导读:本文包含了引力聚类论文开题报告文献综述及选题提纲参考文献，主要关键词:复制-粘贴篡改检测,图像伪造,Hessian矩阵,双信息统计机制
引力聚类论文文献综述
左悦,汪小威[1]（2019）在《基于双信息统计与引力聚类的图像篡改检测算法》一文中研究指出目的为了解决当前图像复制-粘贴篡改检测算法的鲁棒性与检测精准度不佳等问题。方法将图像的颜色信息引入伪造检测过程,提出双信息统计机制耦合引力聚类的图像复制-粘贴篡改检测算法。首先,利用Hessian矩阵来准确提取图像的特征点。然后,利用图像的梯度直方图来描述图像的方向特征,并联合图像的颜色信息,构造双信息统计机制,获取图像的特征向量。计算特征向量间的欧氏距离,构造近似测量模型,对图像特征进行匹配。最后,利用引力聚类方法,实现图像特征点的聚类,精准检测复制-粘贴篡改内容。结果与当前图像复制-粘贴篡改检测方法相比,所提算法具有更高的检测精准度,以及更好的鲁棒性。结论所提方案可以准确检测并定位出伪造内容,在图像水印、信息安全领域具有一定的参考价值。(本文来源于《包装工程》期刊2019年11期）
王佳佳,林明[2]（2019）在《基于聚类动态面板引力模型的国际贸易网络研究》一文中研究指出本文提出一种针对网络型数据的聚类动态面板引力模型,用于国际贸易流量网络的研究.该模型假设各贸易国分属于不同的潜在类别,各国间贸易流量对应的模型系数由出口国和进口国所属的类别决定.提出使用马尔可夫链蒙特卡罗方法对模型参数以及各贸易国所属的潜在类别进行贝叶斯估计.对2001-2015年60个国家间的贸易流量数据进行了实证分析.结果表明,所提出的模型能够对贸易国进行聚类,有效地提高贸易流量预测的精度.所提出的聚类动态面板引力模型可以被广泛的应用于其他动态网络型数据的研究.(本文来源于《系统工程理论与实践》期刊2019年04期）
魏康园,何庆,徐钦帅[3]（2019）在《基于改进引力搜索算法的K-means聚类》一文中研究指出针对K-means算法的聚类结果极易受到聚类中心的影响而陷入局部最优解的问题,提出一种基于改进引力搜索的K-means聚类算法。首先引入自适应概念,对引力系数衰减因子进行控制,提高算法的全局探索能力和局部开发能力;然后,引入免疫克隆选择机制,以便算法能够有效跳出局部最优,并通过对12个基准测试函数的实验验证改进引力搜索算法的有效性和优越性;最后,通过结合改进的引力搜索算法和K-means算法,提出一种新的聚类算法A2F-GSA-Kmeans,在六个测试数据集上的实验表明,该算法具有较好的聚类质量。(本文来源于《计算机应用研究》期刊2019年11期）
温晓芳,杨志翀,陈梅[4]（2018）在《数据点的密度引力聚类新算法》一文中研究指出现有的很多聚类算法在各种数据集中检测任意簇时通常不能获得好的性能。通过把每个数据点看作自然界中的质点,定义了数据点间密度引力的概念,在此基础上提出了一种新的具有鲁棒性的密度引力聚类算法。首先根据每个数据点的周围邻居分布稀疏程度获得其局部密度,然后迭代地将每个数据点分配给密度比它大且距其最近的互近邻点形成初始簇,最后将具有共同数据点的初始簇进行合并得到最终簇。实验将提出的新算法在六个不同维度、不同类型的数据集上分别与叁种经典算法、叁种新算法进行了测试,结果表明该算法的聚类性能优于对比算法,且可以在不同维度的数据集中发现任意簇。(本文来源于《计算机科学与探索》期刊2018年12期）
