增量算法

1. 增量聚类算法包括哪些

bigshuai
增量聚类算法
目前有关增量聚类的研究主要是将增量数据看成是时间序列数据或按特定顺序的数据, 主要可以分成两类: 一类是每次将所有数据进行迭代,即从第一个数据到最后一个数据进行迭代运算, 其优点是精度高, 不足之处是不能利用前一次聚类的结果, 浪费资源; 另一类是利用上一次聚类的结果,每次将一个数据点划分到已有簇中, 即新增的数据点被划入中心离它最近的簇中并将中心移向新增的数据点, 也就是说新增的数据点不会影响原有划分, 其优点是不需要每次对所有数据进行重新聚类, 不足之处是泛化能力弱, 监测不出孤立点。因此, 如何设计增量聚类算法以提高聚类效率, 成为当前聚类分析的一个重要挑战。
目前存在各种各样的聚类方法[ 3] , 传统的聚类方法主要被划分成五类: 基于层次的、基于划分的、基于密度的、基于网格的和基于模型的聚类。基于层次的聚类和基于划分的聚类是实际生活中应用最为广泛的两类。前者可以进一步划分为自底向上和自顶向下两种[ 1] , 例如CLIQUE[ 3] 、ENCLUS 和MAFIA[ 4] 属于自底向上算法, PROCLUS[ 5] 和ORCLUS[ 6 ]属于自顶向下的算法。但是, 传统的层次聚类算法由于计算量过大不适用于大数据集, 例如BIRCH[ 2] 和CURE[ 7 ] 。传统的基于划分的算法包括k-means、k-modes等等, 其中k-means是现存聚类算法中最经典的聚类算法[ 8, 9] 。
增量聚类是维持或改变k 个簇的结构的问题。比如, 一个特定序列中的新的数据点可能被划分到已有k 个簇的一个簇中, 也可能被划分到新的簇中,此时会需要将另外两个簇变成一个[ 10 ] 。自从H art igan在文献[ 11]中提出的算法被实现[ 12] , 增量聚类就吸引了众人的关注。D. Fisher[ 13] 提出的COBWEB 算法是一种涉及到增量形式数据点的增量聚类算法。文献[ 14, 15]中给出了与数据库的动态方面相关的增量聚类的详细阐述, 文献[ 16􀀁 18]中列出了其广泛应用的领域。对增量聚类产生兴趣的动力是主存空间有限, 有些信息不需要存储起来,例如数据点之间的距离, 同时增量聚类算法可以根据数据点集的大小和属性数进行扩展[ 19] 。文献[ 10, 17]中也对于求解增量聚类问题的算法进行了研究。
现在很多聚类算法都是对单一数据类型的数据进行聚类, 但是现实数据中非常多的数据都是混合数据类型的数据, 既包含数值属性数据, 还是分类属性数据, 简单地丢弃其中一种数据类型, 或者将其中一种数据类型转换成另一种, 都会影响聚类的精度。因此, 混合属性数据增量聚类的研究具有非常重要的意义。
2 基于传统聚类方法及其变形的增量聚类算法
现在对于增量聚类方法的增量处理主要集中在三个方面, 一类是基于传统聚类方法及其各种变形的增量聚类算法, 一类是基于生物智能的增量聚类算法, 另一类是针对数据流的聚类算法。

2. 速度的增量的计算方法

速度永远是矢量,永远有大小,方向.高等物理速度的变化是矢量的加减法,即是满足平行四边形法则.而初等物理的速度是在同一直线上变化,即仅仅用正负来表示速度的方向.

3. 什么是数字pid位置控制算法和增量型控制算法试比较它们的优缺点

（1）数字PID位置型控制算法：

执行机构需要的是控制量的增量（例如驱动步进电机）时，数字控制器的输出只是控制量的增量，该公式称为增量式PID控制算法。

优点：①误动作时影响小，必要时可用逻辑判断的方法去掉出错数据。

②手动/自动切换时冲击小，便于实现无扰动切换。当计算机故障时，仍能保持原值。

③算式中不需要累加。

缺点：积分截断效应大，有稳态误差；溢出的影响大。

4. 请教温控PID增量型算法公式

南京星德机械提供：增量式PID控制算法

当执行机构需要的不是控制量的绝对值，而是控制量的增量（例如去驱

动步进电动机）时，需要用PID的“增量算法”。

5. 数控程序增量的算法

确定转速前要根据工件材料性质以及刀具能承受的最小最大切削速度，（数控刀具一般都有表明最大切削速度），车加工时的刚度、吃刀深度，冷却情况等，先定下线速度（即切削速度），然后根据工件直径大小，车制件类型，即外圆、镗孔、切断等，计算出每分钟转速。当然还要考虑机床承受能力。一般国产刀具YW1或YT15粗车时60~80米左右，精车时100~120米，进口刀具200米左右，当然还得综合考虑刀具耐用度与经济成本的关系，有些刀具安装、对刀相当困难，取相对低速反而效率高。
F的算法简单得多，一般数控车床用G99比较容易控制表面粗糙度，粗车时0.2~0.4，精车时0.05~0.1，粗糙度与转速也有很大关系，当然也要综合考虑其它因素，万不可死搬教条。
一名合格车工，要经常根据切削速度等计算车床转速，以求得最大效益。

6. 写出增量式PID控制算法中△u(k)的表达式及其各参数的含义

摘要 上面△u(k)是控制量增量，“增量式PID”就是直接以这个增量进行控制。 至于参数的整定，根据响应的情况调，比如，响应慢了，我就增大kp，或者减小kd，超调大了，就减小kp或增大点kd，这个规律你可以看看PID三个参数的作用：

7. 增量算法与分治算法各是什么含义

算法步骤：
1 ：从左上角起，给棋盘编号（1，1），（1，2）（8，8），计为集合qp。tracks记录走过的每个点. （可以想象为坐标（x,y））

2：设起点为（1，1），记为 当前位置 cp，

3：搜索所有可走的下一步，根据“马行日”的走步规则，可行的点的坐标是x坐标加减1，y坐标加减2，

或是x加减2，y加减1； （例如起点（1，1），可计算出（1+1，1+2），（1+1，1-2），（1-1，1+2），（1-1，1-2），（1+2，1+1），（1+2，1-1），（1-2，1+1），（1-2，1-1） 共8个点）， 如果没有搜到可行点，程序结束。

4：判断计算出的点是否在棋盘内，即是否在集合qp中；判断点是否已经走过，即是否在集合tracts中，不在才是合法的点。（在上面的举例起点（1，1），则合法的下一步是（2，3）和 （3，2））

5：将前一步的位置记录到集合tracts中，即tracts.add（cp）；选择一个可行点，cp=所选择点的坐标。

6：如果tracts里的点个数等于63，退出程序，否则回到步骤3继续执行。