基于DBSCAN聚类方法的强回波定位追踪

运用PHP网络编程语言和DBSCAN聚类分析方法,提出了一种新的解析应用该资料的强回波定位追踪方法,针对江门蓬江X波段相控阵雷达组合反射率图片资料,统计2020年6月持续104次强回波定位追踪情况以验证此方法的准确率。结果显示,在DBSCAN聚类参数Eps=10,minPts=2设置下,强回波聚类追踪效果较优,各项结果准确率均值达到85.35%,能满足实际业务所需。

基于DBSCAN聚类的电力施工场景倾斜摄影测量数据采集方法

针对像片记录数据存在遗漏,测量数据问题像片比例较大的问题,提出基于DBSCAN聚类的电力施工场景倾斜摄影测量数据采集方法。规划无人机飞行航线,令镜头与云台轴心位于同一中心,利用GPS技术获得像控点定位数据,应用DBSCAN聚类方法,分类数据类别,存储和记录像片定位数据和数据,一一匹配无人机POS数据与拍摄像片。实验结果表明,该方法减少了测量数据集的问题像片比例,提高了像片数据合格率。

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DBSCAN聚类和区间回归的多谐波责任划分

在背景谐波阻抗变化和背景谐波电压波动的情况下,传统谐波责任划分方法难以适用于现有的统计型谐波监测数据,提出一种背景谐波变化下基于监测数据的多谐波责任划分方法。首先,构建谐波监测数据区间样本集,并建立背景谐波变化下的多谐波源区间谐波责任划分数学模型;其次,利用基于密度的聚类算法(DBSCAN)将采集到的统计型谐波数据集以簇为评价周期进行场景划分,并采用滑窗动态相关性分析方法筛选出满足线性关系阈值要求的数据;最后,利用基于参数化回归算法(PM)的区间线性进行方程参数计算并获取最佳样本划分方案,在构造的区间谐波责任划分基础上计算中长期时间范畴的谐波责任。利用实际电网中的谐波监测数据对所提方法进行验证,验证了该方法能利用现有的统计型谐波监测数据在背景谐波变化的情况下对每个谐波源进行合理时间尺度的谐波责任划分,可为实际电力系统运行过程中的多谐波责任划分提供一种新的思路。

基于AHP-灰色聚类模型的舰艇自身抗损能力评估方法

针对当前舰艇平台性能评价标准不一的问题,尤其是如何更好评价定性指标的问题,探究一种客观公正的评价方法。以舰艇自身抗损能力为研究对象,提出层次分析(AHP)-灰色聚类模型在自身抗损能力综合评估的应用,并在分析研究舰艇自身抗损能力影响因素的基础上建立评估指标体系。运用AHP确定各指标权重,针对舰艇自身抗损能力的各项评价指标,基于专家打分法的打分结果,应用灰类的白化权函数进行数据归一化处理,得到各项评价指标的分数值。根据指标评价体系以及各项指标的权重和分数值,对舰艇自身抗损能力进行综合评价。实例分析结果表明,该方法使用便捷,能够对舰艇自身抗损能力进行客观公正的评价,可为舰船自身抗损能力综合评估提供指导。

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。

基于聚类方法的负样本生成器研究与实现

知识图谱嵌入的目标是为知识图谱中的实体和关系生成低维连续的特征向量,以便计算机能够通过数学运算来挖掘知识的潜在语义,并将其应用于三元组补全、实体分类和实体解析等下游任务。翻译模型(Trans)是一种简单而有效的知识图谱嵌入方法,其采用负采样的方法来提高知识图谱嵌入的准确性。然而,传统的负采样方法采用随机负采样,容易生成低质量的负三元组,从而导致实体和关系的嵌入向量训练不准确。针对这个问题,该文提出基于Canopy和K-means方法的相似实体负样本生成器(Negative Sampling of Similar Entities,NSSE),用于生成高质量的负样本。实验结果表明,使用NSSE的翻译模型相比原有模型在嵌入向量生成方面取得更好的效果。

蜂窝移动网络大数据聚类异常挖掘方法仿真

蜂窝移动网络可提供话音、数据、视频图像等业务,具有终端移动性、越区切换和跨本地网自动漫游功能,因此上述网络环境中的数据为移动宽带数据流量,数据量巨大,并一直处于自更新状态,导致其聚类过程中易产生异常数据。针对上述问题,提出蜂窝移动网络大数据聚类异常挖掘方法。根据蜂窝移动网络的结构、数据存储结构以及数据特征,对数据属性聚类,并提取异常数据的弱相关特征值。基于以上情况,将提取的弱相关特征值输入至聚类器中,挖掘蜂窝移动网络大数据的异常数据。实验结果表明,蜂窝移动网络大数据量逐渐增多时,研究方法的挖掘准确性仍能保持在98.5%以上,耗时可控制4ms以内,漏检率始终低于1%,误检率不超过2%。以上所得数据说明该方法的应用可靠性更优。

