共查询到20条相似文献,搜索用时 468 毫秒
1.
经研究发现现有聚类分析算法普遍存在聚类盲目性,而这又直接影响着聚类的质量。针对这一问题,本文以Parks距离算法为例,提出了一种改良的Parks聚类分析距离算法,并将此距离算法应用在船舶装配产品归类中。通过对改良前后算法的比较,验证了新算法的优越性。 相似文献
2.
对模糊聚类分析算法进行研究,在模糊C-均值算法的基础上加以改进,形成二阶段模糊C-均值算法,使其对Iris数据聚类,研究表明,二阶段的模糊C-均值算法比模糊一算法性能优越 相似文献
3.
4.
基于层次聚类算法,提出一种聚集式聚类模型及其算法,实现了分布式异构数据库的聚类分析。该方法使网络传输数据量显著减少,并大大提高聚类效率。 相似文献
5.
改进的Parks聚类分析距离算法 总被引:1,自引:0,他引:1
经研究发现现有聚类分析算法普遍存在聚类盲目性,而这又直接影响着聚类的质量.针对这一问题,本文以Parks距离算法为例,提出了一种改良的Parks聚类分析距离算法,并将此距离算法应用在船舶装配产品归类中.通过对改良前后算法的比较,验证了新算法的优越性. 相似文献
6.
一种基于遗传算法的模糊聚类算法及其与FCM算法的结合 总被引:8,自引:0,他引:8
在各种糊聚类算法中,模糊C-均值聚类算法FCM(Fuzzy C-Mean Clustering Algorithm)的应用最为广泛.但在实际的应用中,FCM算法却容易陷入局部最优解.因此,本文首先提出了一种基于遗传算法GA(Genetic Algorithm )的模糊聚类分析方法,它利用了遗传算法随机搜索的特点,可以避免陷入局部最优解.实验表明,将该遗传算法与FCM算法结合起来进行聚类分析,比单一使用遗传算法或单一使用FCM算法进行聚类分析的效果都要好. 相似文献
7.
一种基于遗传算法的模糊聚类算法及基与FCM算法的结合 总被引:3,自引:0,他引:3
在各种糊聚类算法中,模糊C-均值聚类算法FCM(Fuzzy C-Mean Clustering Algorithm)的应用最为广泛。但在实际的应用中,FCM算法却容易陷入局部最优解。因此,本文首先提出了一种基于遗传算法GA(Genetic Algorithm)的模糊聚类分析方法,它利用了遗传算法随机搜索的特点,可以避免陷入局部最优解。实验表明,将该遗传算法与FCM算法结合起来进行聚类分析,比单一使用遗传算法或单一使用FCM算法进行聚类分析的效果都要好。 相似文献
8.
《舰船科学技术》2020,(6)
目前应用的舰船数据挖掘准确度较低,因此设计一种聚类分析算法的海上舰船数据挖掘。在数据挖掘中应用聚类分析算法,需要对数据进行预处理,得到文本数据特征向量集,利用模糊集体现近似关系,根据隶属度的取值将模糊聚类的思想演变为目标函数,将数据集按照目标函数,划分为具有较小差距的群组,初步得到数据挖掘结果,经过评估后,筛选出准确度最高的数据,作为数据挖掘的最终结果。至此完成了聚类分析算法的海上舰船数据挖掘的研究。通过实验表明,设计的数据挖掘准确度平均为92%,比传统的数据挖掘准确度高17.2%,验证了设计的聚类分析算法的海上舰船数据挖掘在提高挖掘准确度方面的可靠性。 相似文献
9.
《舰船科学技术》2021,(10)
由于船舶在海上航行时,受到海上信号强度的影响,使得障碍物识别系统响应速度变慢,识别精度降低,因此采用聚类分析算法对船舶障碍物进行自动识别。在分析船舶障碍物自动识别系统结构的基础上,设计系统的整体结构,并结合船舶障碍物信号处理器的内部结构,设计了船舶障碍物信号处理器,完成了系统的硬件设计。在此基础上,采用聚类分析算法提取障碍物识别算子,完成了对船舶障碍物完整性的判断,结合船舶障碍物识别流程,完成系统的软件设计,实现了对船舶障碍物的自动识别。试验结果表明,基于聚类分析算法的船舶障碍物自动识别系统不仅能有效地减少海上航行船舶的碰撞次数,降低系统的失误率,而且能提高识别的准确性。 相似文献
10.
