简介:提出了一种新的多数据流聚类算法.该算法可以有效地对有相似行为但存在一定时间延迟的多数据流进行聚类.算法采用自回归模型技术度量数据流间的延迟相关,利用频谱估计来抽取数据流的特征.每一个数据流用其谱分量的和来表示,从而来计算每对数据流间的相关关系.每个谱分量用振幅、相位、衰减率、频率4个参数来描述.算法计算谱分量对之间的ε-延时相关关系,并以此为基础来得到聚类分析中数据流间距离的度量.此外,算法采用滑动窗口技术对多数据流进行聚类,实时地得出聚类结果且动态地调节聚类的个数.在人工数据集和实际数据集上的实验结果表明,所提出的算法比其他类似的算法具有更快的速度和更好的聚类效果.
简介:定义了区间直觉模糊集相似度的概念,并且基于Hamming距离、标准化的Hamming距离、加权的HammingEuclidean距离、Euclidean距离、标准化的Euclidean距离、加权的Euclidean距离等,定义了一些区间直觉模糊集距离测度.然后,通过把Hamming距离和Euclidean距离以及它们的加权形式与Hausdorff度量相结合,给出了2种组合的区间直觉模糊集距离测度,即基于Hausdorff度量的加权Hamming距离和基于Hausdorff度量的加权Euclidean距离,并且研究了它们的性质.最后,基于上述距离测度,给出了区间直觉模糊集相似性测度,并且把它们应用于模式识别领域.
简介:给出计算参数矩阵特征值与特征向量导数的外推算法,数值结果检验了在有舍入误差时,甚至对于次主特征值都是可行的.
简介:研究了广义Jacobi矩阵的特征值和特征向量问题,给出了一个特征对恰是广义Jacobi矩阵J的第j个特征对的充分必要条件。