基于密度的空间聚类算法研究

基于密度的聚类算法作为数据挖掘方法中的一种主要方法,不仅可以从数据集中发现任意形状的簇,而且可以观察到一个并发的、完整的聚类结构,以及具有对噪声数据不敏感的特点。针对目前常用的几种基于密度的聚类算法及改进算法进行讨论,分析了这些密度聚类算法各自的优缺点,并且以地理信息系统为应用研究背景,提出了基于密度的聚类算法与GIS相结合,通过对多维数据属性特征的提取,扩展到多维数据的处理,在三维空间地形数据中的分析中取得了高效的聚类结果。

基于物联网的实验室管理系统设计

在高校的教学过程中,实验教学越来越显现出其重要性。实验课时量所占课程的比例在逐年上调,实验室的规模也在逐年扩大。为了维护实验室的安全,杜绝实验用电、用水和火灾等安全隐患,使之更好地服务于广大师生,设计了基于物联网的实验室管理系统。该系统采用物联网技术中主要的嵌入式技术、移动通信技术、无线传感器技术及数据库存储技术等,将实验室设备管理、实验室环境监测、实验教学管理等功能整合于一体,实现了对实验室不同楼层、不同区域、不同设备进行监测,对相关数据进行识别与采集,并对异常情况进行实时报警。同时,为用户提供在手持客户端通过APP预习实验内容与结果演示。经测试,该系统数据通信精确度较高,响应速度较快,可有效提高实验室的管理和实验资源的利用。

DBSCAN算法在公路选线中的应用

基于密度的聚类算法是聚类分析算法中的一种主要技术,它对空间数据库聚类有着很好的性能,然而,对大规模数据库聚类时,DBSCAN算法需要大量的内存支持并伴随着I/O开销。提出了一种带有矢量性的密度聚类算法,具有约束聚类方向,减少候选点的特点。以地理信息系统(GIS)为应用背景,成功应用于高速公路选线,得到了良好的效果。

基于Delaunay三角网的CBDT聚类算法研究

聚类分析是空间数据挖掘的重要方法之一。Delaunay三角网具有良好的空间邻近特性,应用于空间聚类分析具有独特的优势,提出了一种基于Delaunay三角网的聚类算法——CBDT算法,该算法采用了将Delaunay三角剖分得到的三角形划分为小三角形、狭长三角形和大三角形的聚类模型,通过一定规则分别以小三角形、狭长三角形为基准进行扩展从而实现聚类。CBDT算法相对于AUTOCLUST算法能识别密度渐变的簇,而且计算量要比AUTOCLUST小得多。经实验验证,证明了该算法的有效性。

物联网关键技术与应用研究

当前已经是大数据时代,随着时代的快速发展,信息技术也得到了极大的发展,物联网就是一种有代表性的现代信息技术,其出现和发展给社会带来了很大的影响。物联网技术就是让物品信息达成网络互联的技术,在生活中运用可以提供很大的便利,基于此,本文就分析了物联网关键技术与应用。

实际气体状态方程的讨论

实际气体都不同程度地偏离理想气体定律。偏离大小取决于压力、温度与气体的性质,特别是取决于气体液化的难易程度。对于处在室温及1大气压左右的气体,这种偏离是很小的,最多不过百分之几。如氧气和氢气是沸点很低(-183与-253℃)的气体,在25℃和1大气压时,摩尔体积与理想值的偏差在0.1％以内。而沸点较高的二氧化硫和氯气(-1O与-35℃),在25℃与1大气压下就不很理想。它们的摩尔体积比按理想气体定律预计的数值分别低了24%与16%度较低压力较高时。

试论熵增加原理的重要性

熵是一个状态函数,是体系的一个广度性质,我们可以通过熵分析来判断过程的方向和限度。由于许多相变化和化学变化是在恒温恒压条件下发生的,故在物理化学教学中使用最多的是自由能(G)判据,这样就使人们往往产生这样的错觉,好象自由能(G)判据比熵判据更具普遍性,其实不然。在这篇文章中,我们将通过几个过程的熵分析来说明熵判据的重要性。