公共文化服务平台

搜索到14538篇“ 密度聚类算法“的相关文章

一种利用密度聚类算法反向匹配销售品的推荐方法及系统: 本发明公开一种利用密度聚类算法反向匹配销售品的推荐方法及系统，属于信息处理技术领域；该方法包括：获取历史聚类；获取客户信息；根据历史聚类和客户信息进行推荐匹配，得到推荐结果；从推荐结果中筛选出推荐销售品。本发明提供了一种...; 高成尧

面向雷达信号分选的自约束搜索密度聚类算法: 2025年; 针对雷达信号分选过程依赖先验知识、参数适配调优困难等问题,提出一种基于自约束搜索密度聚类的参数自适应信号分选方法。该方法在点序识别聚类结构(ordering points to identify the clustering structure,OPTICS)算法生成可达距离序列的基础上,引入一种启发式的自约束搜索机制,该机制能够自动分析数据集的内在结构,根据其数据特性自适应划分簇。通过自动调整超参数,该算法能够有效处理不同参数分布的脉冲描述字(pulse description word,PDW)数据。仿真实验表明,在无先验知识依赖情况下,所提算法在雷达信号的分选准确率和抗干扰能力方面均优于传统方法,干扰脉冲比例不高于60%的复杂电磁环境中雷达信号分选准确率达到98%以上。; 嵇志康周子楠李煊鹏; 关键词：信号分选密度聚类参数自适应

一种基于正态云模型和密度聚类算法的典型负荷曲线辨识方法: 本发明公开了一种基于正态云模型和密度聚类算法的典型负荷曲线辨识方法。本发明方法首先考虑不同时刻或用户的用电不确定性，采用分段云近似算法建立负荷曲线的分段特征模型；然后，基于云间近似面积度量曲线间的特征相似度，挖掘曲线的局...; 卢峰崔雪原王韵楚刘晟源林振智杨莉马愿谦章天晗陈昌铭张智邱伟强

基于密度聚类算法和广度优先搜索算法的道岔摩擦电流智能分析系统: 2024年; [目的]现场的道岔摩擦电流测试与调整存在流程繁琐且风险高、对检修人员专业水平要求高、测定数值的主观性占比大3个弊端,为此需要基于各类智能算法及技术提升道岔的智能运维水平。[方法]分析了道岔摩擦电流测试曲线4个阶段的特征,提出建立道岔摩擦电流的智能分析系统。阐述了该系统的功能及工作原理,设定了该系统的摩擦电流标准值及阈值范围。该系统可基于密度聚类算法和广度优先搜索算法自动获取道岔摩擦电流值。介绍了该系统的调试界面截图,以说明系统在获取道岔摩擦电流值如何为现场检修人员提供操作建议。[结果及结论]该智能系统具有良好的可用性,实现了节约检修时间、降低维护成本和提高检修效率的既定目的。; 邱晓莉韩思远熊庆熊庆; 关键词：道岔转辙机密度聚类算法广度优先搜索算法

面向密度差异数据的多密度聚类算法研究: 多密度聚类一直是机器学习领域具有挑战性的研究课题之一,因其可解释性强、易于可视化的特点,被广泛应用于生物信息学、图像处理、社交网络分析等领域。密度差异数据是指样本间距离较近却存在明显密度差异的数据分布情况,其广泛存在于真...; 钟行正; 关键词：谱聚类层次聚类

基于Spark的并行密度聚类算法的研究及应用: 随着信息的迅速发展和进步,大数据时代已经来临。随着大数据的出现,数据分析技术正在现代化,以应对新的挑战。聚类分析作为一种常用的数据分析技术,被广泛应用于数据挖掘、机器学习和模式识别等领域。其中,密度聚类算法,作为一种能够...; 曾鸿斌; 关键词：DBSCAN SPARK 密度聚类数据分区

基于密度聚类算法的海量电子通信数据加密存储方法: 2024年; 常规的电子通信数据加密存储以加密安全性为主,密钥、索引较大,不仅增加了加密解密的时间,还增加了存储负担,影响通信质量。因此,设计了基于密度聚类算法的海量电子通信数据加密存储方法。建立电子通信数据加密存储索引,管理加密存储数据,快速定位并检索加密存储后的电子通信数据,从而满足数据访问需求。基于密度聚类算法构建数据加密存储机制,对海量电子通信数据进行聚类分析,将相似性质的数据划分为不同的聚类簇,确保加密存储的安全性。协商海量电子通信数据加密存储密钥,在通信双方建立共享密钥,定期更新密钥,有效地预防海量电子通信数据受到的潜在安全威胁。采用对比实验,验证了该方法的加密存储效果更佳,能够应用于实际生活中。; 闵小翠; 关键词：密度聚类算法加密存储方法

基于改进粒子群的密度聚类算法混合矩阵估计被引量：1: 2024年; 针对混合矩阵估计算法中传统的噪声环境下基于密度的空间聚类(density-based spatial clustering of applications with noise,DBSCAN)算法需要人为设定邻域半径以及核心点数这一问题,提出双约束粒子群优化(double constrained particle swarm optimization,DCPSO)算法,对DBSCAN算法的邻域半径参数进行寻优,将得到的最优参数作为DBSCAN算法的参数输入,然后计算聚类中心,完成混合矩阵估计。针对基于距离排序的源信号数目估计算法存在依靠经验参数的选取且不具备噪声点剔除能力的问题,提出了最大距离排序算法。实验结果表明,所提算法较相应的对比算法皆有提升,源信号数目估计准确率较原算法提高近40%,混合矩阵估计的误差较对比算法提升3 dB以上,且所提算法在收敛速度上优于原算法。; 刘成浩张晓林孙溶辰李铭; 关键词：欠定盲源分离粒子群优化

基于深度特征密度聚类算法的视觉模式挖掘研究: 2024年; 为提高图像的分类精度和对视觉模式进行有效挖掘,对深度特征密度聚类算法(DNN-FDC算法)进行了改进,提出了一种基于频繁性和判别性的特征密度聚类算法(DNN-JFDC算法).该算法通过注意力机制对目标图像中最具判别性的区域进行定位,采用分类任务对具有判别性的目标图像进行定位,并利用图像的多尺度特征信息与底层特征信息,提高图像识别精度.研究表明:DNN-FDC算法的分类精度为0.994,而DNN-JFDC算法的分类精度和F1分数(均为0.997)比DNN-FDC算法的分类精度和F1分数分别高14.43%和8.22%.这表明,DNN-JFDC算法具有较高的分类精度,可有效挖掘良好的视觉模式.研究结果可为同类问题的解决提供借鉴与参考.; 张芳; 关键词：密度聚类算法图像处理

基于自适应邻域和子簇融合的密度聚类算法: 密度峰值聚类算法(DPC)是一种非参数的数据聚类方法,它将数据集中的对象划分为不同的簇,使得同一个簇内部的样本相似度高,而不同簇之间的样本相似度低。由于密度峰值聚类算法能适应不同形状数据集,并且算法较简单,在聚类分析中展...; 石雅宁; 关键词：自适应邻域

相关作者