导读:本文包含了近邻传播算法论文开题报告文献综述及选题提纲参考文献，主要关键词:近邻传播,偏向参数,阻尼因子,萤火虫算法
近邻传播算法论文文献综述
马翩翩,张新刚,梁晶晶[1]（2019）在《基于萤火虫算法的近邻传播聚类研究》一文中研究指出针对近邻传播聚类(AP)中偏向参数和阻尼因子对聚类效果的影响,将偏向参数和阻尼因子作为萤火虫算法中的亮度和吸引度,通过群体智能算法在搜索空间中寻找偏向参数和阻尼因子,从而提高AP算法的聚类质量。实验表明,该算法能提高聚类质量。(本文来源于《网络安全技术与应用》期刊2019年12期）
高思远[2]（2019）在《基于改进近邻传播算法的分区聚类室内定位方法研究》一文中研究指出随着信息技术的进步以及普适计算的发展,人们对于基于位置的应用程序以及服务的需求日益增长,例如在室内环境下进行准确定位或在建筑物内对人或物品进行实时跟踪等。根据目标定位环境可将定位分为室外定位、室内定位以及混合定位等。全球导航卫星系统(GNSS)是室外环境中最成功的定位系统之一。然而,卫星信号在封闭结构中易受阻碍,使得全球导航卫星系统难以进行精确的室内位置估计和室内导航。近年来,国内外学者针对终端用户实际应用需求的不同,开发了许多不同的室内定位方案。现有的室内定位方案在定位精度、覆盖范围、位置更新的频率以及安装和维护等方面各有不同。在现有的室内定位方案中,基于WiFi的室内定位技术在人们的生产生活中得到了广泛应用。本文在分析了现有室内定位技术的基础上,针对基于WiFi的位置指纹定位技术进行了研究。在深入分析了RSS信号分布特性的基础上提出了基于RSS信号变化率的子区域划分算法(RSSCR)以及改进的AP近邻传播算法(IAP)。本文的主要研究内容与创新点如下:(1)对现有室内定位系统以及定位技术进行了总结。从发展历史、研究现状、定位精度、定位成本以及部署难度等方面对现有定位系统与定位技术进行了对比分析;对基于WiFi的室内定位技术与定位系统进行了介绍,并对现有WiFi室内定位技术存在的缺陷进行了分析,最后针对基于WiFi的位置指纹定位技术进行了深入研究。(2)RSS信号极易受复杂室内环境的影响,同一位置处的RSS信号值存在随机性,本文对使用均值滤波、中值滤波以及高斯滤波算法进行数据预处理的结果进行了对比分析,并选择高斯滤波算法在离线阶段对RSS信号值进行预处理。(3)针对在线定位阶段数据搜索量大、搜索效率低的问题提出在离线定位阶段对待定位区域进行子区域划分的思想。传统的网格划分法在进行子区域划分时未考虑RSS信号的区域分布特性的问题,针对该问题本文提出基于RSS信号变化率的子区域划分法对待定位区域进行粗略划分;将粗略划分后的参考点作为训练集使用SVM算法进行学习,使用学习后的模型进一步对孤点进行详细划分。(4)在传统的近邻传播算法的基础上,提出了改进的AP近邻传播算法。传统的AP近邻传播算法使用欧式距离构建相似度矩阵,然而欧式距离在计算参考点在信号空间的距离时各分量权重相同,不能充分反映各AP分量在不同子区域内的分布特性,针对该问题提出参数化相似度矩阵计算,根据各AP在不同子区域内的贡献度分配不同的权重;考虑到数据点密度对其成为聚类中心的影响,使用各子区域内参考点周围的数据密度对相似度矩阵中的preference值的设定进行了改进,离线阶段在各子区域内使用改进后的AP近邻传播算法进行自适应聚类。(本文来源于《太原理工大学》期刊2019-06-01）
彭勃,李作红,李猛,杨燕,徐蔚[3]（2019）在《基于近邻传播算法的电力用户负荷曲线聚类分析》一文中研究指出电力用户负荷曲线聚类分析是电力数据挖掘中的一个研究热点。负荷曲线聚类之前需对负荷曲线进行标准化处理,现有研究尚没有可以对不同标准化方法下的负荷曲线聚类结果进行评价的指标。提出了一种与标准化方法无关的电力负荷聚类评价指标,首次将近邻传播算法应用在负荷曲线聚类中,并给出了应用聚类结果的建议。算例结果表明:峰值标准化方法具有较好的聚类效果,相对于传统的负荷曲线聚类方法,近邻传播算法具有更好的聚类效果。(本文来源于《机电工程技术》期刊2019年04期）
