚类算法及其报表系统应用
被引量：3
- 1
-
-
作者
赵立永
赵冲冲
时鹏
胡长军
-
机构
北京科技大学信息工程学院
-
出处
《小型微型计算机系统》
CSCD
北大核心
2011年第3期499-505,共7页
-
基金
国家"八六三"高技术研究发展计划基金项目(2008AA01Z109)资助
-
文摘
在基于B/S结构的Web报表系统中,报表单元格之间往往存在着复杂的依赖关系,某一单元格的求值过程会进行大量的涉及到其它单元格的公式计算,而在多用户访问的情况下,这种计算开销更为可观,导致服务器负载过重,响应速度变慢.优化报表的计算任务,可以有效减少计算量和减轻服务器端负载.为此本文提出一种半监督二次划分聚类算法,在单元格聚类的基础上,以报表单元格为顶点,以单元格之间的引用关系为有向边建立有向最大无环子图,然后通过协同计算各有向最大无环子图的拓扑序列,从而获得较优的计算顺序,达到提高Web报表计算效率,减轻服务器负载的目的.通过该算法与常规算法的对比试验,验证了其能有效降低计算量,提高系统响应速度.该算法已经成功应用于实际的Web报表系统中,表现出良好的实用性.
-
关键词
半监督二次划分聚类算法
WEB报表
有向无环图
依赖关系
拓扑排序
报表单元格
-
Keywords
semi-supervised quadratic partitional clustering algorithm
Web spreadsheet
directed acyclic graph
dependency relation-ship
topological so^ing
spreadsheet cell
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
-
题名基于分裂层次半监督谱聚类算法的风电场机群划分方法
被引量：18
- 2
-
-
作者
林俐
潘险险
-
机构
华北电力大学新能源电力系统国家重点实验室
-
出处
《电力自动化设备》
EI
CSCD
北大核心
2015年第2期8-14,共7页
-
基金
国家自然科学基金重大项目(51190103)
国家科技支撑计划项目(2013BAA02B01)~~
-
文摘
在谱聚类技术的基础上,面向风电场动态等值建模,提出一种基于分裂层次半监督谱聚类算法的风电场机群划分方法。首先根据风电机组的实测运行数据,构造一个可以体现原始数据结构且能为分类提供更多有效信息的特征向量矩阵Y。进而利用获取的部分样本组的先验信息,采用自顶向下的簇分裂策略,对Y中的样本组进行半监督聚类划分,得到风电机组的机群划分结果 ,采用容量加权法计算各机群等值风电机组的参数,建立风电场的动态等值模型。以某实际风电场为例进行仿真验证,结果表明,采用所提方法建立的动态等值模型与详细模型较接近,能够较准确地反映风电场的动态响应特性。
-
关键词
分裂层次
半监督
谱聚类
风电场
机群划分
聚类算法
动态等值
-
Keywords
split hierarchy
semi-supervision
spectral clustering
wind farms
wind turbine grouping
clustering algorithms
dynamic equivalence
-
分类号
TM614
[电气工程—电力系统及自动化]
-
-
题名运用区间二型模糊集的半监督模糊聚类算法
被引量：1
- 3
-
-
作者
杨昔阳
陈豪
张诗晴
-
机构
福建省大数据管理新技术与知识工程重点实验室(泉州师范学院)
智能计算与信息处理福建省高等学校重点实验室(泉州师范学院)
福建省金融信息处理重点实验室(莆田学院)
-
出处
《泉州师范学院学报》
2023年第2期1-8,共8页
-
基金
福建省自然科学基金(2021J01001)
泉州市科技局资助项目(2021N042)
+1 种基金
福建省金融信息处理重点实验室(莆田学院)开放课题(JXC202205)
国家大学生创新创业训练项目(202210399013)。
-
文摘
将区间二型模糊集引入半监督聚类,提出一种运用区间二型模糊集的半监督聚类算法.该算法以区间二型模糊集为隶属度,将已标识样本的类别标签融入目标函数,使得聚类算法可以在已标识样本类别信息的引导下,得到合理的隶属度.实验表明,相比其他聚类模型,结合半监督机制和区间二型模糊集的聚类算法具有更好的聚类性能.
-
关键词
半监督聚类算法
区间二型模糊集
模糊聚类
半监督机制
-
Keywords
partial supervised clustering
interval type-2 fuzzy sets
fuzzy clustering
partial supervised mechanism
-
分类号
TP311.13
[自动化与计算机技术—计算机软件与理论]
-
-
题名复杂分布数据的半监督阶段聚类
被引量：1
- 4
-
-
作者
张俊溪
吴晓军
蒋江红
-
机构
西安航空学院车辆工程学院
西北工业大学自动化学院
陕西师范大学计算机科学学院
-
出处
《计算机科学与探索》
CSCD
北大核心
2016年第7期1003-1009,共7页
-
基金
陕西省自然科学基金 No.2014JM8353~~
-
文摘
半监督聚类是一种用先验信息完善聚类过程的机器学习方法。通过将元胞自动机(cellular automata,CA)距离变换算法引入到半监督聚类过程中,采用平面距离变换算法将数据集划分为若干子类,获得聚类数和约束信息,并作为下一阶段聚类的先验信息。利用半监督K-means聚类算法对第一阶段的聚类结果做进一步划分,可以获得完整的聚类中心和聚类数,并由此提出CA-K-means二阶段聚类算法。采用3组人工数据集和3组标准UCI数据集进行对比仿真实验,将CA-K-means二阶段聚类算法与半监督K-means聚类算法、遗传Kmeans聚类算法和单纯的CA层次聚类算法进行对比,结果显示,该算法对复杂分布数据的聚类准确率较高,聚类性能更加优良。
-
关键词
元胞自动机
半监督聚类
K-MEANS聚类算法
CA-K-means二阶段聚类
复杂分布
-
Keywords
cellular automata
semi-supervised clustering algorithm
K-means clustering algorithm
CA-K-means two phases clustering algorithm
complex distribution
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
