公共文化服务平台

搜索到825篇“ DBSCAN算法“的相关文章

DBSCAN算法的研究与应用: 2024年; 本文主要对基于密度的聚类算法中的经典DBSCAN算法进行了研究,首先从算法理论层面对DBSCAN算法进行了阐述分析,然后利用DBSCAN算法进行仿真实验,最后对各地区的就业率进行了分析。; 魏均洲张琦智; 关键词：数据挖掘聚类算法 DBSCAN算法

基于DBSCAN算法的树木分割与应用被引量：1: 2024年; 为快速准确地提取地面三维激光扫描仪获取林分点云中的单株树木点云,提出一种基于密度的抗噪空间聚类(Density-Based Spatial Clustering of Application with Noise,DBSCAN)的树木分割算法。首先采用高斯滤波对林分点云去噪,在林分点云归一化的基础上对林分点云垂直分段,然后采用DBSCAN算法垂直分段聚类,再计算每个垂直分段中每个簇的中心点,根据簇中心点间的距离判定簇间的相邻关系,并由此匹配树干段点云,最后采用RANSAC(Random Sample Consensus)算法对树干段点云拟合直线,并根据点与拟合直线间的距离判定点的归属以实现树木分割。在郁闭度分别为中与高的林分中,所提算法的调和值F范围分别为0.88~0.99与0.72~0.74,基于距离判别的树木分割算法的F范围分别为0.84~0.90与0.73~0.79。所提算法在不同郁闭度的林分点云中均能有效分割单株树木点云,特别是在郁闭度为中的林分中有较好表现,可实现对林分点云的精确树木分割。; 尤磊邹畅宋新宇

基于DBSCAN算法的电力系统线路过载控制: 2024年; 电力系统中负载分布不均匀导致缺失,且缺乏有效的负荷调节和平衡机制,容易导致线路过载问题。为此提出基于DBSCAN算法的电力系统线路过载控制策略研究。对原始电力系统中缺失的负荷数据通过DBSCAN二次聚类方法进行修补,以获得更全面的负荷数据;修补后的负荷数据用来构建线路过载控制模型。在构建模型时,以用电负荷、机组有功调整以及电压偏差最小为目标函数,以发电功率、负荷节点功率以及节点电压负荷为约束条件;使用二进制布谷鸟搜索算法对该模型进行求解,获取满足约束条件的最优解,通过不断地迭代和调整搜索的位置,寻找电力系统线路过载控制的最优策略。实验结果表明:所提方法的功率波动及电压偏移控制效果较好,在保障系统较好的线路过载控制效果的同时,具有较高的计算效率。; 陈超江雄石健姚昱豪; 关键词：DBSCAN算法数据修补

基于改进和声搜索的自适应DBSCAN算法: 2024年; DBSCAN算法作为一种经典的聚类算法被广泛地应用于各领域,但由于其参数的自适应性较差,应用效果完全取决于参数的设置。基于此,提出了基于改进和声搜索的自适应DBSCAN算法,以提高DBSCAN算法的自适应性。算法采用K-平均最近邻算法优化初始种群,从而改善初始种群质量,为后续的进化计算提供优质解;设计了基于双差分的更新算子,提升算法的搜索能力;采用两种更新策略结构避免算法过早收敛,提高和声搜索算法的寻优能力进而全面提升DBSCAN算法的自适应性。采用多种数据集并设计对比实验验证提出的算法。实验结果表明,提出的算法具有更佳的识别能力和自适应性。; 孟祥辉魏照坤张笑菊韩志凤; 关键词：和声搜索参数优化

基于DBSCAN算法的燃气流量数据异常检测: 2024年; 燃气流量数据存在的异常流量会降低数据分析和数据预测的精度,针对个别异常流量难以检测的问题,以某门站近90 d的实际流量数据为研究对象,提出基于DBSCAN算法的燃气流量数据异常检测方法。将近90 d的燃气流量数据分割为88个日流量样本,采用DBSCAN算法对日流量样本进行异常检测,将总样本数量的5%设为异常数量阈值,检测得到异常样本(视为异常流量工况)。以均方误差为评价指标寻找最相似样本(均方误差最小的正常样本),将其作为每个小时流量的异常检测的参考,以最相似样本小时流量的5%作为差距阈值,检测出个别异常流量。结果表明,基于DBSCAN算法的燃气流量数据异常检测方法,将个别异常小时流量检测纳入异常流量工况进行检测是可行的。; 邢鼎皇杨光叶娟赵丹铭王海; 关键词：异常检测 DBSCAN算法聚类分析

