导读:本文包含了基于聚簇论文开题报告文献综述及选题提纲参考文献，主要关键词:云工作流,任务概率聚簇,系统开销,费用优化
基于聚簇论文文献综述
王彬[1]（2019）在《基于任务概率聚簇的工作流云费用优化调度算法》一文中研究指出由于云资源具有弹性伸缩、按使用量计费等优势,科研机构将工作流部署在云环境执行。工作流任务在云计算环境执行过程中会产生不可避免的系统开销。针对实际运行环境系统开销过大的问题,笔者提出基于聚簇概率的任务概率聚簇算法,平衡每层任务的资源需求,提高资源分配粒度,降低系统开销和降低公有云执行费用。实验表明,该算法能够有效降低公有云花费。(本文来源于《信息与电脑(理论版)》期刊2019年22期）
宋占国,陈红,黄卫[2]（2019）在《结合灰聚簇与Fisher变换的城市快速路交通状态判别》一文中研究指出为提高少数据下的城市快速路交通流状态类型判别精度,提出一种结合灰聚簇与Fisher变换(GC-Fisher)的组合方法.选择交通量Q、速度v、占有率O作为基础参数,首先经灰聚簇理论将基础参数数据聚簇为4类,其次对分类后的数据构建训练集,训练GC-Fisher模型,获取每一种交通流状态类型的Fisher变换方式及判别函数,最后选择结合K均值与多分类支持向量机(K-SVM)的组合方法进行比较.结果表明:在数据量较少条件下对交通流状态类型进行判别,GC-Fisher模型判别率为92%,优于K-SVM模型的判别率69%,GC-Fisher组合方法在少数据下能够更好地提高交通流状态类型的判别效果.(本文来源于《哈尔滨工业大学学报》期刊2019年09期）
王浩,张云鹏,谢建华,游会迪[3]（2019）在《WSN分层聚簇数据融合在煤矿火灾监测中的应用》一文中研究指出针对煤矿井下多传感器产生大量冗余信息导致火灾监测信息传输延迟、可信度低等问题,提出一种WSN分层聚簇融合的矿井火灾监测技术。先将簇内传感器节点收集的原始数据进行一级融合处理,去除冗余成分,只将具有代表意义的信息传输给簇头节点;再利用传感器节点间信息互补,采用灰色关联理论对簇内融合结果进行二级融合,完成对矿井火灾安全状况的精准分析。结果表明,该方法有效地提高了火灾监测的信息传输速度和精准度。(本文来源于《煤炭技术》期刊2019年09期）
胡桂,李娟,韩光洁[4]（2019）在《西北太平洋和汤加俯冲地区深震特殊聚簇的特性及成因探究》一文中研究指出对比研究了具有不同热参数、不同俯冲形态的西北太平洋俯冲地区和汤加俯冲地区的深震特殊聚簇的地震学特性和成因.利用单键群方法探测到两个特殊的深震聚簇G1N和G1T.聚簇G1N位于地震空区下方,具有极低的b值(～0.54),完全不同于具有高b值(～1.04)的汤加俯冲地区聚簇G1T.通过对聚簇地区板块形态、地震主应力轴、地震深度分布特征的分析,以及和汤加典型的板片折曲处地震活动性的对比,我们认为深震聚簇G1N附近的板块表现出板片折曲的特征,板块俯冲到地幔过渡带底部受到下地幔的黏性阻力,板片局部向上凸起发生折曲,产生局部的拉张应力,迭加在俯冲造成的压缩构造背景上,应力状态发生改变,从而影响该深震聚簇的地震活动性.汤加地区G1T聚簇深震的成因则完全不同,没有体现出板片折曲、应力变化的特征;相反,这些深震发生在较冷的Vitiza-Fiji俯冲板块上,该板块在5～8Ma年前先行俯冲到G1T区域并与Tonga板块发生拆离,G1T聚簇深震就发生在这些温度依然很低、滞留于～500km深度处的高速板片残留体上.(本文来源于《地球物理学报》期刊2019年08期）