霍凯旋[4]（2019）在《基于灰度图像和近邻传播算法的变压器局部放电模式识别研究》一文中研究指出在电力变压器运行过程中,其内部的绝缘故障是造成事故的主要原因之一,而变压器局部放电与绝缘故障存在紧密的关联。不同于局部放电简单的阈值故障诊断,模式识别通过数据获取、特征提取和分类决策等过程诊断局部放电的性质和类型,并基于局部放电的性质和类型判断变压器的绝缘状况。局部放电模式识别不仅是评估绝缘状况的重要依据而且是判断绝缘缺陷的重要手段,对监测变压器运行状态具有重大作用。本文设计叁种变压器内部典型缺陷模型用于模拟沿面、电晕和悬浮放电,联合特高频法和超声波法对局部放电信号检测,分别进行了变压器内部单个模型放电实验和叁种模型混合放电实验。通过PRPD谱图分析各类局部放电信号的分布特征,沿面、电晕、悬浮和混合放电的特高频信号分布具有明显的差异与特点。从PRPD谱图的灰度图像中提取矩特征、分形特征和纹理特征共19维特征参数用于局部放电类型识别,分析灰度级数L对纹理特征的影响和分形特征无标度区间的选择问题。基于特征参数在各类放电中概率分布对其进行评价,矩特征对放电类型的区分度要好于纹理特征和分形特征,分形特征的区分效果最差。特征参数y0+是特高频灰度图像中最优特征参数,x0+是超声波灰度图像中最优特征参数。采用主成分分析法(PCA)对19维特征参数降维,以降低高维数据对分类器训练的负担。PCA降维获取的新特征参数对沿面与电晕放电的组合数据最难区分。基于Iris数据集分析偏向参数p及抑制因子λ对近邻传播(Affinity Propagation,AP)算法聚类的影响。针对AP算法只适合聚类分布紧凑的超球形结构数据的问题,结合核函数映射和共享近邻提出基于粒子群优化的核近邻传播算法(Kernel Affinity Propagation Based on Particle Swarm Optimization，,PSO-KAP),并设计PSO-KAP分类器用于局部放电数据的分类与辨识。采用交叉验证法计算PSO-KAP、AP、k-means、BP神经网络(BPNN)和最小二乘支持向量机(LSSVM)对Iris数据和局部放电数据的识别结果。PSO-KAP分类器性能优于AP、k-means和BPNN,其与LSSVM分类器性能接近,但是LSSVM对特征明显数据的误识率高于聚类算法。PSO-KAP依据特高频信号和超声波信号的识别率都超过了98%。研究表明PSO-KAP针对分散数据会表现出比AP和k-means更好的识别性能;与LSSVM分类器相比,PSO-KAP依据本文局部放电数据没有展现出其识别优势。特高频信号比超声波信号更有助于局部放电类型辨识。本文进行PRPD谱图的灰度图像特征提取研究,其结果证实灰度图像的矩特征、分形特征和纹理特征对局部放电模式识别具有优秀的适用价值。针对局部放电分类决策问题提出了一种新的解决方法,基于实验数据取得了理想的识别结果,具有一定的应用价值。(本文来源于《山东大学》期刊2019-05-05）
张武,张嫚嫚,洪汛,江朝晖,蒋跃林[5]（2019）在《基于近邻传播算法的茶园土壤墒情传感器布局优化》一文中研究指出针对节水灌溉的土壤墒情传感器布局问题,提出了基于近邻传播算法(affinity propagation,AP聚类算法)的优化布局策略。策略在保证茶园传感网络全覆盖的基础上,实时采集试验区各节点的土壤墒情数据,构建节点土壤含水率的相似度矩阵,并迭代计算各节点的吸引度和归属度值,得出聚类数和聚类中心。结果表明,采用AP聚类算法对试验区域传感器进行优化布局,优化了传感器数量和位置,使传感器数量由25个减少到2个。在试验区随机采集土壤相对含水率,经验证,聚类中心节点的土壤相对含水率与试验区平均值相近,相对偏差近为0.76%,表明聚类中心节点的土壤墒情数据具有代表性。该方法有效降低了数据的冗余度,节约了系统成本。(本文来源于《农业工程学报》期刊2019年06期）
李丞,张玉[6]（2019）在《基于改进近邻传播算法的Walsh软扩频盲解扩方法》一文中研究指出针对现代二次雷达系统通信中存在的Walsh软扩频难以盲解扩问题,借鉴常规扩频解扩方法及聚类分析,提出了一种基于近邻传播算法的Walsh软扩频盲解扩方法。该方法首先对接收信号进行采样得到目标结构数据集合,并根据统计量估计得出信号时延。然后采用改进近邻传播算法进行伪码集合估计,并得到聚类中心从而得到伪码集合。最后利用已知的Walsh码和信息码的映射关系得到信息序列,完成盲解扩问题。仿真结果表明,在白噪声条件下,可有效解决Walsh软扩频盲解扩问题,性能较同类算法均有提升并降低算法复杂度。(本文来源于《火力与指挥控制》期刊2019年03期）
