改进的快速DBSCAN算法

针对DBSCAN算法时间性能低效的问题,分析快速聚类过程中丢失对象的原因,提出一种新的改进算法IF-DBSCAN。该算法在不丢失对象的基础上,通过选取核心对象邻域中的代表对象来扩展类,从而减少邻域查询次数,提高了算法的时间性能。实验结果表明,IF-DBSCAN算法是正确和高效的。

FDBSCAN:一种快速 DBSCAN算法(英文)

聚类分析是一门重要的技术 ,在数据挖掘、统计数据分析、模式匹配和图象处理等领域具有广泛的应用前景 .目前 ,人们已经提出了许多聚类算法 .其中 ,DBSCAN是一种性能优越的基于密度的空间聚类算法 .利用基于密度的聚类概念 ,用户只需输入一个参数 ,DBSCAN算法就能够发现任意形状的类 ,并可以有效地处理噪声 .文章提出了一种加快 DBSCAN算法的方法 .新算法以核心对象邻域中所有对象的代表对象为种子对象来扩展类 ,从而减少区域查询次数 ,降低 I/ O开销 .实验结果表明 ,FDBSCAN能够有效地对大规模数据库进行聚类 ,速度上数倍于 DBSCAN.

基于改进DBSCAN空间聚类算法的北京市人工智能产业集聚格局研究

企业作为产业的重要主体,其发展直接表征着产业的发展,企业的空间格局对产业的发展及资源配置具有重要的引导意义。本文基于北京市工商注册在业的人工智能企业数据,提取企业注册地址并转化为地理位置信息,通过改进有噪声的应用背景下的基于密度的空间聚类算法(DBSCAN),分析北京市细粒度层级下人工智能产业集聚在全市域的空间分布格局特征。在DBSCAN算法改进方面,首先调整Minpts参数为企业注册资本总额与企业数量2个维度,企业数量大于5家且注册资本总额大于一定数额,为形成产业集聚区的2个必要条件;其次提取簇内位于边界的企业位置点作为集聚区地理边界点,将边界点连线并绘制形成人工智能产业集聚区。本文重点分析了企业注册资本和地理聚合半径对人工智能产业集聚区形成的影响,同时采用核密度估计法作为参照验证,表明改进DBSCAN方法具有精确刻画产业集聚区地理边界和确定不同规模产业集聚区的优势。通过分析得知,北京市人工智能产业集聚具有明显的中心分布特征,集中在城六区,呈现“两大龙头带动,北京市全域遍地开花”的分布情况,海淀区、朝阳区处于人工智能集聚程度高水平,相较其他区域,人工智能产业发展遥遥领先;西城区、东城区、丰台区、昌平区处于集聚程度较高水平;通州区、大兴区、平谷区、密云区、石景山区、房山区、门头沟区、怀柔区、顺义区处于集聚程度中等水平;延庆区集聚程度较低。通过改进DBSCAN算法精确定位出中关村区域、上地西二旗区域、五道口区域、望京区域、国贸区域、亦庄经开区等人工智能产业集聚区。进一步探究发现,海淀区的人工智能科研人才优势,朝阳区的信息技术领域企业基础,是两区人工智能发展突出的直接原因。延庆区等郊区远离北京市中心城区,产业资源匮乏,同时由于区域功能定位限制等原因,导致人工智能产业集聚水平较低,表明这些区域人工智能产业发展较为缓慢。

合成孔径雷达快速后向投影算法综述

后向投影(BP)算法是合成孔径雷达成像算法发展的重要方向之一。然而,由于BP算法具有较大的计算量,阻碍了其在工程应用上的发展。因此,近年来如何有效地提高BP算法的运算效率受到了广泛的重视。该文讨论了基于多种成像面坐标系的快速BP算法,包括距离-方位平面坐标系、地平面坐标系和非欧氏坐标系。该文首先简要介绍了原始BP算法的原理和不同坐标系对加速BP算法的影响,并对BP算法的发展历程进行梳理。然后讨论了基于不同成像面坐标系的快速BP算法的研究进展,并重点介绍了作者所在研究团队近年来在快速BP成像方面完成的研究工作。最后介绍了快速BP算法在工程上的应用,并展望了未来快速BP成像算法的研究发展趋势。

基于航迹数据的改进DBSCAN聚类算法研究

为研究模拟训练航迹数据聚类,针对基于密度的噪声应用空间聚类(DBSCAN)算法参数选取不精准、聚类准确度不高的问题,提出一种改进的DBSCAN聚类算法.首先,通过KNN算法计算邻域半径并得到用于DBSCAN聚类的初始化核心数据对象,实现粗聚类;其次,根据数据对象的特点,加入航向特征进行二次聚类,既解决了DBSCAN算法随机初始化核心点和参数选取难的问题,又加入能够反映数据方向的特征;最后,进行了仿真实验.实验结果表明,改进DBSCAN算法比传统DBSCAN算法具有更好的聚类效果.

