基于局部密度聚类的WSN多Sink节点部署研究

针对无线传感器网络中传感器节点能量受限,网络生命周期短的问题,在考虑网络成本的情况下,提出一种基于节点局部密度聚类的多Sink节点优化部署算法。首先,基于多属性因子构建聚类决策函数确定Sink节点部署位置,完成传感器节点聚类;然后,根据下一跳节点与Sink节点间距离最短准则搜索并形成数据传输路径;最后,以网络生命周期成本比最大化为依据确定最优的Sink节点数目,实现多Sink节点优化部署。仿真结果表明:与已有算法相比,所提算法能够有效延长网络生命周期,具有较高的网络生命周期能效比。

基于局部密度聚类的雷达目标散射中心区域分割

散射中心是描述雷达目标高频散射机理的重要特征,准确提取雷达目标散射中心参数对解析雷达目标有着极其重要的研究意义。为了提高散射中心参数计算速度,通常将整幅合成孔径雷达(synthetic aperture radar,SAR)图像分解为多个包含散射中心的小区域,对每个小区域分别进行特征提取和参数计算。根据雷达目标散射中心的特点,提出了一种基于局部密度聚类的雷达目标散射中心区域分割技术。首先,对雷达图像进行Frost滤波、基于水平集方法(level set method,LSM)的图像分割和面积滤波的一系列图像预处理获得目标感兴趣(region of interest,ROI)区域,然后对预处理后的图像利用局部密度聚类算法检测散射中心并进行区域分割。实验中,采用模拟数据和真实数据对所提方法和传统图像分割算法展开数值实验,实验结果验证了所提方法在雷达目标散射中心区域分割的有效性和优越性。

基于局部密度聚类算法的变压器故障状态评估

为提高油浸式电力变压器故障状态评估的准确性,结合局部密度聚类(local density clustering,LDC)算法和三比值法提出一种变压器故障状态评估方法——以油中溶解气体为研究对象,对气体数据进行LDC处理,以最后聚类结果作为故障状态评估模型及结合三比值法对新数据进行故障评估。该方法在弥补聚类方法无法准确反映故障状态和三比值法编码不全、编码太片面等不足的同时,在变压器状态发生变化时能随着新数据的输入自主修正故障状态评估模型。不同实验结果表明该方法用在变压器故障评估中,具有较高的故障评估准确率,并且当出现未知故障时能有效修正所搭建故障状态评估模型,可以在一定程度上反映变压器故障状态,保证变压器正常、安全运行。

一种基于局部密度的分布式聚类挖掘算法

分布式聚类挖掘技术是解决数据集分布环境下聚类挖掘问题的有效方法.针对数据水平分布情况,在已有分布式密度聚类算法DBDC(density based distributed clustering)的基础上,引入局部密度聚类和密度吸引子等概念,提出一种基于局部密度的分布式聚类算法——LDBDC(local density based distributed clustering).算法适用于含噪声数据和数据分布异常情况,对高雏数据有着良好的适应性.理论分析和实验结果表明,LDBDC算法在聚类质量和算法效率方面优于已有的DBDC算法和SDBDC(scalable dellsity-based distributed clustering)算法.算法是有效、可行的.

局部密度峰聚类耦合字典学习的图像融合算法

为降低当前图像融合算法的冗余信息,提高图像质量,提出基于局部密度峰聚类与字典学习的图像融合方案。将图像划分为若干个图像块,通过信息采样法,选择有用信息的图像块;定义局部密度峰聚类方法,对具有相似结构信息的图像块进行分类,获取不同的图像块簇类;基于K-SVD技术,构建字典学习机制,输出每个簇类的稀疏系数;选择最大值融合准则,对得到的稀疏系数进行融合,获得最终图像。实验结果表明,与当前图像融合方法比较,本文方法的融合质量与鲁棒性更高,其输出融合图像具有更大的边缘强度与相关系数值。

基于BCALoD的FPSO软刚臂系泊系统疲劳分析

针对软刚臂系泊系统铰节点在服役过程中出现的疲劳损伤问题,提出一种基于原型监测和局部密度双向聚类算法(Bidirectional Clustering Algorithm based on Local Density,BCALoD)的疲劳寿命计算方法。采用BCALoD算法对获得的船体六自由度进行工况分类,运用多体动力学将运动数据转算为受力时程,将其作为铰节点疲劳寿命分析的载荷谱。采用Abaqus软件建立各铰节点有限元模型以计算热点应力,结合Miner线性疲劳累积损伤理论和雨流计数方法计算疲劳寿命。进一步分析评估基于实测数据的铰节点疲劳设计指标,指出该FPSO软刚臂上铰节点的疲劳寿命不足以支持其完成服役,且各铰节点难以统一维护和更换。本研究可为在役软刚臂系泊系统的疲劳寿命计算提供一种新的载荷处理方法,为未来海洋平台的设计提供参考。

银河画卷巡天实测数据分子云核智能仿真与检测系统

现代天文学认为分子云核是恒星诞生的区域,对分子云核的检测和其性质的全方面研究有利于理解恒星的形成过程以及星系和宇宙的演化。随着银河画卷巡天项目(Milky Way Imaging Scroll Painting,MWISP)的开展和实测数据的快速积累,开发分子云核智能仿真与检测系统成为必要。系统提供分子云核智能检测、仿真建模、参数还原、三维可视化、数据存储等功能。借助该系统,科研人员可以方便快捷地对银河画卷实测数据开展分子云核的检测和三维可视化,更好地研究其物理性质。

基于LNN-DPC加权集成学习的转炉炼钢终点碳温软测量方法

转炉炼钢终点控制的关键是碳温准确预报。针对实际生产中因原料品质差异导致的炉次样本波动性较大所造成全局单一模型无法精确预测终点碳温的问题,提出一种局部最近邻密度峰值聚类算法(LNN-DPC)加权集成学习软测量方法。首先,采用改进的峰值密度聚类算法划分降维后的训练数据形成局部样本子集,构建子集与原始数据间的一一对应关系生成高斯过程回归子模型,并在原始数据子集下度量得到熵值加权的子集“质心”;其次,通过灰色关联分析选择与测试样本关联度较强的模型作为局部模型,提出关联度加权集成策略输出碳温预测结果。在实际转炉炼钢生产过程数据仿真结果下,碳含量在±0.02%的误差范围内精度达到85.2%,温度在±10℃的误差范围内精度达到84.8%。

基于WT和LDC综合算法的电能质量扰动源辨识方法

提出一种基于小波变换(wavelet transform,WT)与局部密度聚类(local density clustering,LDC)算法的电能质量扰动源辨识方法。通过小波变换提取电能质量扰动特征量,采用多级局部密度聚类搭建分类模型进行电能质量扰动源分类辨识。首先对电能质量扰动的时序信号进行小波分解,将其分解为低频与高频信号;接着结合各个信号在小波能量谱上的差异度来提取电能质量扰动特征量;然后将其作为样本进行LDC聚类分析,搭建电能质量扰动分类模型;最后采用搭建的分类模型进行电能质量扰动源分类辨识。在算例实验中,选用8种常见的电能质量扰动以及对应2种复合扰动源进行分类检验,该方法对上述电能质量问题能进行有效分类,且多级LDC具有较低的运算复杂度和较高的辨识度。