基于D-OPTICS算法的网约车载客热点区域挖掘

为准确分析网约车载客高需求热点区域,考虑载客热点聚类中车辆行驶距离的约束,采用结合Dijkstra寻路算法的OPTICS算法,提出寻路密度OPTICS(D-OPTICS)算法。DOPTICS算法利用车辆轨迹数据进行空间聚类研究分析载客热点区域。通过道路网络拓扑结构提取各路段节点,采用Dijkstra算法进行寻路并以路段为单位提取邻域范围内载客点进行聚类。将成都市网约车轨迹数据进行热点区域的挖掘和分析。与传统OPTICS算法相比,所提算法考虑了道路距离的约束,提高了载客热点聚类稳定性和精度,获取的载客热点区域更贴合实际情况。

OPTICS算法在雷电临近预报中的应用

针对密度分布不均的雷电定位资料,提出了一种基于OPTICS聚类算法的雷电临近预警模型。该模型运用OPTICS算法对雷暴天气连续时段的雷电定位资料进行聚类分析,有效剔除了影响雷暴云分布的稀疏点。在聚类分析结果基础上,利用"膨胀-侵蚀"算法还原雷暴云真实分布,根据雷暴云的移动趋势进行雷电落区预报。此外,针对传统预测算法运行时间长的缺陷,运用邻接表改进了OPTICS算法,且优化了可达队列更新策略。实验结果表明,基于改进的OPTICS算法所构建的雷电临近预报模型降低了算法运行时间,同时提高了雷电预报模型适应能力及预测的准确率。

改进的OPTICS算法及其在文本聚类中的应用

基于密度的OPTICS聚类算法以可视化的结果输出方式直观呈现语料结构,但由于其结果组织策略在处理稀疏点时的局限性,算法实际性能未能得到充分发挥。本文针对此缺陷提出一种有效的结果重组织策略以辅助稀疏点的重新定位,并针对文本领域的特点改变距离度量方法,形成了OPTICS-Plus文本聚类算法。在真实文本分类语料上的实验表明,我们的结果重组织策略能够辅助算法产生更为清晰反映语料结构的可达图,与K-means算法的比较则证实了OPTICS-Plus具有较为良好的聚类性能。

基于改进OPTICS算法的磁罗盘椭圆拟合误差补偿方法

为了避免磁罗盘原始数据中的奇异误差点对椭圆拟合精度造成不利影响,在常规最小二乘椭圆拟合算法中引入了基于密度聚类的OPTICS算法,并对OPTICS算法进行了改进,以降低复杂度,减小计算耗时。在椭圆拟合之前,使用改进的OPTICS算法对原始传感器数据进行分类,识别并剔除数据中的奇异误差点,防止其污染原始数据集,提高椭圆拟合算法的拟合精度,从而提高航向角的解算精度。实验结果表明,与常规椭圆拟合算法相比,所提出的算法在东、南、西、北四个方向上合计航向角误差的均方根降低了27.5%,且改进后OPTICS算法的计算耗时比改进前降低了43.6%。

基于OPTICS算法的变异体约简技术

为了降低变异测试的计算代价,提出了一种基于OPTICS算法的变异体约简方法。首先利用OPTICS算法对变异体进行聚类,让相似的变异体在同一类簇中,然后从每个类簇中随机选取一个变异体作为代表,与其余离散的变异体组成新的变异体集合,从而达到约简变异体数量的目的。为了验证算法的效果,选择一组常用的被测程序进行实验,并和K-means算法进行比较。实验结果表明,该方法在不降低变异充分度的情况下取得了良好的约简效果,有效地减少了变异体的数量,从而降低了变异测试所产生的计算代价。

一种基于网格与加权信息熵的OPTICS改进算法

针对现有OPTICS算法时间复杂度高且不适用于数据密集型环境的问题,提出一种基于网格与加权信息熵的改进算法。将数据集合划分为一定数量的网格单元,引入加权信息熵,自适应计算每个网格单元的最小密度阈值。对满足最小密度阈值的网格单元定义密集格的概念,利用质心点代替网格数据点集的方法对数据点进行压缩。采用Geolife Trajectories数据集对算法性能进行测试,从理论分析和实验结果两方面证明了改进算法的有效性。

不确定NNSB-OPTICS聚类算法在滑坡危险性预测中的研究与应用

针对滑坡危险性预测中降雨等不确定因素不能有效刻画及处理和现有的OPTICS-PLUS聚类算法需要设置密度阈值、时间复杂度高等问题进行了研究,为了提高滑坡危险性预测准确率,提出一种不确定NNSB-OPTICS聚类算法并应用于滑坡预测中。首先对OPTICS-PLUS算法扩张策略进行优化,避免了人工设置密度阈值,提高了算法效率;然后根据降雨量数据的分布特征,综合EW型距离公式和云模型理论,提出EC型距离公式,有效处理不确定数据降雨量;最后将不确定NNSB-OPTICS聚类算法应用于延安市宝塔区滑坡危险性预测中,建立滑坡危险性预测模型,滑坡预测精度达到89. 7%。实验结果表明,该方法能够有效提高滑坡危险性预测精度,具有较高的可行性。