基于K-mains聚类法的护理人员改良排班方法研究

目的探究妇科护理人员的科学排班方法,为提高效率、提升各班次团队合作精神提供参考。方法以某三级甲等医院妇科一病区为例,对科室24名护士在工龄、性格、工作能力及工作态度4个维度进行评价,利用K-mains聚类法对其进行分类并合理排班。结果基于K-mains聚类法的排班方法实施后,团队凝聚力得分高于对照组,幸福感提升与职业倦怠降低情况均优于对照组,组织认同感得分高于对照组,差异有统计学意义(P<0.05)。结论基于K-mains聚类法的妇科护理排班方法人为性干扰小,可信度高,能提高团队凝聚力、组织认同感及幸福感、受科室护理人员普遍信赖,可以提高护理人员的工作积极性和整体工作效果。

基于烟花算法的智慧城市物联网数据流聚类方法

以往的智慧城市物联网数据流聚类方法对数据特征提取不精准,聚类速度慢。为了提高聚类速度,缩短数据流聚类的耗时,设计了基于烟花算法的智慧城市物联网数据流聚类方法。通过对样本矩阵的标准化计算,降低数据运算的压力,完成对物联网数据的预处理。在烟花算法的支持下,对数据进行去重处理,精准提取数据特征。再根据数据属性不同,计算数据的响应函数,构建数据聚类模型,利用余弦对数据进行聚类分析,实现物联网数据流的聚类。实验结果表明,该聚类方法的聚类平均耗时为15.52 ms,说明该方法能够有效缩短聚类耗时。

基于DBSCAN聚类算法的毕星团成员星辨认

疏散星团[1]在天文学和天文物理学的研究中至关重要,对其成员星的正确判断是所有研究工作的基础。成员星识别的可靠性随着天体测量技术的不断发展,而变得愈发重要。本文运用DBSCAN聚类算法,实现毕星团成员星认定问题的分析与研究。通过色指数与温度公式求出各个侯选星成员星的温度。以绝对星等为纵坐标,将其成员星的赫罗图作为恒星表面温度的横坐标,对筛选出的毕星团成员星体绘制了一幅赫罗图。

并行处理网络下半结构化大数据快速聚类方法

半结构化数据量已经超过PB级,在这种大规模数据集上快速响应交互式请求,对关系数据库查询和大数据处理技术都提出了挑战。然而当前的聚类算法均是离线批量处理结构化、非结构化数据。面对半结构化数据对象和应用需求的转变,需要对传统聚类算法针对性地优化和改进。设计一种并行处理网络下半结构化大数据快速聚类方法。首先,在常用的Linux与Windows网络环境中捕获大数据包,并对捕获的多源异构大数据做清洗和集成等预处理操作,完成数据准备工作;然后在并行处理网络下,基于MapReduce框架改进常规CanpoyK-means聚类算法形成BCK-means并行聚类算法,对多源异构大数据进行并行化聚类分析,实现半结构化大数据的快速聚类挖掘。实验结果表明,设计方法在10 s内即可完成不同类别的半结构化数据集的聚类且聚类结果稳定,在半结构化数据聚类挖掘效率方面具有优势。

基于PCA-DBSCAN聚类的焊缝提取研究

针对焊接之后的焊缝提取误差大、不易提取的问题,文章提出了一种DBSCAN聚类(densitybased spatial clustering of applications with noise)与改进主成分分析(principal component analysis,PCA)算法融合的焊缝提取算法。首先对焊缝图像进行灰度化、自适应中值滤波等预处理;其次对图像应用Canny边缘检测算法提取焊缝边缘,并使用DBSCAN密度聚类算法聚类焊缝边缘;之后依据改进的PCA算法寻找焊缝的主成分,将焊缝向主向量映射统计,根据图像分辨率自动分配一个阈值获取焊缝的左右边界,再将焊缝的左右边界反映射到次主向量获取焊缝的上下边界;最后按照文章提出的算法完成了三组对比实验,分析了算法受分辨率、焊接方式、光照强度等因素的影响。实验证明,文章提出的算法对直缝提取效果良好,提取精度超过了95%。