一种基于DBSCAN算法改进的稳健AdaBoost回归模型: 2024年; 传统的AdaBoost.R2算法在AdaBoost算法思想的基础上将回归问题转化为二分类问题,取得了较好的估计效果。但该算法对异常点敏感,在迭代过程中会将异常点的权重不断加大,导致模型的稳健性较差。提出一种改进的AdaBoost算法,称为AdaBoost.DBSCAN。首先,通过DBSCAN聚类算法对观测点进行分类;然后,分别针对正常点和异常点,采用不同的权重控制策略进行控制,保证异常点的权重在迭代过程中无法以指数速率增长,同时能较大程度地保存样本信息。模拟和实际应用结果表示,与传统的AdaBoost.R2、AdaBoost.RT算法以及AdaBoost.RS算法相比,该算法具有良好的稳健性,在含有不同比例异常点的数据集中都能够获得较好的表现。; 黄静杨联强; 关键词：DBSCAN聚类算法异常点稳健性

基于DBSCAN算法的用电数据预处理与清洗技术研究: 2024年; 随着智能电网的发展,智能用电网络中的数据质量问题,如数据缺失、错误和异常,严重影响了数据分析的准确性。文章通过数据标准化、缺失值处理和DBSCAN算法等进行数据清洗,以提高数据质量,确保后续数据分析的准确性和可靠性。研究结果表明,这些技术的应用不仅提高了数据质量,还为智能电网的进一步发展提供了技术支持。; 邓津; 关键词：数据预处理数据清洗智能电网 DBSCAN算法

基于离群点检测和自适应参数的三支DBSCAN算法: 2024年; 针对经典的DBSCAN算法存在难以确定全局最优参数和误判离群点的问题,该算法首先从选择最优参数角度出发,通过数据集的分布特征生成Eps和MinPts列表,将两个列表中的参数进行全组合操作,把不同的参数组合依次进行聚类,从而寻找准确率最高点对应的参数。最后从离群点角度出发,将三支决策思想与离群点检测LOF算法进行结合。该算法与多种聚类算法进行效果对比分析,结果表明该算法能够全自动化选择全局最优参数,并提高聚类算法的准确性。; 李志聪孙旭阳; 关键词：DBSCAN算法自适应参数离群点检测

基于LV-DBSCAN算法的大坝安全监测数据异常检测被引量：4: 2024年; 大坝安全监测数据原始序列中常存在异常测值,极大影响了大坝安全监测资料分析的可靠性和准确性。为此,在分析异常值特性及传统异常检测方法优缺点的基础上,分别从局部与整体角度研究监测数据异常检测方法。首先针对多重局部异常系数法要求数据序列较长且数据等时间间距等缺陷,提出了局部变化异常系数法(LV)及局部方法与整体方法协同判别策略;进一步引入密度聚类算法(DBSCAN),提出了兼顾数据整体与局部特性的LV-DBSCAN异常检测方法。以某混凝土重力坝两垂线测点顺流向位移监测数据为实例,对比分析了不同方法在不同类型数据集上的检测精度。研究结果表明,所提LV-DBSCAN方法适用性更广,准确率更高,误判率更低。; 戴领李少林刘光彪纪传波段国学; 关键词：大坝安全监测异常值

基于参数自适应DBSCAN算法的浮标位置数据异常检测: 2024年; 针对遥测遥控系统采集浮标位置数据时易受外在因素的干扰,提出了一种K近邻优化的参数自适应DBSCAN算法,来检测浮标位置数据中的异常点。通过分析数据集的分布特性生成最优邻域距离值ε和邻域内样本点数量MinPts列表,引入卡林斯基-哈拉巴斯指数对列表中的参数进行评分,将最高评分对应的参数作为最优参数,实现DBSCAN算法的自适应聚类。实验结果表明,新算法能够自适应选择最优参数,对浮标遥测位置数据的异常点进行有效检测。; 章新亮肖虹周世波; 关键词：异常检测遥测遥控系统 DBSCAN算法 K近邻算法

加载更多 ∨

相关作者

用户反馈

相关作者

用户登录

用户反馈