基于数据分区的OPTICS聚类算法

针对OPTICS算法存在着对于密度不均匀以及高维数据聚类效果差的问题,提出了基于数据分区的OPTICS聚类算法(DP-OPTICS)。该方法计算所有样本点的K距离(K-dist)值,用改进的K均值算法对K-dist值进行单维度聚类,并依据肘图拐点的位置调整K值大小,以此实现数据分区;在分区内用OPTICS算法进行局部聚类,最后按一定规则将数据分区合并。选取多个不平衡人工数据集和UCI数据集进行对比实验,实验结果表明:改进的算法是切实可行的,明显提升了OPTICS算法对于数据密度不均匀问题的聚类质量,并且对高维数据也有着较好的处理能力,具有很强的鲁棒性。

基于OPTICS聚类的差分隐私保护算法的改进

采用聚类算法预先处理个人隐私信息实现差分隐私保护,能够减少直接发布直方图数据带来的噪声累积现象,同时减小了直方图因合并方式不同带来的重构误差。针对DP-DBSCAN差分隐私算法存在对数据参数输入敏感问题,将基于密度聚类的OPTICS算法应用于差分隐私保护中,并提出改进的DP-OPTICS差分隐私保护算法,对稀疏型数据集进行压缩处理,对比采用同方差噪声和异方差噪声两种添加噪声方式,考虑攻击者能够攻破隐私信息的概率,确定隐私参数ε的上界,有效平衡了敏感信息的隐私性和数据的可用性之间的关系。将DP-OPTICS算法和基于OPTICS聚类的差分隐私保护算法、DP-DBSCAN算法进行对比,DP-OPTICS算法在时间消耗上介于其余二者之间,但是在取得相同参数的情况下,聚类的稳定性在三者中最好,因此改进后OP-OPTICS差分隐私保护算法总体上是可行的。

基于OPTICS聚类算法的流场结构特征分析方法

为了改进现有的基于聚类分析的流场结构特征分析方法,使之更加适用于结构风工程领域的风场特征识别与分析,依托聚类分析的思想,结合一种基于密度的OPTICS聚类算法,并引入相关距离的概念替换了原算法中的欧氏距离,提出了采用一种基于相关距离的OPTICS聚类算法进行流场结构特征分析。实例分析利用基于大涡模拟的计算流体动力学数值模拟,对低雷诺数下经典圆柱绕流问题进行了瞬态求解,获取了2000个圆柱尾流中顺流向涡的瞬态涡量场样本。然后,以识别圆柱尾流中的顺流向涡旋涡脱落状态和顺流向涡A模式展向分布为目标,对比了k-means、原始的OPTICS算法和基于相关距离的OPTICS聚类算法等流场结构特征分析方法。分析实例的结果表明,基于相关距离的OPTICS算法能够在合适的初始参数设置下有效识别顺流向涡脱落状态和其A模式展向分布间距,相对k-means算法降低了对初始参数的敏感度,聚类结果稳定且唯一。

基于改进OPTICS聚类的雷达信号预分选方法

针对DBSCAN算法不能分选密度分布不均雷达信号的缺陷,提出了一种基于改进OPTICS聚类的雷达信号预分选方法。利用OPTICS算法的核心距离和可达距离来实现对不同密度分布的雷达信号预分选。将雷达信号进行网格单元划分,并采用两级处理方式,第一级处理高密度信号,第二级累积并处理低密度信号。实验结果表明,与传统的DBSCAN算法相比,改进OPTICS算法适用于不同密度分布的雷达信号,能够提高复杂体制雷达信号分选的正确率,同时降低了算法运行时间。

OPTICS与离线批处理在轨迹聚类中的应用

轨迹聚类是时空轨迹处理中的重要步骤,常用的轨迹聚类算法如TRACLUS算法,时间复杂度通常较高且对输入参数敏感,在寻找最优参数的过程中会消耗大量的时间。针对该问题,对TRACLUS算法运用离线批处理技术与OPTICS算法进行改进,在缓解输入参数敏感性的同时,减少对多组参数进行轨迹聚类的时间,从而减轻人为参数调试的工作量。实验结果表明,在最优参数未知需要对多组参数进行测试时,改进算法可使运行效率得到大幅提升。

基于相似测点对比的大坝变形监测数据粗差识别方法

针对混凝土坝变形监测数据粗差检测方法难以区分粗差和环境突变引起的数据跳跃问题,提出了一种基于K-means++距离聚类算法分区,采用OPTICS密度聚类算法结合局部异常因子(LOF)算法识别监测数据中粗差的大坝变形监测数据粗差识别方法。该方法通过K-means++算法实现测点区域划分,联合使用OPTICS算法和LOF算法进行粗差确定,通过对比属于同一分区不同测点的粗差出现时间来判定真实粗差。算例分析结果表明,该方法能有效鉴别变形监测数据中由环境突变引起的数据跳跃,显著提高粗差识别的准确性,降低粗差误判率。