基于离群点检测和自适应参数的三支DBSCAN算法

针对经典的DBSCAN算法存在难以确定全局最优参数和误判离群点的问题,该算法首先从选择最优参数角度出发,通过数据集的分布特征生成Eps和MinPts列表,将两个列表中的参数进行全组合操作,把不同的参数组合依次进行聚类,从而寻找准确率最高点对应的参数。最后从离群点角度出发,将三支决策思想与离群点检测LOF算法进行结合。该算法与多种聚类算法进行效果对比分析,结果表明该算法能够全自动化选择全局最优参数,并提高聚类算法的准确性。

IPV6多跳网络环境下双通道快速切换算法的构建研究

多跳网络环境下,节点的复杂性通常会对网络技术的适配性带来极大的挑战。为了提高其适应性,提出了一种双通道快速切换算法。该算法采用双通道设计和半监督学习策略,结合多头注意力机制,提高节点分类的精度和效率,同时优化网络的响应和切换时间。实验结果证明,该方法的节点分类准确率达到95.56%,相较于卷积神经网络提高35.56%~62.23%;其最佳响应时间为0.22 s,相较于卷积神经网络领先了0.52~1.03 s;最佳切换时间为0.89 s。该方法的提出和实施,尤其是在节点分类精度和网络响应时间方面的优异表现,为多跳网络IPv6技术的适应性研究提供参考思路。

“毁伤快速算法与仿真技术”专题出版前言

区别于一般的爆炸力学和冲击动力学计算,毁伤仿真计算往往需要对完整目标场景甚至阵地场景进行武器打击全过程计算,同时又需要近实时给出计算结果。这种大场景和快速计算在武器研发和运用的工程实际中有着强烈的应用需求。现有爆炸和冲击动力学计算方法(如FEM)由于计算规模和计算效率的限制,在进行毁伤场景计算时往往只能对目标构件或者局部区域进行计算,很难满足毁伤仿真的应用需求。近年来出现了一些快速算法,如镜像爆源法、侵彻微分面元法和破片射线追踪法等,这些快速算法充分利用解析公式、经验数据或代理模型,结合计算机仿真与可视化技术,形成实用工具,有力支撑了国防工业和军事领域的应用。

基于FCM及快速迭代收缩阈值算法的平面ECT图像重建

为提高平面阵列电容成像系统的成像精度,提出一种基于模糊C均值聚类(FCM)进行数据优化的快速迭代收缩阈值算法(FISTA)。根据平面阵列电容数据的特点,首先利用FCM算法对测量电容值进行分类,保留有效电容值,实现电容向量降维;然后利用离散小波基(DWT)对灰度值进行稀疏表示,并建立L1正则化模型,采用FISTA进行求解,以实现图像重建;最后将FCM处理后的电容值分别用于Landweber算法、Tikhonov算法进行重建对比。仿真与实验结果表明,该算法重建图像的平均相对误差约为0.0527,平均相关系数约为0.9422,均优于其它算法,且重建图像伪影较少,更接近真实情况;因此,所提算法具有更好的重建效果。。

面向360°全景视频的帧内预测编码的快速算法

为了节省360°全景视频的编码时间,对通用视频编码标准中的编码单元划分决策过程进行了研究,提出了一种面向360°全景视频的帧内预测编码的快速算法。通过优化编码树单元(Coding Tree Unit,CTU)的编码深度范围和编码单元的划分模式的选择过程,减少编码时间。实验结果表明,在全帧内模式下,所提算法比原始算法平均可以节省34.33%的时间复杂度,同时带来的BDBR平均增量仅为1.665%,BDPSNR的平均降低量仅为0.076 dB。