基于光纤传感与张量仿射聚类的隧道车辆检测方法

针对高速公路隧道车辆检测中的信号采集、特征提取和车辆识别方面所存在的问题,提出了1种光时域反射的分布式光纤传感技术与张量仿射传播聚类算法相结合的隧道车辆检测方法。首先利用设计的光时域反射的分布式光纤系统对隧道车辆运行信号进行采集,获得测量数据。其次,提出1种采用光纤空间分辨率作为通道数,并结合特征数量和时域、频域构建1种高阶的张量样本集合。最后利用张量仿射传播聚类方法以及其他聚类方法进行正确率测试。测试结果表明,该方式可在不破坏原有高维数据结构的情况下,更好地实现车辆的分类,在识别过程中减少人工的干预、增加整个车辆检测模型的智能化程度、提高隧道车辆检测准确率。

基于K-Means聚类算法的井下电缆双端在线局放定位方法

常规的电缆局放定位方法以反射信号识别与定位为主,时间同步偏差相对较大,影响最终的局放定位精准度,因此设计了基于K-Means聚类算法的井下电缆双端在线局放定位方法。该方法通过提取井下电缆双端行波模量特征,将井下电缆局放信号进行相模变换,分析相应电荷气隙平衡条件,获取更加准确的双端局放位置。基于K-Means算法构造电缆在线局放定位聚类中心,将空间距离相似的电缆进行局放判断,排除异常定位数据对聚类结果的影响,从而减小定位误差。采用对比实验验证了该方法的定位精准度高,能应用于实际生活中。

基于密度峰值聚类的不平衡数据过抽样方法

大多数不平衡数据过抽样方法依赖于太多参数,容易生成噪声并难以处理流形数据集。为此,文章提出了一种基于密度峰值聚类的不平衡数据过抽样方法(OVMEDPC)。首先,OVMEDPC用密度峰值聚类(DPC)来发现不平衡数据的空间结构;其次,OVMEDPC设计了一种基于密度峰值聚类的噪声过滤方法来移除噪声;最后,OVMEDPC设计了一种基于密度峰值聚类的插值技术来生成少数类的合成样本。实验证明,就随机森林分类器而言,OVMEDPC在F-measure和G-mean上优于5个先进的过抽样方法。

基于DBSCAN聚类算法的卫星数据分区异常检测

随着我国第一颗电磁监测卫星的发射,卫星探测的海量数据不断涌现,探究空间载荷数据变化特征已成为当前研究热点。为了对张衡一号卫星LAP载荷数据进行异常检测,该文将处理后的数据按地理纬度划分为南纬50°到南纬20°,南纬20°到北纬20°,北纬20°到北纬50°三个区域,依次采用DBSCAN密度聚类算法进行聚类异常检测。结果表明,该方法可用于对LAP数据的异常检测。DBSCAN密度聚类算法可用于检测卫星异常数据,为检测卫星探测数据异常、研究空间数据变化特征提供思路参考。

基于聚类的群孔特征在机测量摆角规划方法

针对群孔特征接触式在机测量过程中测量摆角多、标定效率低的问题,提出一种基于聚类的群孔特征测量摆角规划方法。以避免测针与孔口干涉为约束,计算测针轴线与孔轴线的夹角阈值,然后以此阈值为边界条件进行迭代聚类,进而获得覆盖全部孔特征的测量摆角集合。实验结果表明:使用所提方法可实现对群孔特征测量摆角的快速规划,测量摆角数量较传统方法下降约28%,综合测量时间下降约19%,有效提升了群孔特征在机测量效率。

基于DBSCAN聚类的退役动力电池深度配组方法

退役动力电池在梯次利用时,因单体一致性差异较大,常难以满足使用要求。综合考量退役动力电池动态特性和静态特性,提出一种改进的多参数DBSCAN聚类算法对退役动力电池进行深度配组。对比实验表明,与Kmeans++聚类的结果相比,采用该方法聚类后电池最大容量差减少了86.04%;循环充放电实验表明,采用该方法得到的电池组充电性能提高约3%~5%,其放电量更大,其容量衰减速率降低了64.96%。该方法可有效提高电池组内单体的一致性并延长电池组的使用寿命。

基于改进DBSCAN省级电力物资仓库聚类的配送车辆路径优化研究

鉴于电力物资仓库分布点过多且较为分散,其多起点路径配送优化问题比较复杂,文中提出了一种改进DBSCAN聚类算法来简化电力物资多仓库配送车辆路径的两阶段方法。首先,将区域所有仓库进行聚类划分,得到若干个仓库簇,由此将多起点路径配送优化问题转化为多个仓库簇的单起点路径配送优化问题。然后,使用改进C-W法对模型进行求解。最后,以浙江省电力物资仓库作为配送实例,验证了文中所提两阶段方法及算法的可用性和可行性。