基于Spark的点排序识别聚类结构算法

点排序识别聚类结构(Ordering Points to Identify the Clustering Structure,OPTICS)的密度聚类算法能以可视化的方式导出数据集的内在聚类结构,并且可以通过簇排序提取基本的聚类信息。但是该算法由于时空复杂度较高,不能很好地适应当今社会出现的大型数据集。随着云计算和并行计算的发展,提供了一种解决OPTICS算法复杂度缺陷的方法和一种建立在基于Spark内存计算平台的点排序识别聚类结构并行算法。测试的实验结果表明,它能极大地降低OPTICS算法对时间和空间的需要。

一种基于网格查询的改进DBSCAN算法

针对DBSCAN算法聚类时时间复杂度较高、当边界点同时属于多个类时其聚类准确率较低的问题,在网格查询思想和OPTICS算法的基础上,提出一种改进的DBSCAN算法(GO-DBSCAN算法)。进行聚类操作前,为降低聚类的时间复杂度,先基于网格查询的思想将数据集划分成不同的网格,在进行项目邻域查询时,只须遍历项目附近网格数据而不必遍历整个数据集;在进行项目聚类时,主要考虑该项目与其附近核心项目的最小可达距离,因此,将OPTICS算法中的最小可达距离引入到DBSCAN算法中,以提高算法对边界点处理的准确度。仿真实验结果表明,GO-DBSCAN在边界点处理的准确率和运行效率方面较DBSCAN都有所提高。

基于密度优化的KNN算法的研究

通过对样本网页文本的影响因子特征提取,构建向量空间模型,同时利用OPTICS算法密度无关性,改进了KNN算法.实验表明,该算法增强了结果的稳定性,并产生质量较高的聚类结果.

基于多层激光雷达的可行驶区域信息提取算法

为了提取无人驾驶车前方可行驶区域信息,提出了一种基于多层激光雷达可行驶区域信息提取算法。首先,根据雷达返回数据的特征结合数据区间密度分布获得路沿点集,并利用基于加权欧氏距离KNN改进的OPTICS算法对得到的路沿点聚类。然后,使用最小二乘法拟合出两侧路沿。最后,通过改进的OPTICS算法将路面上的障碍物点云进行聚类,并通过计算得到障碍物的位置、距离、尺寸等信息。利用数据区间密度分布法提取路沿点不受障碍物以及路面点的影响,而改进的OPTICS算法则不再受Eps的约束,并且可以准确分辨出噪点,解决了障碍物信息由于噪点而提取不准确的问题。实车实验证明了算法的有效性和实时性。

NetLinX开放网络下异常权限配置挖掘算法

针对传统异常权限配置挖掘算法在NetLinX开放网络下存在挖掘精度较差、挖掘效率低的问题,通过数据净化、会话与用户识别和路径补充过程对权限配置数据进行预处理,并对异常权限进行规则匹配,采用异常数据集定义对数据进行综合数据算法挖掘处理。在算法的起始阶段,应用OPTICS方法对原始集合中的密集数据进行聚类,并将松散数据集转换为异常种簇,持续分析处理直至完成挖掘。发现NetLinX开放网络下挖掘算法的挖掘精确度最高可达到95%,挖掘效率可达到90%;基于谱聚类的挖掘算法的挖掘精确度最高仅为87%,挖掘效率最高仅为66%。研究表明,NetLinX开放网络下异常权限配置挖掘算法能更有效地实现异常权限配置挖掘。

基于随机子空间法的结构模态参数自动识别方法

为解决随机子空间法在稳定点自动分析方面存在的抗噪能力不足问题,提出了一种新的自动化识别方法.首先,采用协方差驱动的随机子空间法,按照新的定义方式输出稳定点.其次,采用改进的OPTICS算法对稳定点进行清洗、聚类.然后,采用基于频率中值的自适应合并方法,对未完全合并的簇进行有效聚合,并以簇中值作为模态参数的代表值,实现完全无人工干预的自动化模态识别.最后,以Lysefjord悬索桥模型为例进行模态识别,验证该方法的可行性.结果表明:所提方法在实现自动化的同时,具有较高的精度,频率值最大误差仅为1.926%,且在各程度噪声干扰下都能以较高的成功率自动、准确地识别模态参数,相比于对照方法,其鲁棒性优势明显.

基于改进密度聚类算法的中国城市旅游活跃度分析

近年来随着信息技术的迅速发展,人们通常会在图像共享网站上上传自己旅游时所拍摄的照片。如果我们能对这些照片进行地点和数量上的提取和分析,就可以得到我国各个城市旅游活跃度。本文用基于OPTICS的聚类算法对Flickr网站上的照片进行了聚类分析,从而得到我国城市旅游活跃度。并且通过可视化软件将实验数据可视化,对本文实验结果加以验证。城市旅游活跃度可用于一些旅游目的地推荐,旅游路线安排等。