基于CU特征差异的VVC帧内快速划分算法

针对通用视频编码(versatile video coding,VVC)在编码单元(coding unit,CU)划分中引入了多类型树划分结构导致编码复杂度增加的问题,提出了一种基于CU子块方向特性与空间复杂度的快速划分算法。首先利用CU整体的纹理复杂度对当前CU进行分类,筛选出不划分CU;然后利用子块不同划分方向的特性差异提前决策CU划分方向;最后利用CU中间区域与边缘区域的复杂度差异特征判断是否跳过三叉树(ternary tree,TT)划分,进一步减少候选列表划分模式数量。实验结果表明,与官方测试平台VTM10.0相比,编码器在平均输出比特率增加1.12%的代价下,编码时间减少了40.25%,说明该算法在通用视频编码中能以较小的质量损失实现更短的编码时间。

基于DBSCAN算法与GMM理论的铝合金板孔边疲劳裂纹萌生监测

针对航空结构中多孔铝合金板在疲劳载荷作用下的孔边裂纹萌生监测问题,以光纤传感系统为基础结合小波分解、含噪声的密度空间聚类以及高斯混合模型,提出了一种孔边裂纹萌生监测方法。首先以光纤光栅传感系统采集循环加载条件下多孔铝合金板孔边裂纹萌生至结构断裂全程中孔边微应变并构建孔边微应变曲线。对孔边微应变曲线进行小波分解,得到微应变曲线的低频分量与高频分量,并以低频分量最小值及高频分量突变作为孔边裂纹萌生特征。在分析裂纹萌生时引入DBSCAN算法与GMM理论用于计算孔边裂纹萌生时的疲劳加载循环数并进行比较与分析得到多孔铝合金板孔边主裂纹的萌生位置以及孔边主裂纹裂纹萌生时的疲劳加载循环数。试验结果表明:此监测方法能够准确定位出孔边主裂纹的萌生位置,计算孔边主裂纹萌生时的疲劳加载循环数,且疲劳加载循环数计算误差在5%以内。在未来可应用于全机地面疲劳试验、结构健康监测等多种场景。

基于参数自适应DBSCAN算法的浮标位置数据异常检测

针对遥测遥控系统采集浮标位置数据时易受外在因素的干扰,提出了一种K近邻优化的参数自适应DBSCAN算法,来检测浮标位置数据中的异常点。通过分析数据集的分布特性生成最优邻域距离值ε和邻域内样本点数量MinPts列表,引入卡林斯基-哈拉巴斯指数对列表中的参数进行评分,将最高评分对应的参数作为最优参数,实现DBSCAN算法的自适应聚类。实验结果表明,新算法能够自适应选择最优参数,对浮标遥测位置数据的异常点进行有效检测。

基于LV-DBSCAN算法的大坝安全监测数据异常检测

大坝安全监测数据原始序列中常存在异常测值,极大影响了大坝安全监测资料分析的可靠性和准确性。为此,在分析异常值特性及传统异常检测方法优缺点的基础上,分别从局部与整体角度研究监测数据异常检测方法。首先针对多重局部异常系数法要求数据序列较长且数据等时间间距等缺陷,提出了局部变化异常系数法(LV)及局部方法与整体方法协同判别策略;进一步引入密度聚类算法(DBSCAN),提出了兼顾数据整体与局部特性的LV-DBSCAN异常检测方法。以某混凝土重力坝两垂线测点顺流向位移监测数据为实例,对比分析了不同方法在不同类型数据集上的检测精度。研究结果表明,所提LV-DBSCAN方法适用性更广,准确率更高,误判率更低。

基于SRM模型的宽带MVDR快速算法研究

为满足潜艇等水下航行器宽带自适应波束形成算法的更高实时性要求,在经典的MVDR(Minimum Variance Distortionless Response)时域解析信号模型的基础上,设计一种基于SRM(Spiked Random Matrix)的协方差逆运算的快速估计算法。首先对宽带信号进行时域解析信号的构造,依据基于随机矩阵理论,然后通过对快拍信号的协方差矩阵的特征值进行调整和处理,实现精确的协方差矩阵的逆运算估计,避免了传统的复杂求逆运算,尤其适合多传感器和快拍样本受限的环境。仿真实验和海试数据证明,提出的算法波束指向性能更优,信号处理复杂度更低,随着阵元间距数的增加,性能获得明显的提升。

