公共文化服务平台

搜索到867篇“ DBSCAN算法“的相关文章

基于DBSCAN算法的改进 RRT-Connect 路径规划研究: 2025年; 针对双向快速扩展随机树(RRT-Connect)算法收敛速度慢、路径搜索效率低、路径曲折的问题,提出了一种基于DBSCAN算法的改进RRT-Connect算法。在RRT-Connect算法基础上加入节点引力场引导新节点产生方向,使收敛速度变快;同时通过引入椭圆采样方法,缩小采样范围,提高路径规划效率;最后在改进RRT-Connect的基础上引入DBSCAN聚类算法,使得到的规划路径更加平滑可靠,增强算法的鲁棒性。为了验证改进后的算法优化效果,分别在不同环境中与RRT算法、RRT-Connect算法进行仿真比较。仿真实验表明,改进后的RRT-Connect算法路径规划效果均要优于其他两种算法,不仅加快了路径规划速度,而且得到的路径接近最优解,具有普遍适用性、鲁棒性高等特点。; 李刘洋王可庆焦思韬周奇; 关键词：DBSCAN算法引力场路径规划

一种基于DBSCAN算法的规则匹配方法及装置: 本申请提供了一种基于DBSCAN算法的规则匹配方法及装置，涉及数据处理技术领域。在执行所述方法时，先获取批量数据，再将规则指标作为标准点加入到批量数据中，得到处理后的批量数据，接着，利用DBSCAN算法对处理后的批量数据...; 周梦伟

一种基于自适应DBSCAN算法的雷达未知干扰聚类方法: 本发明公开了一种基于自适应DBSCAN算法的雷达未知干扰聚类方法，本发明对传统的DBSCAN算法进行改进，在确定最大半径时，基于预设最小点数和核心点与其对应的数据点的距离，对该核心点对应的最大半径进行更新，得到更新最大半...; 朱圣棋关中意徐骏浩兰岚李西敏

一种基于能量的邻近度和DBSCAN算法的低功耗路由控制方法: 本发明公开了一种基于能量的邻近度和DBSCAN算法的低功耗路由控制方法，可以减少能量的消耗，从而延长网络的寿命。具体的步骤为：首先，通过基于密度的DBSCAN算法对传感器节点进行分簇。然后，使用关于能量的共享邻近度重新定...; 许瀚云

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算法被引量：1: 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

相关作者