S-DBSCAN：一种基于DBSCAN发现高密度簇的算法

针对基于密度的带有噪声的空间聚类（DBSCAN）算法用于交互式数据挖掘时用户经常调整算法参数以发现感兴趣的知识以及数据集相对稳定的特点，提出了一种基于DBSCAN发现高密度簇的算法—S-DBSCAN算法，确定了需调整的算法参数——对象的邻域范围8（Eps）和满足核心对象条件的￡邻域内最小对象个数MinPts，阐述了参数8与MinPts的3种适合S-DBSCAN算法的变化情况，并给出了相应的证明，同时分析了算法的时间复杂度。在对真实和合成数据集的测试中，S-DBSCAN算法相比DBSCAN算法具有较好的效率。

基于数字化计量资产供应链管理研究

针对现有技术中计量资产供应链管理滞后的问题,设计了新型数字化计量资产供应链管理方法,构建了包括数据管理层、资产传递层资产分布层和资产应用层的B/S架构系统,在灰度关联分析算法中融入了BP神经模型。采用DBSCAN聚类算法实现电能计量数据的可视化计算,通过算法,能够从诸多计量设备的不同数据类型中随机选定数据对象点,进而分类出不同数据类型的数据,提高了数据管理能力。试验结果表明,方法可靠性高,误差精度低。