李磊[7]（2019）在《应用于大规模高维数据的稀疏化近邻传播聚类算法》一文中研究指出随着信息化与互联网技术的快速发展,各个行业所产生的数据规模不断增大,其复杂性也不断增加。一般来说,大规模高维数据主要包含两个特性,第一,数据量大且增长速度快;第二,数据维度高,冗余特征多。传统的数据挖掘和处理算法往往不尽如人意,因此,如何高效地从大规模高维数据中挖掘出有价值的信息,成为当下的研究热点。近邻传播聚类算法(AP算法)是一种基于信息传递的聚类算法,具有不用事先指定聚类数目、聚类效果稳定等优点。但当数据复杂性增强时,AP算法的复杂度也增长的十分明显。本文主要针对关于AP算法的改进,保留AP算法的优势,并实现其在大规模高维数据中的推广。在本论文中,针对数据规模大这一特性,提出基于核心点提取的稀疏化快速近邻传播聚类算法,简称CFAP算法。首先,利用基于高斯核相似性的核心点提取方法提取核心集,实现对大数据规模的缩减;然后,借鉴K-NN分类算法的判别思想,结合AP算法基于信息传递的这一特性,利用样本只和最近的K个样本传递信息,对核心集的相似度矩阵实现稀疏化;最后,将CFAP算法与HAP算法,AP算法在数据集上进行实验,通过实验分析对比,验证了CFAP算法在时间上的高效性及聚类结果的有效性。另一方面,针对数据维度高这一特性,本论文提出将CFAP算法应用在SAS-Clustering算法框架下,实现CFAP算法在高维数据上的推广。首先,针对SAS-Clustering算法框架本身的不足,提出使用Golden-Section黄金分割搜索法替代Grid-Search网格搜索法,极大的提高了对最佳特征集合S的搜索效率;其次,针对K-means算法聚类效果不稳定这一缺陷,使用CFAP算法替代原本该框架下的K-means算法,提出SAS-CFAP算法;最后,通过实验验证了SAS-CFAP算法的鲁棒性和可行性。(本文来源于《南京航空航天大学》期刊2019-03-01）
任智伟,吴玲达[8]（2018）在《基于近邻传播算法的高光谱波段选择》一文中研究指出由于高光谱图像具有波段之间相关性高,信息冗余性强等特点,高光谱图像降维是高光谱图像预处理中的重要一步。波段选择在降维的同时能够保留原始数据的物理意义,在很多方面有着应用。近邻传播算法(Affinity PropagationClustering,AP)是Fray等在2007年提出的一种聚类方法。它将全部数据点看作潜在聚类中心,根据数据点之间的相关性进行聚类。论文提出一种基于AP聚类的波段选择方法,将小波变换引入聚类算法中相似度和偏好值的计算。将降维结果输入最小距离分类器进行分类,计算分类准确性,并通过数据集Indiana Pines验证,对比实验结果验证了论文提出方法的有效性。(本文来源于《舰船电子工程》期刊2018年09期）
赵昱,陈琴,苏一丹,陈慧姣[9]（2018）在《基于邻域相似度的近邻传播聚类算法》一文中研究指出针对传统近邻传播聚类算法(affinity propagation clustering algorithm,AP)处理特征复杂数据时聚类准确率较低的问题,提出一种基于邻域相似度的近邻传播聚类算法。通过分析数据样本统计特性,确定合适的邻域半径和邻域密度,计算邻域相似度并注入偏向参数,提高算法在特征复杂数据集上的聚类精度。在UCI数据集上的实验结果表明,所提算法的聚类精度优于相比较的AP算法,且邻域半径对不同数据集有自适应性,引入邻域相似度提高传统AP算法在特征复杂数据集上的聚类精度是可行的。(本文来源于《计算机工程与设计》期刊2018年07期）
王卫涛,钱雪忠,曹文彬[10]（2018）在《自适应参数调整的近邻传播聚类算法》一文中研究指出针对近邻传播算法的偏向参数以及聚类类数对聚类结果准确性的影响.本文提出了自适应参数调整的GKAAP算法.首先,为了选取更合适的偏向参数,在传统AP算法的基础上,利用灰色狼群优化算法(GWO)自适应调节偏向参数;然后,为了使得偏向参数能够在合理的区间内搜寻,利用二分查找算法动态更新偏向参数的上限、下限、中间值;最后,为了使得聚类个数更接近真实类数,同时不影响聚类结果的准确性,在算法迭代完成后,通过数据集的真实簇数k来对聚类结果进行约束调整.本文通过10个UCI数据集和ORL人脸数据库来做对比实验,然后从准确率、算法时间、聚类个数叁个维度去分析,最终实验结果证明本文所提出的GKAAP聚类准确性更好,算法时间复杂度更低.(本文来源于《小型微型计算机系统》期刊2018年06期）