李俊雅,牛思先,程星[5]（2019）在《一种基于K均值聚簇的虚拟机分类与部署方法》一文中研究指出云数据中心环境下,虚拟机部署结果对主机能耗与服务等级协议SLA的遵守均具有重要影响。为了降低数据中心能耗与SLA违例,提出一种基于叁门限值的高能效虚拟机部署优化算法。基于历史数据集,设计一种中档四分位的K-均值聚簇方法以产生主机CPU利用率的叁个门限值;依据叁个门限值,将主机划分为低载主机、轻量负载主机、正常负载主机和重载主机四种类型;为了对重载主机实施虚拟机迁移,分别针对计算密集型任务和I/O密集型任务设计两种虚拟机迁移选择方法,实现虚拟机优化部署;通过现实负载流数据对算法进行仿真分析。结果表明,该算法不仅可以有效降低能耗,而且SLA违例也较低,相比单纯降低能耗而忽略性能的同类算法,具有更高的能效。(本文来源于《计算机应用与软件》期刊2019年08期）
洪娅岚[6]（2019）在《全球海洋初级生产力异常变化时空聚簇模式挖掘分析》一文中研究指出海洋初级生产力(net primary production,NPP)做为衡量海洋浮游植物光合作用能力的指标,是全球变化研究的重要内容。海洋异常变化是指某时刻海洋环境要素相对于长时间序列平均状态的变化,如海洋初级生产力的月均异常变化。海洋初级生产力异常变化的时空模式在全球以及区域尺度上具有明显的周期变化和季节特征,并与全球变化典型信号厄尔尼诺—南方涛动(E1 Nino-Southern Oscillation,ENSO)之间存在着“响应”与“驱动”关系。尽管目前的研究分析了海洋表面叶绿素a浓度对两类ENSO事件的响应,但针对海洋初级生产力的异常变化与两类ENSO事件之间关系的研究偏少,难以刻画异常变化的动态过程,及与ENSO的关联机制。基于此,本论文在双约束海洋异常变化时空聚簇挖掘方法的基础上,利用长时间序列的栅格数据集,挖掘全球海洋初级生产力异常变化时空聚簇模式,并分析海洋初级生产力时空演变簇的空间分布及移动特征对两类ENSO事件的响应。具体工作如下:1)整理分析了近二十年海洋初级生产力栅格数据集,研究了全球区域海洋初级生产力均值、趋势、标准差空间分布特征,利用经验正交分解方法分析了全球海洋初级生产力时空模态分布型。结果表明(1)海洋初级生产力存在纬向分布的特征,赤道地区海洋初级生产力存在较为明显的变化趋势,沿岸地区与大洋中海洋初级生产力有着较为显着的分布差异;(2)赤道太平洋海洋初级生产力存在以155°E为界的东西反向分布特征,在E1Nino年,东部海域海洋初级生产力异常降低、西部海域海洋初级生产力异常升高,而在La Nina年东部海洋海洋初级生产力异常升高、西部海域海洋初级生产力异常降低;(3)海洋初级生产力与ENSO循环在时间尺度上存在周期一致性,主要变化周期为18个月和28个月。2)通过改进海洋时空双约束聚类挖掘方法,挖掘了近二十年海洋初级生产力的时空聚簇模式,分析了全球时空演变簇模式统计特征、空间分布以及移动特征,并从时空分布和空间移动两个方面对比分析了海洋初级生产力时空演变簇与ENSO事件之间的关系。