苏适,李康平,严玉廷,陆海,汪新康[5]（2018）在《基于密度空间聚类和引力搜索算法的居民负荷用电模式分类模型》一文中研究指出居民用户用电模式分类研究可为需求侧响应方案设计、负荷特性分析及其高精度预测提供支撑。首先,利用基于密度的空间聚类算法提取得到用户的典型用电模式;然后,考虑每天不同时段及季节变换对用户用电行为的影响,提取能够描述用户在不同时间尺度下用电行为的6个特征;在此基础上,提出了一种基于引力搜索算法的用户用电模式分类模型;最后,对实测居民用电数据进行聚类,并对各类用户的用电模式及其参与需求侧响应的潜力进行了分析。(本文来源于《电力自动化设备》期刊2018年01期）
张晓民,张枫,刘黎明[6]（2016）在《一种基于代表点质量的万有引力聚类算法》一文中研究指出为快速有效地对大规模数据对象聚类,提出了一种基于代表点质量的万有引力聚类算法GCARM.算法首先扫描数据集并利用K-叉树结构使得距离相近的对象凝聚在一起成为具有质量的代表点;然后计算代表点之间的万有引力,使得引力大于设定阈值的代表点连通起来,其最大连通对象的集合就是聚类.实验结果表明,GCARM算法可以在保证精度的情况下识别任意形状,任意大小的聚类并去除噪声,并具有较高的效率和可扩展性.(本文来源于《南开大学学报(自然科学版)》期刊2016年04期）
郑祺,黄德才[7]（2016）在《基于引力相似度和相对密度的不确定数据流聚类》一文中研究指出针对不确定数据流聚类问题,提出一种基于引力相似度和相对密度的聚类算法.采用在线/离线两阶段处理框架,综合考虑元组之间的相似度与元组自身的不确定性,利用引力相似度为每个不断到达的数据元组寻找可能归属的微簇,以新的离群点处理和在线维护机制来适应数据流的演化情况,并在离线层使用相对密度算法进行聚类,不需要预先指定聚类数且可处理任意形状的微簇.实验结果表明,与现有的聚类方法相比,所提出的算法具有更高的聚类质量和准确度.(本文来源于《上海交通大学学报》期刊2016年06期）
李状,马志勇,胡亮,柳亦兵[8]（2015）在《基于模糊核聚类和引力搜索的风电齿轮箱故障诊断》一文中研究指出为了诊断风电齿轮箱已知类别和未知类别的故障,提出了基于模糊核聚类和引力搜索的故障诊断方法。首先建立以训练样本分类错误率为目标的聚类模型,利用模糊核聚类对训练样本进行分类;然后利用引力搜索算法求解聚类模型,获得最优分类结果下每个类的类心;最后根据新样本与各类心之间的核空间样本相似度判断属于已知故障或者未知故障。结果表明,该方法准确度高,可有效用于风电齿轮箱故障诊断。(本文来源于《中国机械工程》期刊2015年19期）
王彩霞[9]（2016）在《基于改进引力搜索的混合K-调和均值聚类算法研究》一文中研究指出为了解决聚类算法容易陷入局部最优的问题,以及增强聚类算法的全局搜索能力,基于KHM算法以及改进的引力搜索算法,提出一种混合K-调和均值聚类算法(G-KHM)。G-KHM算法具有KHM算法收敛速度快的优点,但同时针对KHM算法容易陷入局部最优解的问题,在初始化后数据开始搜索聚类中心时采用了一种基于对象多样性及收敛性增强的引力搜索算法,该方法改进了引力搜索算法容易失去种群多样性的缺点,并同时具有引力搜索算法较强的全局搜索能力,可以使算法收敛到全局最优解。仿真结果表明,G-KHM算法能有效地避免陷入局部极值,具有较强的全局搜索能力以及稳定性,并且相比KHM算法、K-means聚类算法、C均值聚类算法以及粒子群算法,在分类精度和运行时间上表现出了更好的效果。(本文来源于《计算机应用研究》期刊2016年01期）
