面向大数据的K-means算法综述

聚类作为一种重要的数据挖掘方式,如何在海量数据下更快获得一个有理论保证的K-means的近似解是一个关键问题。首先,定义K-means问题并介绍相关背景;然后,从理论保证和加速两个方面分别介绍国内外先进研究成果;最后,总结现有成果并对未来面向大数据的K-means研究方向予以展望和预测。

基于小波与分形理论的地震异常检测

为了提高地震异常检测精度,探讨了小波与分形结合的地震异常检测方法.首先采取功率谱密度对地震波的分形性质进行分析,得出其具有且仅在几个高频段具有自仿射分形性质,这为分形的合理应用提供了依据并揭示了现有单一综合分形维方法的不足;继而提出了频率、时间有序的无次采样小波包变换(FOTO- NWPT) ,该算法为地震波分形分析创造了优良平台.基于前两者,提出了小波与分形优势结合的地震异常检测方法:由FOTO- NWPT将地震波分解在若干尺度上,依据尺度关联维分析构建地震剖面分形参数空间,参数奇异标志了地震异常.工程实验证明,该方法比现有方法的科学性和实用性更强,为实现度量参数化精细地震勘探提供了一条新的思路.