近邻传播算法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
随着信息技术的进步以及普适计算的发展,人们对于基于位置的应用程序以及服务的需求日益增长,例如在室内环境下进行准确定位或在建筑物内对人或物品进行实时跟踪等。根据目标定位环境可将定位分为室外定位、室内定位以及混合定位等。全球导航卫星系统(GNSS)是室外环境中最成功的定位系统之一。然而,卫星信号在封闭结构中易受阻碍,使得全球导航卫星系统难以进行精确的室内位置估计和室内导航。近年来,国内外学者针对终端用户实际应用需求的不同,开发了许多不同的室内定位方案。现有的室内定位方案在定位精度、覆盖范围、位置更新的频率以及安装和维护等方面各有不同。在现有的室内定位方案中,基于WiFi的室内定位技术在人们的生产生活中得到了广泛应用。本文在分析了现有室内定位技术的基础上,针对基于WiFi的位置指纹定位技术进行了研究。在深入分析了RSS信号分布特性的基础上提出了基于RSS信号变化率的子区域划分算法(RSSCR)以及改进的AP近邻传播算法(IAP)。本文的主要研究内容与创新点如下:(1)对现有室内定位系统以及定位技术进行了总结。从发展历史、研究现状、定位精度、定位成本以及部署难度等方面对现有定位系统与定位技术进行了对比分析;对基于WiFi的室内定位技术与定位系统进行了介绍,并对现有WiFi室内定位技术存在的缺陷进行了分析,最后针对基于WiFi的位置指纹定位技术进行了深入研究。(2)RSS信号极易受复杂室内环境的影响,同一位置处的RSS信号值存在随机性,本文对使用均值滤波、中值滤波以及高斯滤波算法进行数据预处理的结果进行了对比分析,并选择高斯滤波算法在离线阶段对RSS信号值进行预处理。(3)针对在线定位阶段数据搜索量大、搜索效率低的问题提出在离线定位阶段对待定位区域进行子区域划分的思想。传统的网格划分法在进行子区域划分时未考虑RSS信号的区域分布特性的问题,针对该问题本文提出基于RSS信号变化率的子区域划分法对待定位区域进行粗略划分;将粗略划分后的参考点作为训练集使用SVM算法进行学习,使用学习后的模型进一步对孤点进行详细划分。(4)在传统的近邻传播算法的基础上,提出了改进的AP近邻传播算法。传统的AP近邻传播算法使用欧式距离构建相似度矩阵,然而欧式距离在计算参考点在信号空间的距离时各分量权重相同,不能充分反映各AP分量在不同子区域内的分布特性,针对该问题提出参数化相似度矩阵计算,根据各AP在不同子区域内的贡献度分配不同的权重;考虑到数据点密度对其成为聚类中心的影响,使用各子区域内参考点周围的数据密度对相似度矩阵中的preference值的设定进行了改进,离线阶段在各子区域内使用改进后的AP近邻传播算法进行自适应聚类。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
近邻传播算法论文参考文献
[1].马翩翩,张新刚,梁晶晶.基于萤火虫算法的近邻传播聚类研究[J].网络安全技术与应用.2019
[2].高思远.基于改进近邻传播算法的分区聚类室内定位方法研究[D].太原理工大学.2019
[3].彭勃,李作红,李猛,杨燕,徐蔚.基于近邻传播算法的电力用户负荷曲线聚类分析[J].机电工程技术.2019
[4].霍凯旋.基于灰度图像和近邻传播算法的变压器局部放电模式识别研究[D].山东大学.2019
[5].张武,张嫚嫚,洪汛,江朝晖,蒋跃林.基于近邻传播算法的茶园土壤墒情传感器布局优化[J].农业工程学报.2019
[6].李丞,张玉.基于改进近邻传播算法的Walsh软扩频盲解扩方法[J].火力与指挥控制.2019
[7].李磊.应用于大规模高维数据的稀疏化近邻传播聚类算法[D].南京航空航天大学.2019
[8].任智伟,吴玲达.基于近邻传播算法的高光谱波段选择[J].舰船电子工程.2018
[9].赵昱,陈琴,苏一丹,陈慧姣.基于邻域相似度的近邻传播聚类算法[J].计算机工程与设计.2018
[10].王卫涛,钱雪忠,曹文彬.自适应参数调整的近邻传播聚类算法[J].小型微型计算机系统.2018