融合改进DBSCAN聚类和多种进化策略的改进蝗虫优化算法

针对蝗虫优化算法复杂高维问题收敛精度不高、寻优能力不强、难以跳出局部最优的缺陷,提出一种融合改进DBSCAN聚类和多种进化策略的改进蝗虫优化算法(GOA)。首先,引入多核加权距离度量和动态并行运算策略,以提高改进DBSCAN高维数据聚类效率。其次,利用改进DBSCAN可以对任意形状数据集进行聚类的优势,对蝗虫种群进行聚类分析,并为蝗虫个体赋予核心点、边界点和孤立点等空间属性。最后,综合考虑种群空间特性和个体间进化程度差异性,设计多种蝗虫个体进化策略,以更好地提升算法全局寻优能力。典型复杂、高维测试函数以及经典TSP问题仿真结果表明:改进后的GOA在收敛精度上更具优势。

面向飞腾处理器平台的快速卷积算法优化

为解决卷积神经网络难以在计算资源受限设备上部署的问题,面向国产FT-2000/4多核处理器提出一种高性能的快速卷积算法FastInfer。采用分块策略优化通用矩阵乘法,将处理器访问频率高的数据存入更靠近处理器的缓存中,从而提高计算过程中的访存效率。配合分块方案设计实现高性能的矩阵乘法微内核,使用向量外积运算更新数据,提高计算访存比,实现最大程度掩盖访存指令的延迟。最终实验结果表明,FastInfer在FT-2000/4处理器上的峰值计算性能达到99.56 GFLOPS。在不同输入规模的通用矩阵乘法测试中,FastInfer性能是OpenBLAS算法的1.07倍和1.52倍。在卷积测试中,FastInfer性能是ARM Compute Library算法的1.32倍,实现了在FT-2000/4多核处理器上的高性能卷积计算。

基于主成分分析的DBSCAN分类差分进化算法改进

差分进化算法(DE)是一类基于种群搜索最优解的全局优化算法,具有收敛速度快、算法简单易懂、参数数量少和稳定性高等特点。但DE算法的性能在很大程度上取决于参数值的设置、个体突变的方向和距离。考虑到不同的种群密度对参数的需求不同,采用主成分分析技术将30或50维的数据降到2维;再采用DBSCAN算法,依据邻域半径和最小邻域数将2维数据分类为簇,通过簇的数量判断种群整体密度和个体之间的差异度,并在不同取值范围内生成合适的变异因子和交叉因子,以此来满足不同种群的进化需求。通过基准函数测试集和多个检验方法验证,证明了所提方法的寻优能力和鲁棒性均优于另外5种先进算法。

基于空间三维非均匀SISO阵列雷达的介质目标快速成像算法

近年来,随着高精度定位系统的迅猛发展,基于手持式毫米波雷达的阵列成像技术在无损检测和医疗成像等涉及介质内部结构成像的领域中引起了广泛关注.与常见的二维(Two-Dimensional,2D)平面单发单收(SingleInput-Single-Output,SISO)阵列不同的是,基于手持式毫米波雷达的阵列,其阵元通常非均匀分布于三维(Three-Dimensional,3D)空间中,导致现有的基于平面SISO阵列的对介质目标内部结构进行快速成像重构的算法无法适用.为此,本文提出了一种适用于空间3D非均匀SISO阵列雷达的半空间介质目标快速成像算法.该算法将空间3D非均匀SISO阵列的每一个阵元扩展为一个的虚拟阵列,然后将所有虚拟阵列的回波数据变换至波数域后进行相干累加,最后通过3D逆傅里叶变换(Inverse Fourie Transform,IFT)实现快速成像.数值仿真和实验测量表明,与同样适用于该场景的改进后向投影(Improved Backward Projection,IBP)算法相比,在本文给定的成像参数条件下,所提算法可以在保证成像质量的同时,将成像时间缩短94%以上.

基于果蝇算法的医院电子档案海量数据快速查询方法

由于我国医院电子档案数据量每日呈爆炸式增长,导致数据查询方法难以准确且快速查询海量电子档案数据,文章提出基于果蝇算法的医院电子档案海量数据快速查询方法。对原始医院电子档案海量数据进行清洗、压缩等预处理操作,利用果蝇算法搜索预处理后的电子档案数据,获取数据查询位置的最优解,实现医院电子档案海量数据快速查询。实验结果表明,设计方法查询医院电子档案海量数据时查询代价消耗比仅2.61,具有优越的查询效率和扩展性。