题名 基于网格近邻优化的密度峰值聚类算法
被引量：1
1
作者
刘继 杨金瑞
机构
新疆财经大学统计与数据科学学院 新疆财经大学新疆社会经济统计与大数据应用研究中心
出处
《计算机应用研究》
CSCD
北大核心
2024年第4期1058-1063,共6页
基金
国家自然社科基金资助项目(72164034)。
文摘
密度峰值聚类(DPC)将数据样本点的局部密度和相对距离进行结合,能对任意形状数据集进行聚类处理,但密度峰值聚类算法存在主观选择截断距离、简单分配策略和较高时间复杂度等问题。为此,提出了一种基于网格近邻优化的密度峰值聚类算法(KG-DPC算法)。首先对数据空间进行网格化,减少了样本数据点之间距离的计算量;在计算局部密度时不仅考虑了网格自身的密度值,而且考虑了周围k个近邻的网格密度值,降低了主观选择截断距离对聚类结果的影响,提高了聚类准确率,设定网格密度阈值,保证了聚类结果的稳定性。通过实验结果表明,KG-DPC算法比DBSCAN、DPC和SDPC算法在聚类准确率上有很大提升,在聚类平均消耗时间上DPC、SNN-DPC和DPC-NN算法分别降低38%、44%和44%。在保证基本聚类准确率的基础上,KG-DPC算法在聚类效率上有特定优势。
关键词
密度峰值聚类 密度阈值 网格 近邻 优化
Keywords
density peak clustering density threshold grid nearest neighbor optimization
分类号
TP311.13
[自动化与计算机技术—计算机软件与理论]
题名 基于伪孪生网络双层优化的对比学习
被引量：3
2
作者
陈庆宇 季繁繁 袁晓彤
机构
南京信息工程大学自动化学院 南京信息工程大学数字取证教育部工程研究中心 南京信息工程大学江苏省大数据分析技术重点实验室 南京信息工程大学计算机学院
出处
《模式识别与人工智能》
EI
CSCD
北大核心
2022年第10期928-938,共11页
基金
科技创新2030-“新一代人工智能”重大项目(No.2018AAA0100400) 国家自然科学基金项目(No.U21B2049,61876090,61936005)资助。
文摘
目前,基于伪孪生网络的对比学习算法使用各种组件以获得最优学生网络,但忽略教师网络在下游任务中的表现,因此,文中提出基于伪孪生网络双层优化的对比学习,促进学生网络和教师网络相互学习,获得最优教师网络。双层优化策略包括基于近邻优化的学生网络优化策略和基于随机梯度下降的教师网络优化策略。基于近邻优化的学生网络优化策略让教师网络成为约束项,帮助学生网络更好地向教师网络学习。基于随机梯度下降的教师网络优化策略求解近似教师网络,梯度更新教师网络。在5个数据集上的实验表明,文中算法取得较高的k-NN(k=1)分类精度和线性分类精度,特别在批次大小较小时,优势较大。
关键词
对比学习 双层优化 学生网络 近邻 优化 教师网络 随机梯度下降
Keywords
Contrastive Learning Bilevel Optimization Student Network Nearest Neighbor Optimization Teacher Network Stochastic Gradient Descent
分类号
TP391
[自动化与计算机技术—计算机应用技术]
题名 一种基于近邻策略求TSP问题的改进演化算法
被引量：2
3
作者
何健 张宏军 王之腾 高宁 邢英
机构
解放军理工大学工程兵工程学院
出处
《计算机与现代化》
2012年第8期1-5,共5页
基金
国家自然科学基金资助项目(70971137)
文摘
针对贪心演化算法(GEA)在旅行商问题中存在的求解规模小、成功率低的缺点,引入Inver-over倒异算子、贪心算子,改进近邻优化、映射算子、变异算子等策略,提出一种新的改进演化算法来求解中等规模旅行商问题(TSP)。通过仿真实验,验证了该进化算法收敛速度快、求解成功率高的优点,稳定性也更好。
关键词
旅行商问题 演化算法 近邻 优化 贪心算子 映射算子
Keywords
traveling salesman problem evolutionary algorithm close neighbors optimization greedy operator mapping operator
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
题名 基于差分隐私保护和近邻优化的微博僵尸用户检测
4
作者
李明娟 朱焱 李春平
机构
西南交通大学信息科学与技术学院 清华大学软件学院
出处
《计算机应用与软件》
北大核心
2022年第5期54-59,共6页
基金
四川省科技计划项目(2019YFSY0032)。
文摘