结果表明:(1)在EP(Eastern-Pacific)型E1Nino事件期间,海洋初级生产力异常低值时空簇主要分布在赤道太平洋东部或中东部海域,异常高值时空簇主要分布在西太平洋和南太平洋中部海域;在CP(Central-Pacific)型E1Nino事件期间,异常低值时空簇分布在太平洋中部,而异常高值时空簇分布在南太平洋与西太平洋海域;(2)在EP型La Nina事件期间,赤道太平洋中部及东部、赤道大西洋与印度洋海域出现异常高值时空簇,南太平洋中东部海域出现异常低值时空簇;在CP型La Nina事件期间,赤道太平洋中部出现异常高值时空簇;南太平洋中西部海域出现异常低值时空簇;(3)发生在赤道太平洋的海洋初级生产力时空演变簇,在EP(Eastern-Pacific)型ENSO事件期间具有东移特征,而在CP(Central-Pacific)型ENSO事件期间,时空演变簇在赤道太平洋中部海域产生并消亡。3)从ENSO事件发展规律出发,基于海洋初级生产力异常演变簇模式,提出一种ENSO事件分类指数,用来分别描述两类ENSO事件的子类别。(1)新定义的基于海洋初级生产力异常演变簇的ENSO指数,能够明确区分不同类型ENSO事件的发生-发展-消亡的过程以及不同阶段时空演变簇专题属性异常变化程度及持续时间;(2)新指数可以根据时空演变簇质心描述ENSO事件不同发展时期海洋初级生产力异常变化在关键区中的位置;(3)通过与现有的ENSO事件判断及分类结果对比,新指数具有较为严格的定义,能够监测到程度弱、持续时间短的ENSO事件。总结了近二十年来ENSO事件的类型及强度,对深入理解不同类型ENSO事件背后的物理机制及预测预报极端气候事件方面均有重要意义。图[42]表[4]参[88](本文来源于《安徽理工大学》期刊2019-05-30）
薛汉卿[7]（2019）在《面向5G信道的新型聚簇算法研究》一文中研究指出面对第五代通信系统中数据量的增加和传输速率的提升,毫米波频段的研究受到了更加广泛地关注,同时信道建模领域基于簇结构的信道建模方法,以其保证精确度的同时减少建模复杂度的优势,也已被诸多信道标准模型采纳。信道的分簇建模首先要对多径分量进行分簇,相比于传统的建模方法,增加了分簇过程带来的误差,因此分簇算法的性能对于后续信道建模的效果有着重要影响。在基于簇结构的信道建模中,KPowerMeans算法获得了较为广泛的应用,但由于算法本身具有诸多局限性,比如需要人工设置簇数、初始化对于结果的影响严重以及只适用于凸状簇结构,在信道分簇建模中的性能可能会受到影响。本文基于实际的信道测量数据,通过5G候选毫米波频段下的虚拟MIMO信道测量,对两种新型分簇算法进行了研究与验证,并且对测量的室内场景进行了分簇建模与统计特性分析。主要的研究工作包括:(1)基于密度峰值的分簇算法研究。密度峰值分簇算法将局部密度的极大值点视为簇心,通过多径分量分布的紧密程度确定连接关系,进而得到完整的簇划分,因此密度峰值分簇算法可以适用于任何分布的数据集。簇数的确定是分簇算法的普遍问题,密度峰值分簇算法极大的优势在于不需要预先指定簇数,而可以在分簇过程中由算法来自动确定,随着5G时代信道环境愈加复杂,无法人为准确估计簇数的大概范围时,其自动获得簇数和确定簇心的优势就显得尤为重要。此外,密度峰值算法分簇效率非常高,在5G时代数据量激增的背景下更突显其实用价值。(2)谱聚类分簇算法研究。谱聚类算法由图论研究中演化而来,它的核心思想是在多径分量之间建边构成无向图,边权表征了多径分量之间的相似度,通过对整个无向图进行切图,使得不同子图之间边的权重尽可能低,而子图内边的权重尽可能高,来达到分簇的目的。求解最优切图的过程实质是寻找数据在低维欧式特征空间中的嵌入,能够深入挖掘信道测量数据中的特征和规律,因此与其他分簇算法相比,谱聚类算法进行分簇的效果更加优秀。同密度峰值算法一样,基于图谱理论的谱聚类算法同样适用于各种分布的数据,但在实际信道建模中也存在类似于KPowerMeans算法的需要提前设置簇数的缺点。