為解決未知協(xié)議種類繁多、聚類結(jié)果不能涵蓋所有協(xié)議的問(wèn)題,提出一種基于調(diào)整互信息的一類分類算法。采用改進(jìn)的k-means聚類,構(gòu)建目標(biāo)樣本的合理覆蓋模型,計(jì)算每個(gè)聚類中心的調(diào)整互信息閾值,得到各個(gè)聚類中心的調(diào)整互信息值,對(duì)不同聚類互信息閾值進(jìn)行比較,并通過(guò)實(shí)驗(yàn)驗(yàn)證了算法的有效性。實(shí)驗(yàn)結(jié)果表明:與其他傳統(tǒng)的一類分類方法相比,該方法在二進(jìn)制協(xié)議一類分類中取得了較好的結(jié)果。 

【文章來(lái)源】：兵工自動(dòng)化. 2020,39(06)

【文章頁(yè)數(shù)】：5 頁(yè)

【部分圖文】：

與第1個(gè)聚類中心的調(diào)整互信息值

同理計(jì)算第2個(gè)聚類中心與所有樣本的調(diào)整互信息值，得到的結(jié)果分布如圖2所示。各參數(shù)設(shè)置如下：第1個(gè)聚類中心值為[7,6,6,7,3,0,3,0,0,0,0,1,0,0,0,1,0,0,0,0,0,0,0,0,0,5,5,6,5,6,5,6,5,5,5,6]，互信息閾值f2min=0.260，經(jīng)計(jì)算共46條協(xié)議符合要求。同理計(jì)算第3個(gè)聚類中心與所有樣本的調(diào)整互信息值，得到的結(jié)果分布如圖3所示。各參數(shù)設(shè)置如下：第1個(gè)聚類中心值為[0,5,0,0,6,6,7,7,0,4,8,8,0,0,0,2,5,14,5,12,10,5,5,9,0,0,0,0,0,0,0,0,8,6,6,7]，互信息閾值f3min=0.384 8，經(jīng)計(jì)算共50條協(xié)議符合要求。

同理計(jì)算第3個(gè)聚類中心與所有樣本的調(diào)整互信息值，得到的結(jié)果分布如圖3所示。各參數(shù)設(shè)置如下：第1個(gè)聚類中心值為[0,5,0,0,6,6,7,7,0,4,8,8,0,0,0,2,5,14,5,12,10,5,5,9,0,0,0,0,0,0,0,0,8,6,6,7]，互信息閾值f3min=0.384 8，經(jīng)計(jì)算共50條協(xié)議符合要求。同理計(jì)算第4個(gè)聚類中心與所有樣本的調(diào)整互信息值，得到的結(jié)果分布如圖4所示。各參數(shù)設(shè)置如下：第1個(gè)聚類中心值為[3,1,3,2,10,4,2,7,12,4,9,6,8,6,8,7,10,3,5,6,11,3,8,7,5,0,0,0,0,1,2,2,7,6,8,8]，互信息閾值f4min=0.053 6，經(jīng)計(jì)算共28條協(xié)議符合要求。

【參考文獻(xiàn)】：
期刊論文
[1]最小化誤差平方和k-means初始聚類中心優(yōu)化方法[J]. 周本金,陶以政,紀(jì)斌,謝永輝.  計(jì)算機(jī)工程與應(yīng)用. 2018(15)
[2]基于高斯模型的液氨儲(chǔ)罐泄漏擴(kuò)散仿真分析[J]. 王洪德,莫朝霞.  中國(guó)安全科學(xué)學(xué)報(bào). 2012(09)
[3]新型背景混合高斯模型[J]. 白向峰,李艾華,李喜來(lái),李仁兵.  中國(guó)圖象圖形學(xué)報(bào). 2011(06)
[4]基于聯(lián)合概率密度判別器和神經(jīng)網(wǎng)絡(luò)技術(shù)的煤種辨識(shí)方法[J]. 譚丞,李曉敏,徐立軍,吳煜婷.  機(jī)械工程學(xué)報(bào). 2010(18)
[5]基于一類分類的聚類方法及其應(yīng)用[J]. 李煥榮,林健.  計(jì)算機(jī)工程. 2005(10)



本文編號(hào)：3515347