僵尸用户导致的数据造假现象严重影响了微博的健康发展。针对采用基于密度的DPC算法进行僵尸用户检测时存在泄露正常用户隐私信息,以及在密度分布不均匀的微博数据中检测结果不理想的问题,提出一种基于差分隐私技术和近邻优化的僵尸用户检测方法。该方法将满足差分隐私的Laplace噪声添加至检测过程中,以实现基于隐私保护的僵尸用户检测。并通过引入反向k近邻的概念重新定义样本密度,从而更准确地反映样本点的局部信息,提高在非均匀分布的数据中僵尸用户检测的准确率。实验结果表明,该方法在实现正常用户隐私保护的同时,僵尸用户检测的准确率提高约4百分点。
关键词
僵尸用户检测 隐私泄露 差分隐私保护 近邻 优化
Keywords
Zombie user detection Privacy leak Differential privacy protection Nearest neighbor optimization
分类号
TP309.2
[自动化与计算机技术—计算机系统结构]
题名 K近邻优化估计的SAR图像建模与目标检测算法
被引量：3
5
作者
彭书娟 曲长文 李健伟
机构
海军航空大学研究生三队 海军航空大学
出处
《控制与决策》
EI
CSCD
北大核心
2020年第9期2199-2206,共8页
基金
国家自然科学基金项目(615714541)。
文摘
在非均匀杂波环境下的合成孔径雷达(synthetic aperture radar, SAR)图像背景建模问题中,针对非参量建模算法Parzen窗估计严重依赖于窗宽设置及最优核函数选择的问题,提出一种基于K近邻优化的概率密度函数估计算法,解决因固定近邻数而导致估计不准确甚至不能估计的问题.该算法不需要图像的任何先验知识,且无需考虑窗宽的设置及最优核函数的选择问题.与Parzen窗估计、K分布和G^0分布的对比实验表明,所提出的K近邻优化估计算法可以实现对单峰、多峰甚至不规则图像数据的准确建模,优于K分布和G^0分布;同时,对图像首尾数据的处理优于Parzen窗估计.实验结果验证了所提出方法对SAR图像杂波建模的精确性、鲁棒性和简便性,以及全局恒虚警率目标检测的有效性.
关键词
SAR图像统计建模 K近邻 优化 估计 平均区域体积 核密度估计 恒虚警率 目标检测
Keywords
SAR image K nearest neighbors optimized estimation average regional volume kernel density estimation CFAR target detection
分类号
TN957.52
[电子电信—信号与信息处理]
题名 基于近邻粒子群优化的阵列天线方向图综合
被引量：11
6
作者
肖龙帅 黄华 夏建刚 李灵
机构
四川大学电气信息学院
出处
《通信技术》
2009年第9期52-53,71,共3页
文摘
阵列信号处理是近40年来迅速发展的技术,方向图综合的优化是其重要的问题,粒子群优化技术通过简单的算法可以达到很好的方向图综合效果。近邻粒子群优化算法除了利用粒子本身历史最优位置与全体最优位置外,还利用邻居粒子历史最优位置更新本粒子位置,测试函数测试结果表明,这在一定程度上消除了标准粒子群算法容易收敛到局部最优值的缺点。
关键词
阵列天线 方向图综合 近邻 粒子群优化
Keywords
array antennas beam pattern synthesis neighborhood particle swarm optimization
分类号
TN802
[电子电信—信息与通信工程]
题名 近邻场优化算法研究与应用综述
7
作者
伍洲 张洪瑞 张海军 宋晴
机构
重庆大学自动化学院 哈尔滨工业大学(深圳)计算机科学与技术学院 北京邮电大学人工智能学院
出处
《计算机工程与应用》
CSCD
北大核心
2022年第9期1-8,共8页
基金
国家科技部重点研发计划(2021YFF0500903) 国家自然科学基金(61803054,61972112,61973048,51877019,52178271)。
文摘
近邻场优化算法(neighborhood field optimization,NFO)是一种受生物个体向邻居学习行为启发的新型群体智能优化算法,该算法具有参数较少、结构简单和局部寻优性能强等优点,吸引了国内外众多学者的关注和研究。简单阐述NFO算法的寻优原理和搜索步骤,并分析了现有的算法的改进研究,包括混合算法、编码方式以及搜索步长等改进策略,同时对算法在能源效率、路径规划、经济调度等方面的应用进行概括总结。结合NFO算法的特点及现有研究成果,对算法的未来研究内容与方向做出展望。
关键词
近邻 场优化 群体智能 仿生 人工智能 智能建造
Keywords
neighborhood field optimization swarm intelligence bionic artificial intelligence smart construction
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
