本文選題：t-混合模型 + 密度-距離中心算法��； 參考：《儀器儀表學報》2017年09期

【摘要】：傳統(tǒng)流式數(shù)據(jù)采用人工設門法分析,效率低下且依賴于專家。近幾年,很多自動流式數(shù)據(jù)聚類算法紛紛被提出,然而針對數(shù)據(jù)量不多且分布稀疏的小樣本類群始終沒有很好的解決辦法。提出了一種基于密度-距離的t-混合模型流式數(shù)據(jù)聚類優(yōu)化方法,能夠較好地解決小樣本類群區(qū)分困難的問題。該方法通過密度-距離中心算法定位各類群的初始中心,作為t-混合算法的初值對樣本數(shù)據(jù)進行處理,通過最大似然估計求出各類群對應的樣本數(shù)目,從而實現(xiàn)樣本聚類。實驗表明,與經(jīng)典模型算法相比,基于密度-距離的t-混合模型優(yōu)化算法具有更好的穩(wěn)定性和可靠性,對小樣本類群以及混疊的類群具有較強的適應能力。
[Abstract]:The traditional flow data is analyzed by manual gate setting, which is inefficient and depends on experts. In recent years, many automatic flow data clustering algorithms have been proposed. However, there is no good solution to the small sample cluster which has a small amount of data and sparse distribution. In this paper, a density-distance based clustering optimization method for t- hybrid model flow data is proposed, which can solve the problem of small sample clustering. This method uses the density-distance center algorithm to locate the initial center of various groups and processes the sample data as the initial value of the t- hybrid algorithm. The maximum likelihood estimation is used to calculate the number of samples corresponding to the various groups, so that the sample clustering can be realized. The experimental results show that the density distance based thybrid model optimization algorithm has better stability and reliability than the classical model algorithm, and has a strong adaptability to small sample groups and aliasing groups.
【作者單位】： 上海大學機電工程與自動化學院;上海市智能制造及機器人重點實驗室;上海納衍生物科技有限公司;
【基金】：上海市浦江人才計劃(17PJ1432300)項目資助
【分類號】：TP311.13

【相似文獻】

相關期刊論文 前10條

1 詹勇;楊燕;王紅軍;;混合模型的微博交叉話題發(fā)現(xiàn)[J];計算機科學與探索;2013年08期

2 張大明;符茂勝;郭慧;羅斌;;基于懲罰距離的混合模型分量數(shù)自動估計算法[J];華南理工大學學報(自然科學版);2009年10期

3 戴麗麗;宋余慶;陳健美;謝從華;;遺傳K-均值初始化的t混合模型醫(yī)學圖像聚類[J];計算機應用研究;2010年08期

4 謝從華;宋余慶;陳健美;常晉義;;醫(yī)學圖像的混合模型成份數(shù)估計[J];計算機科學;2010年10期

5 王立國;張晶;;基于線性光譜混合模型的光譜解混改進模型[J];光電子.激光;2010年08期

6 夏睿;宗成慶;;情感文本分類混合模型及特征擴展策略[J];智能系統(tǒng)學報;2011年06期

7 劉建偉;李衛(wèi)民;;基于摘要技術的混合模型流數(shù)據(jù)聚類算法[J];計算機科學;2009年11期

8 李臘元;通信協(xié)議形式描述的一種混合模型研究[J];計算機工程與設計;1989年01期

9 江歡;湯進;郭玉堂;羅斌;;基于t混合模型的自動圖像標注[J];計算機技術與發(fā)展;2010年10期

10 李臘元;適于通信協(xié)議形式描述的一種混合模型[J];計算機學報;1988年05期

相關會議論文 前5條

1 沈樂君;;基于混合模型的多目標實時跟蹤算法[A];2013體育計算機應用論文集[C];2013年

2 汪傳建;李曉光;王大玲;于戈;;一種基于混合模型的文本分類器的研究與實現(xiàn)[A];第二十一屆中國數(shù)據(jù)庫學術會議論文集（研究報告篇）[C];2004年

3 徐斌;馬盡文;;一種柯西混合模型上梯度型BYY和諧學習算法[A];第十三屆全國信號處理學術年會（CCSP-2007）論文集[C];2007年

4 趙廣建;，

本文編號：1880777