作为聚类的重要组成部分,边界点在引导聚类收敛和提升模式识别能力方面起着重要作用,以BP(Border-peeling clustering)为最新代表的边界剥离聚类借助潜在边界信息来确保簇核心区域的空间隔离,提高了簇骨架代表性并解决了边界隶属问题.然...作为聚类的重要组成部分,边界点在引导聚类收敛和提升模式识别能力方面起着重要作用,以BP(Border-peeling clustering)为最新代表的边界剥离聚类借助潜在边界信息来确保簇核心区域的空间隔离,提高了簇骨架代表性并解决了边界隶属问题.然而,现有边界剥离聚类仍存在判别特征不完备、判别模式单一、嵌套迭代等约束.为此,提出了基于空间向量分解的边界剥离密度聚类(Density clustering based on the border-peeling using space vector decomposition,CBPVD),以投影子空间和原始数据空间为基准,从分布稀疏性(紧密性)和方向偏斜性(对称性)两个视角强化边界的细粒度特征,进而通过主动边界剥离反向建立簇骨架并指导边界隶属.与同类算法相比,40个数据集(人工、UCI、视频图像)上的实验结果以及4个视角的理论分析表明了CBPVD在高维聚类和边界模式识别方面具有良好的综合表现.展开更多
文摘频域反射法(frequency domain reflectometry,FDR)是目前电缆缺陷定位的有效方法之一。针对传统FDR的缺陷定位效果受窗函数和干扰项影响大的问题,该文提出一种基于子空间分解的电缆缺陷定位方法,该方法不需要选择窗函数,并且滤除了干扰信号的子空间,因此拥有更好的缺陷定位效果。首先,利用传输线理论研究电缆的反射系数谱,证实了反射系数谱可用于定位电缆缺陷。然后,介绍了子空间分解技术、改进的贝叶斯信息准则(Bayesian information criterion,BIC)及基于密度聚类算法的原理,通过估计反射系数谱中各复指数衰减振荡函数的参数,并滤除相关干扰,提出了新的电缆缺陷定位谱图。最后,根据所提方法,对200m仿真电缆模型与500m真实电缆开展缺陷定位。结果表明,该定位谱图可准确地定位电缆中缺陷,并且干扰项较少,较大程度地提高FDR方法对电缆缺陷的定位正确率。
文摘作为聚类的重要组成部分,边界点在引导聚类收敛和提升模式识别能力方面起着重要作用,以BP(Border-peeling clustering)为最新代表的边界剥离聚类借助潜在边界信息来确保簇核心区域的空间隔离,提高了簇骨架代表性并解决了边界隶属问题.然而,现有边界剥离聚类仍存在判别特征不完备、判别模式单一、嵌套迭代等约束.为此,提出了基于空间向量分解的边界剥离密度聚类(Density clustering based on the border-peeling using space vector decomposition,CBPVD),以投影子空间和原始数据空间为基准,从分布稀疏性(紧密性)和方向偏斜性(对称性)两个视角强化边界的细粒度特征,进而通过主动边界剥离反向建立簇骨架并指导边界隶属.与同类算法相比,40个数据集(人工、UCI、视频图像)上的实验结果以及4个视角的理论分析表明了CBPVD在高维聚类和边界模式识别方面具有良好的综合表现.