王世纬[10]（2015）在《基于万有引力的模糊聚类方法研究》一文中研究指出当今是个大数据的时代,如何从这些大数据中发现新的知识是一个迫切的任务,数据挖掘技术因此渐渐兴起并成为时代的主流技术。聚类分析是数据挖掘技术的一个重要领域,聚类算法属于无监督的学习,事先没有任何的先验知识。它的目的是把目标数据集划分到若干个类中,使得同一类内的数据对象的相似度尽可能的高,而不同类的数据对象的差异性尽可能的高。聚类分析已经比较成熟,在数据挖掘、图像分析和模式识别等领域都有很广泛的应用。本文首先对聚类算法的基础理论做了介绍,对传统的聚类算法做了研究总结。本文主要研究模糊C均值算法(FCM),FCM是聚类算法中最为基础的算法,它有着完善的理论和数学基础,虽然FCM算法已经相当的优秀,但也有一些缺点,本文针对FCM算法这些缺点进行了改进,提出了一种基于万有引力的模糊聚类算法GFCM。FCM算法对初始化比较的敏感,首先FCM算法的初始聚类中心是随机选择的,这些初始聚类中心跟最后收敛时的中心差距太大,使得聚类速度较慢,本文提出一种基于引力和最大最小距离的初始聚类中心选择方法,有效的减少了迭代次数,加快了聚类速度;FCM算法需要用户自己确定最佳聚类数目,这需要用户有足够的经验,本文提出一种聚类有效性指标能够自动确定最佳聚类数目,这种有效性指标仿照Xie-Beni指数,将距离度量标准修改为引力度量标准,能有效的确定最佳聚类数目;FCM算法的目标函数是基于距离的,本文基于第一宇宙速度来对目标函数作了修正,第一宇宙速度反映了数据脱离中心所需的速度,速度越大越难脱离,与聚类的隶属度非常相似,体现了聚类自发天然的聚散关系;最后通过实验验证了本文提出的GFCM算法能有效的减少迭代次数并且能够确定最佳聚类数目,说明GFCM算法是有效可行的。(本文来源于《华南理工大学》期刊2015-05-15）
引力聚类论文开题报告
（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：
本文提出一种针对网络型数据的聚类动态面板引力模型,用于国际贸易流量网络的研究.该模型假设各贸易国分属于不同的潜在类别,各国间贸易流量对应的模型系数由出口国和进口国所属的类别决定.提出使用马尔可夫链蒙特卡罗方法对模型参数以及各贸易国所属的潜在类别进行贝叶斯估计.对2001-2015年60个国家间的贸易流量数据进行了实证分析.结果表明,所提出的模型能够对贸易国进行聚类,有效地提高贸易流量预测的精度.所提出的聚类动态面板引力模型可以被广泛的应用于其他动态网络型数据的研究.
（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。
引力聚类论文参考文献
[1].左悦,汪小威.基于双信息统计与引力聚类的图像篡改检测算法[J].包装工程.2019
[2].王佳佳,林明.基于聚类动态面板引力模型的国际贸易网络研究[J].系统工程理论与实践.2019
[3].魏康园,何庆,徐钦帅.基于改进引力搜索算法的K-means聚类[J].计算机应用研究.2019
[4].温晓芳,杨志翀,陈梅.数据点的密度引力聚类新算法[J].计算机科学与探索.2018
[5].苏适,李康平,严玉廷,陆海,汪新康.基于密度空间聚类和引力搜索算法的居民负荷用电模式分类模型[J].电力自动化设备.2018
[6].张晓民,张枫,刘黎明.一种基于代表点质量的万有引力聚类算法[J].南开大学学报(自然科学版).2016
[7].郑祺,黄德才.基于引力相似度和相对密度的不确定数据流聚类[J].上海交通大学学报.2016
[8].李状,马志勇,胡亮,柳亦兵.基于模糊核聚类和引力搜索的风电齿轮箱故障诊断[J].中国机械工程.2015
[9].王彩霞.基于改进引力搜索的混合K-调和均值聚类算法研究[J].计算机应用研究.2016
[10].王世纬.基于万有引力的模糊聚类方法研究[D].华南理工大学.2015