检索结果

Select

1. 基于拉普拉斯中心性和密度峰值的无参数聚类算法

邱保志, 程栾

计算机应用 2018, 38 (9): 2511-2514. DOI: 10.11772/j.issn.1001-9081.2018010177

摘要（638）

PDF （780KB）（455）

针对聚类算法的聚类中心选取需要人工参与的问题，提出了一种基于拉普拉斯中心性和密度峰值的无参数聚类算法（ALPC）。首先，使用拉普拉斯中心性度量对象的中心性；然后，使用正态分布概率统计方法确定聚类中心对象；最后，依据对象到各个中心的距离将各个对象分配到相应聚类中心实现聚类。所提算法克服了算法需要凭借经验参数和人工选取聚类中心的缺点。在人工数据集和真实数据集上的实验结果表明，与经典的具有噪声的基于密度的聚类方法（DBSCAN）、密度峰值聚类（DPC）算法以及拉普拉斯中心峰聚类（LPC）算法相比，ALPC具有自动确定聚类中心、无参数的特点，且具有较高的聚类精度。

参考文献 | 相关文章 | 多维度评价

Select

2. 快速识别密度骨架的聚类算法

邱保志, 唐雅敏

计算机应用 2017, 37 (12): 3482-3486. DOI: 10.11772/j.issn.1001-9081.2017.12.3482

摘要（448）

PDF （810KB）（603）

针对如何快速寻找密度骨架、提高高维数据聚类准确性的问题，提出一种快速识别高密度骨架的聚类（ECLUB）算法。首先，在定义了对象局部密度的基础上，根据互 k近邻一致性及近邻点局部密度关系，快速识别出高密度骨架；然后，对未分配的低密度点依据邻近关系进行划分，得到最终聚类。人工合成数据集及真实数据集上的实验验证了所提算法的有效性，在Olivetti Face数据集上的聚类结果显示，ECLUB算法的调整兰德系数（ARI）和归一化互信息（NMI）分别为0.8779和0.9622。与经典的基于密度的聚类算法（DBSCAN）、密度中心聚类算法（CFDP）以及密度骨架聚类算法（CLUB）相比，所提ECLUB算法效率更高，且对于高维数据聚类准确率更高。

参考文献 | 相关文章 | 多维度评价

Select

3. 熵加权多视角核 K-means算法

邱保志, 贺艳芳, 申向东

计算机应用 2016, 36 (6): 1619-1623. DOI: 10.11772/j.issn.1001-9081.2016.06.1619

摘要（455）

PDF （718KB）（458）

在基于视角加权的多视角聚类中,每个视角的权重取值对聚类结果的精度都有着重要的影响。针对此问题,提出熵加权多视角核 K-means(EWKKM) 算法,通过给每个视角分配一个合理的权值来降低噪声视角或无关视角对多视角聚类的影响,进而提高聚类的精度。EWKKM算法中,首先用核矩阵表示不同的视角,给每个视角分配一个权重;然后,利用信息熵计算出各个视角的熵权重;最后,按照定义的目标函数对各个视角的权重进行优化,使用核 K-means进行多视角聚类。在UCI数据集及人工数据集进行实验,实验结果表明熵加权多视角核 K-means算法能够为每个视角分配一个最优的权重值,聚类的精确度优于已有的聚类算法,具有更稳定的聚类结果。

参考文献 | 相关文章 | 多维度评价

Select

4. 无线传感器网络中缺失数据估计算法

邱保志甄倩倩唐耀华

计算机应用 2013, 33 (12): 3457-3459.

摘要（713）

PDF （637KB）（416）

为了提高无线传感器网络(WSN)中缺失数据估计值的精度，提出了一种自决策插值算法。该算法能够根据数据集的空间相关性以及缺失数据的连续性选择不同的缺失数据估计策略，并将自回归滑动平均(ARMA)模型引入到对缺失数据插值的研究中。与传统缺失值估计算法相比，该算法不仅考虑到无线传感器网络的特性，而且考虑到数据集本身的特性。在真实数据集上测试结果表明，该算法提高了对缺失值估计的精度。

相关文章 | 多维度评价

Select

5. 分类数据的聚类边界检测技术

邱保志王波

计算机应用 2012, 32 (06): 1654-1656. DOI: 10.3724/SP.J.1087.2012.01654

摘要（890）

PDF （648KB）（743）

随着分类属性数据集的应用越来越广泛，获取含有分类属性数据集的聚类边界的需求也越来越迫切。为了获取聚类的边界，在定义分类数据的边界度和聚类边界的基础上，提出了一种带分类属性数据的聚类边界检测算法——CBORDER。该算法首先利用随机分配初始聚类中心和边界度对类进行划分并获取记录边界点的证据，然后运用证据积累的思想多次执行该过程来获取聚类的边界。实验结果表明，CBORDER算法能有效地检测出高维分类属性数据集中聚类的边界。

相关文章 | 多维度评价

Select

6. 聚类消息中间件构造技术

陈冰鑫邱保志

计算机应用 2012, 32 (05): 1425-1428.

摘要（1219）

PDF （2099KB）（671）

为了提高分布式异构系统的通信效率，提出了一种聚类消息中间件的构造技术，该技术使用EPr/TN网形式化描述协议，并对协议做聚类处理产生相似度最大的协议簇，然后利用协议簇构建消息中间件。与传统的消息中间件相比，该技术构建的消息中间件不仅能够有效实现异构通信协议的转换，而且减少了协议映射查找次数，提高了分布式异构系统的通信效率。

参考文献 | 相关文章 | 多维度评价

Select

7. 基于网格熵的边界点检测算法

邱保志刘洋陈本华

计算机应用

摘要（1683）

PDF （671KB）（971）

为了快速有效地检测聚类的边界点，提出了网格熵的概念和基于网格熵的边界点检测算法Greb。该算法利用网格熵的大小来判定聚类的边界点，且只对数据集进行两遍扫描。实验结果表明，对含有任意形状、不同大小以及不同密度且带有噪声的数据集，该算法能快速有效地检测出聚类的边界点。

相关文章 | 多维度评价

Select

8. LDC-mine——基于局部偏差系数的孤立点挖掘算法

张长邱保志

计算机应用

摘要（1481）

PDF （687KB）（942）

孤立点检测一直是知识发现（KDD）中一个活跃的领域，如信用卡欺诈，入侵检测等。在这些应用领域中研究孤立点的异常行为能够发现隐藏在数据集中更有价值的知识。提出了一个新的度量LDC(局部偏差系数)因子和基于LDC的孤立点挖掘的算法LDC-mine。实验证明：该算法能够有效地检测出孤立点。

相关文章 | 多维度评价

Select

9. 一种快速识别密度骨架的聚类算法

邱保志唐雅敏

录用日期: 2017-07-25