(3)5G候选频段28GHz室内场景下使用不同算法的分簇建模。信道测量通过虚拟MIMO测量方案来完成,通过对实际测量数据的处理,提取信道特征,分别使用两种算法进行分簇,最后对簇参数进行建模,同时也对算法效果做出反馈和验证。综上所述,本文面向5G通信系统,对新型聚簇算法进行了研究,由实际毫米波信道测量数据验证算法性能并且对比了不同算法的特点与优势,最后,对5G候选频点28GHz下的室内场景进行了分簇建模和簇参数统计特性分析,希望以上算法与结果能够对今后新技术的研究、应用和标准化工作开展提供一定的参考价值。(本文来源于《北京邮电大学》期刊2019-05-26）
杨之峰[8]（2019）在《基于机器学习的高速铁路无线信道多径分量聚簇研究》一文中研究指出随着我国高速铁路的飞速发展与高铁技术体系的日趋成熟,宽带无线移动通信已经成为高铁服务中不可或缺的一部分。对于高铁无线通信系统而言,无线信道的传播特性是其设计部署的重要依据,只有在充分了解系统无线信道特性的基础上,才能采取相应的各种物理层技术,从而充分挖掘该系统的容量,进一步优化系统的性能。而在无线信道中,由于聚簇能够较为直观地描述无线信道多径分量的分布特性,所以近些年来,基于多径簇的无线信道建模已经越来越被人们熟知与认可。本文将在这一基础上,融合机器学习理论与无线电波传播理论,对高铁无线信道中的多径分量使用相关聚簇算法进行有效分簇,并对列车运行过程中连续时刻的功率时延谱进行聚簇后的生灭状态追踪,以此可以精确完成高速铁路时变信道的建模,同时深入研究分析时变无线信道的数据特征。本文首先介绍了常用的无线信道聚簇算法与最优分类数评价指标,同时依据不同算法的特性进行了算法的优劣比较与评价。其次通过对高铁LTE铁路专网实测数据进行提取,建立了高铁无线信道数据库。在分析现有基本聚簇算法的基础上,联系现有实测数据的特点,改进、应用了多种聚簇算法,并对这些聚簇算法进行了结合,完成了对高铁无线信道多径分量的聚簇与簇延迟线模型的构建。在此期间,还通过将不同的聚簇评价指标用于同一功率时延谱,完成了聚簇评价指标间的优劣性能比对,同时结合实测数据选择了合适的评价指标,并以此评价指标完成了聚簇所需簇数K值的选取。此外,本文还构建了一种自动聚簇的方法,该方法以前述聚簇算法的结合应用为基底,可以实现从输入功率时延谱数据到完成聚簇的自动化流程,以此可用于单天线测量场景下大批量高铁无线信道多径分量数据的聚簇以及多径信道建模,从而可以更好地帮助我们准确认知高速铁路无线信道。此外,本文还在前述研究工作的基础上,将高铁LTE铁路专网实测数据进行了部分截取,在对各追踪算法进行适应性分析并与单天线测量场景下的无线信道数据进行结合后,选取了特定的追踪算法,同时按照实测数据的特征对前述自动聚簇算法做了适应性改进。最终,通过对以上算法的结合运用,完成了高铁列车运行过程中多径簇的生灭状态追踪。通过对所选时间范围内多径分量的变化情况与文中所得生灭结果进行对比可以得出,算法的使用与创新均取得了合理可信的结果,这对于精准研究分析高速铁路时变无线信道具有重要意义。(本文来源于《北京交通大学》期刊2019-05-01）
王炳乾,陈建华,许开行,卢健[9]（2019）在《分层贪心聚簇算法研究》一文中研究指出第叁方地图API功能的增强给地图应用的搭建提供了便利,但是在地图应用中,经常会遇到海量空间点数据的显示问题。那么如何在有限的可视区域内利用最小的区域显示最全面的信息,同时又不产生影响地图可视化效果的重迭覆盖,就需要利用地图标记点聚簇技术。重点研究了采用KD-Tree的分层贪心聚簇算法,并基于OpenLayers API实现了该算法,对比分析该算法与基于距离的标记点聚簇算法在处理大量数据点时的运行效果。(本文来源于《科技与创新》期刊2019年01期）
