密度峰值聚类算法研究综述

密度峰值聚类(DPC)是一种新提出的基于密度和距离的聚类算法,由于其原理简单,无需迭代和能处理形状数据集等优点,正在数据挖掘领域得到广泛应用。但DPC算法也有着一定的缺陷,如:对截断距离参数敏感,初始聚类中心的选择非自动化,后续标签分配存在链式问题,时间复杂度较高等。文章对DPC算法的研究现状进行了总结与整理,首先介绍了DPC的算法原理和流程;其次,针对DPC算法的不足对DPC算法的优化进行概括和分析,指出了优化算法的核心技术以及优缺点;最后,对DPC算法未来可能面对的挑战和发展趋势进行展望。

K-means聚类算法研究综述

聚类分析是数据挖掘的重要技术,而在5G时代,海量的数据维度高、数据集大,利用K-means算法易受离群点的影响,且K值、初始聚类中心的选取影响聚类结果的稳定性和准确率,甚至导致聚类陷入局部最优,对K-means算法的改进受到众多研究者的关注。主要对K-means聚类的研究现状进行归纳总结。首先,介绍K-means算法的思想原理;其次,针对初始聚类中心点的选取、K值确定、离群点对现有改进算法进行基于密度和距离的分类总结,并对各个改进算法的优势和缺陷进行分析;最后对K-means算法未来可能的研究方向和趋势进行展望。

燃煤烟气脱汞吸附剂综述

概述了我国燃煤烟气中脱汞吸附剂的研究现状,综述了活性炭、改性活性炭、飞灰、钙基吸附剂、矿物类吸附剂、金属类吸附剂,以及一些新型吸附剂对汞的脱除效果。指出活性炭对汞的脱除效率高,但成本也高;飞灰吸附剂脱汞的成本虽然低但脱除效率也低。文中还介绍了其它新型吸附剂的发展,指出寻找廉价高效吸附剂的必要性及开发烟气中污染物的联合脱除吸附剂的研究方向。

煤热解过程中汞析出特性的研究

针对目前煤利用过程中汞的排放和污染状况,综述了煤热解过程中汞元素的析出和脱除规律的研究进展;分析了煤种、热解气氛、热解时间和温度对汞析出和汞形态转化的影响因素;阐述了利用煤热解进行燃烧前脱汞的应用前景。