基于数据流的聚类趋势分析算法

聚类趋势分析算法基于抽样原理导致聚类趋势指标不稳定和片面,而且不适应数据流的批量增量特性,因而需要重复进行聚类趋势指数计算。为此,基于全体数据进行整体分析,提出一种基于最小距离连通图(MDCG)的聚类趋势分析算法MDCG-CTI。首先,利用栈的深度优先遍历法更新增量数据的最邻近路径从而降低MDCG的建立复杂度;然后,计算聚类趋势指数并确定可聚类性的判定阈值;最后,将所提算法和批量增量的具有噪声的基于密度的聚类方法(DBSCAN)相结合。在自定义数据集上的实验表明,该算法比现有算法对单簇和含大量噪点的数据的可聚类性判断更为精确;而在大数据集pendigits和avila上,所提算法比基于谱方法的聚类趋势可视化分析(SpecVAT)累计耗时降低了38%和42%,且相较SpecVAT结合批量增量DBSCAN,该算法结合批量增量DBSCAN的聚类平均准确率分别提高了6%和11%,聚类累计耗时则分别降低了7%和8%。实验结果表明该算法可以准确无参地判断聚类趋势,并明显提高增量聚类的有效性和运行效率。

基于图论的滇金丝猴栖息地景观连通性动态研究

运用图论法,结合最小费用距离,分析滇金丝猴栖息地景观连通性在不同时期中的动态变化,依据滇金丝猴习性并结合以往研究综合得出最小费用距离阈值,依据猴群分布的地理位置,将猴群归为3个管理单元,计算出不同时期中栖息地整体以及各管理单元所在组分的景观连接度指数值。研究结果表明,在1975—2000年3期中,滇金丝猴栖息地连通性指数整体上升,在1990年达到高峰值,景观连通性指数整体上处于向好态势。对景观连接度在不同时期中的横向对比情况、纵向动态变化状况进行分析,从景观角度分析影响滇金丝猴生存发展的因素。