张延年,吴士力,刘永[10]（2018）在《一种基于聚簇的自适应改进粒子群优化算法》一文中研究指出为避免陷入局部最优解,提出了一种聚簇自适应粒子群优化算法(Heterogeneous Particle Swarm Optimization Based-Clustering,HPSOC)。HPSOC利用K-均值聚簇方法将种群动态划分为包含不同粒子数量的异构聚簇;利用Ring结构进行不同聚簇间的信息交换。通过动态聚簇,粒子可以在不同聚簇间移动,使得信息交换速度更快。提出一种新的聚簇搜索阶段发现方法,使得每个粒子可以根据其聚簇搜索阶段动态自适应地调整粒子参数,进而使得每个聚簇可以获得与其阶段相匹配的自我搜索能力。通过6种基准函数的测试,与两种同类型的粒子群优化算法进行性能比较。结果表明,HPSOC算法不仅可以改进粒子的多样性和积极性,还可以增加粒子的搜索能力和收敛性,从而降低对于参数初始选择的依赖性。(本文来源于《实验室研究与探索》期刊2018年11期）
基于聚簇论文开题报告
（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：
为提高少数据下的城市快速路交通流状态类型判别精度,提出一种结合灰聚簇与Fisher变换(GC-Fisher)的组合方法.选择交通量Q、速度v、占有率O作为基础参数,首先经灰聚簇理论将基础参数数据聚簇为4类,其次对分类后的数据构建训练集,训练GC-Fisher模型,获取每一种交通流状态类型的Fisher变换方式及判别函数,最后选择结合K均值与多分类支持向量机(K-SVM)的组合方法进行比较.结果表明:在数据量较少条件下对交通流状态类型进行判别,GC-Fisher模型判别率为92%,优于K-SVM模型的判别率69%,GC-Fisher组合方法在少数据下能够更好地提高交通流状态类型的判别效果.
（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。
基于聚簇论文参考文献
[1].王彬.基于任务概率聚簇的工作流云费用优化调度算法[J].信息与电脑(理论版).2019
[2].宋占国,陈红,黄卫.结合灰聚簇与Fisher变换的城市快速路交通状态判别[J].哈尔滨工业大学学报.2019
[3].王浩,张云鹏,谢建华,游会迪.WSN分层聚簇数据融合在煤矿火灾监测中的应用[J].煤炭技术.2019
[4].胡桂,李娟,韩光洁.西北太平洋和汤加俯冲地区深震特殊聚簇的特性及成因探究[J].地球物理学报.2019
[5].李俊雅,牛思先,程星.一种基于K均值聚簇的虚拟机分类与部署方法[J].计算机应用与软件.2019
[6].洪娅岚.全球海洋初级生产力异常变化时空聚簇模式挖掘分析[D].安徽理工大学.2019
[7].薛汉卿.面向5G信道的新型聚簇算法研究[D].北京邮电大学.2019
[8].杨之峰.基于机器学习的高速铁路无线信道多径分量聚簇研究[D].北京交通大学.2019
[9].王炳乾,陈建华,许开行,卢健.分层贪心聚簇算法研究[J].科技与创新.2019
[10].张延年,吴士力,刘永.一种基于聚簇的自适应改进粒子群优化算法[J].实验室研究与探索.2018