-
题名基于数字图像的沥青混合料离散元几何建模方法
被引量：12
- 1
-
-
作者
周基
田琼
芮勇勤
英红
-
机构
长沙理工大学道路灾变防治及交通安全教育部工程研究中心
湖南科技学院土木工程学院
湖南大学土木工程学院
桂林电子科技大学
-
出处
《土木建筑与环境工程》
CSCD
北大核心
2012年第1期136-140,共5页
-
基金
国家自然科学基金重点项目(51034005)
道路灾变防消及交通安全教育部工程研究中心开放基金项目(kfj080305)
-
文摘
沥青混合料的性能与其细观结构密切相关,离散元方法在解决沥青混合料这种复杂、多相、不连续介质材料的细观问题时,具有很大优势。针对以往沥青混合料离散元建模不能较好模拟集料颗粒形状的问题,结合数字图像处理技术,提出了一种新的沥青混合料离散元几何建模方法,主要有3个步骤:1)使用特征聚类方法,将沥青混合料切片图像中的集料与沥青砂浆分离;2)并利用链码边界跟踪和线段表算法将分离的集料区域填充为离散元中的"聚粒";3)用离散元的圆盘单元填充沥青胶砂区域,实现沥青混合料切片图像的二维离散元几何建模。利用该模型,较好地模拟了沥青混合料在贯入荷载作用下变形的动态过程。
-
关键词
道路工程
沥青混合料
离散元
数字图像
聚粒
-
Keywords
road engineering
HMA
DEM
digital imaging processing
clump
-
分类号
U414
[交通运输工程—道路与铁道工程]
-
-
题名基于聚类粒化的社团发现算法
被引量：7
- 2
-
-
作者
赵姝
柯望
陈洁
张燕平
-
机构
安徽大学计算机科学与技术学院
智能计算与信号处理教育部重点实验室(安徽大学)
-
出处
《计算机应用》
CSCD
北大核心
2014年第10期2812-2815,2830,共5页
-
基金
国家自然科学基金资助项目(61175046)
安徽省高等学校省级自然科学研究项目(KJ2013A016)
-
文摘
为了实现复杂网络社团发现算法的复杂度和精确度间的均衡,提出一种基于聚类粒化的社团发现算法(CGCDA),将网络粒化获得的粒子视为一个社团,粒化结果即为对网络的社团划分。首先,将网络中的每个节点视为基本粒,通过初始粒化操作实现对网络的粒化;然后,针对获得的粒化集合中满足粒化系数的粒子进行聚类粒化操作,分层粒化直到不存在满足要求的粒子对;最后,将粒子对中的重叠节点视为孤立点,用邻居节点投票法把孤立节点归并到相应的粒子中,实现对复杂网络的社团划分。实验实现了Newman快速算法(NFA)、标号传播算法(LPA)和CGCDA。实验结果表明,CGCDA在四个基准数据集上可获得平均高于LPA 7.6%的模块度和低于NFA 96%的时间。CGCDA时间复杂度较低,获取的社团模块度较高,实现了社团发现时间和精确度的均衡,相比NFA、LPA总体性能更优。
-
关键词
复杂网络
社团发现
粒化系数
聚类粒化
-
Keywords
complex network
community detection
granulation coefficient
clustering granulation
-
分类号
TP301
[自动化与计算机技术—计算机系统结构]
-
-
题名基于聚类粒化信息指数的非单调属性约简算法
- 3
-
-
作者
李艳
范斌
吴晓雪
-
机构
北京师范大学应用数学与交叉科学研究中心
河北大学数学与信息科学学院
-
出处
《昆明理工大学学报（自然科学版）》
北大核心
2023年第3期72-84,共13页
-
基金
国家自然科学基金项目(61976141)。
-
文摘
粗糙集框架下连续值数据属性约简主要基于模糊粗糙集和邻域粗糙集方法,计算代价较高.为提高约简效率,基于聚类和信息熵理论提出了聚类粒化信息指数和聚类互信息等概念,理论上证明了聚类互信息具有非单调性,在此基础上设计了相应的属性约简算法.此算法通过改变数据粒化方式,结合更易计算的聚类粒化信息指数,简化了获取属性约简的计算过程,从而提高了连续值数据属性约简的效率.同时,所提评估函数的非单调性使得此算法能够选择出优于原始数据集分类性能的约简结果.在17个数据集上的实验结果表明,与已有代表性模糊粗糙集和邻域粗糙集约简算法比较,基于聚类粒化信息指数的非单调属性约简算法能够在保持甚至提高分类精度的前提下快速获得属性约简结果,且在多数数据集上具有更高的约简率.
-
关键词
连续值数据
属性约简
聚类粒化
非单调性
约简效率
-
Keywords
continuous data
attribute reduction
clustering granulation
non-monotonicity
reduction efficiency
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于聚类粒化和簇间散度的属性约简算法
被引量：1
- 4
-
-
作者
李艳
范斌
郭劼
-
机构
河北大学数学与信息科学学院
河北省机器学习与计算智能重点实验室(河北大学)
北京师范大学珠海校区应用数学与交叉科学研究中心
-
出处
《计算机应用》
CSCD
北大核心
2022年第9期2701-2712,共12页
-
基金
国家自然科学基金资助项目(61976141)。
-
文摘
属性约简是粗糙集理论中的研究热点,对连续值数据进行属性约简的算法大多基于优势关系或邻域关系。然而连续值数据集的属性不一定具有优势关系;而基于邻域关系的属性约简算法虽然可以通过邻域半径调整粒化程度,不过由于各属性量纲不同且半径参数为连续值使半径难以统一,导致整个参数粒化过程计算量较大。为解决此问题,提出一种基于聚类粒化的多粒度属性约简策略。首先,利用聚类方法将相似样本归类,并提出了基于聚类的近似集、相对正域及正域约简概念;其次,根据JS(Jensen-Shannon)散度理论对簇间各属性数据分布进行差异性度量,并选择出具有代表性的特征用以区分不同类簇;最后,利用可辨识矩阵设计了属性约简算法。所提算法不要求属性具有序关系,且不同于邻域半径,聚类参数为离散值,调节此参数就能够对数据集形成不同粒化程度的划分。在UCI与Kent Ridge数据集上进行的实验结果表明,该属性约简算法可以直接处理连续值数据,且该算法在较小范围内离散地调节聚类参数便能在保持甚至提高分类精度的前提下去除数据集中的冗余特征。
-
关键词
连续值数据
粗糙集
属性约简
聚类粒化
Jensen-Shannon散度
-
Keywords
continuous data
rough set
attribute reduction
cluster granulation
Jensen-Shannon divergence
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
