检索结果

Select

1. 新的模糊聚类有效性指标

郑宏亮徐本强赵晓慧邹丽

计算机应用 2014, 34 (8): 2166-2169. DOI: 10.11772/j.issn.1001-9081.2014.08.2166

摘要（265）

PDF （582KB）（305）

在经典的模糊C均值（FCM）算法中，聚类数需要预先给出，否则算法无法工作，这在一定程度上限制了FCM算法的应用范围。针对FCM算法中聚类数需要预先设定问题，提出了一种新的模糊聚类有效性指标。首先，通过运行FCM算法得到隶属度矩阵；然后，通过隶属度矩阵计算类内紧密性和类间重叠性；最后，利用类内的紧密性和类间的重叠性定义了一个新的聚类有效性指标。该指标克服了FCM算法中类数需要预先设定的缺点，利用该指标可以发现最符合数据自然分布的类的数目。通过对人工数据集和实际数据集的测试表明，对于模糊因子取1.8，2.0和2.2三个不同的常用值，均能发现最优聚类数。

参考文献 | 相关文章 | 多维度评价

Select

2. 标准模型下高效安全的基于身份多签密方案

李聪闫德勤郑宏亮

计算机应用 2012, 32 (04): 957-959. DOI: 10.3724/SP.J.1087.2012.00957

摘要（1176）

PDF （395KB）（454）

针对已提出的基于身份多签密方案效率不高的问题，提出了一种高效安全的基于身份多签密方案。新方案消除了多次乘法运算，增加了密钥验证过程，并在标准模型下进行安全性分析及效率分析，证明了新方案可归约于CDH困难假定，计算量减少。与现有方案相比，新方案的安全性和多签密效率都得到了提高。

参考文献 | 相关文章 | 多维度评价

Select

3. 非球形分布数据集的去噪方法

张岩闫德勤郑宏亮

计算机应用 2011, 31 (10): 2786-2789. DOI: 10.3724/SP.J.1087.2011.02786

摘要（1310）

PDF （536KB）（543）

针对传统支持向量机(SVM)对噪声点过于敏感,模糊支持向量机(FSVM)又对样本集几何形状过分依赖等问题,提出基于噪声过滤系统的粗糙支持向量机(NFS-RSVM)。该方法首先用噪声过滤系统(NFS)将极可能为噪声点的样本过滤掉;然后将数据间隐含的等价类信息作为双惩戒因子融入到支持向量机模型中,进一步区分有效样本和噪声样本。基于UCI数据集的仿真结果表明,NFS-RSVM方法能有效地将数据中的大部分噪声点去除,与传统的SVM和FSVM相比分类精度有一定程度的提高。因此,该方法在处理噪声样本较多又呈现非球形分布的数据集时,表现出较好的抗噪性、分类效果和泛化能力。