聚集式聚类分析方法及其应用 总被引:1,自引:0,他引:1
基于层次聚类算法,提出一种聚集式聚类模型及其算法,实现了分布式异构数据库的聚类分析.该方法使网络传输数据量显著减少,并大大提高聚类效率. 相似文献
11.
12.
13.
为满足高效聚类大规模数据集的要求,该文提出一种基于k均值算法的并行聚类算法,该并行算法能使聚类时间随节点主机数目的增多,呈近似线性递减。为了更好地平衡检测率与误报率,文章又提出了基于平方误差最小的重定位算法,相比于李娜等人提出的算法,该重定位算法使检测率提升了5%,误报率降低了1.1%。实验结果表明,该文算法不但能够提高聚类效率,而且能够更加有效地检测出已知和未知攻击。 相似文献
14.
陆虎 《江苏科技大学学报(社会科学版)》2008,22(2):67-70
针对入侵检测数据集中存在大量冗余信息及传统聚类算法的效果不佳,提出了结合主成分分析与属性权重模糊聚类算法的入侵检测方法。该方法分为特征提取和模糊聚类两阶段,使用主成分分析进行特征提取、消除冗余属性;将经主成分分析后得到新成分的贡献率作为聚类算法中属性的权重值,实现了基于属性权重的模糊聚类。在KDD-CUP99数据集中的实验结果表明,该方法能有效地降低检测训练时间和提高检测正确率。 相似文献
15.
16.
船舶动力装置工作过程中会产生大量多域故障信号,通过收集、挖掘隐藏的关联信号,可以解决船舶动力装置在故障诊断中面临的诊断时长问题.文章采用K-均值聚类算法(K-means)对数据进行聚类,聚类结果输入BP神经网络进行模型训练,并在此基础上,设计了主成分分析法(PCA)对模型进行优化.结果 显示,2种算法都能有效降低网络诊... 相似文献
17.
基于区域模糊直方图的图像检索 总被引:2,自引:0,他引:2
将图像分割算法和模糊理论相结合,提出了基于区域模糊直方图的图像检索方法。用快速聚类算法对图像进行区域分块,以各区域的视觉特征为基础,建立图像模糊直方图并进行图像检索。在1000幅通用图像库上的实验表明,该方法可以得到比较满意的检索结果。 相似文献
18.
19.
Site selection is a key factor in any aquaculture operation, affecting both success and sustainability. Moreover, it can solve conflicts between different coastal activities, making a rational use of the coastal space. Geographical information systems (GIS) have become of increased significance for environmental planning and assessment mainly because of the need to compare a great number of spatially related data, and because it can be used to couple these spatial data with their attributes and overlay them. This study used GIS and related technology to build a spatial database using those criteria which were considered to have any influence in integrating marine fish-cage culture within the tourism industry in Tenerife. Criteria were grouped in three submodels (distance to beaches, nautical sports, and viewshed), which were combined to generate a final output showing the most suitable areas for cage culture development in coexistence with tourism. Most areas of the coastline of Tenerife were identified as being suitable (56%) or very suitable (46%), suggesting that marine cage aquaculture could be developed on the island in coexistence with the well-established tourism industry. 相似文献
20.
Clustering is one of the major data mining methods to obtain a number of clues about how the physical properties of the water
are distributed in a marine environment. It is a difficult problem, especially when we consider the task for spatial–temporal
marine data. This study introduces a new clustering algorithm to discover regions that have similar physical seawater characteristics.
In contrast to the existing density-based clustering algorithms, our algorithm has the ability of discovering clusters according
to the nonspatial, spatial, and temporal values of the objects. Our algorithm also overcomes three drawbacks of existing clustering
algorithms: problems in the identification of core objects, noise objects, and adjacent clusters. This paper also presents
a spatial–temporal marine data warehouse system designed for storing and clustering physical data from Turkish seas. Special
functions were developed for data integration, data conversion, querying, visualization, analysis, and management. User-friendly
interfaces were also developed, allowing relatively inexperienced users to operate the system. As a case study, we show the
spatial–temporal distributions of sea surface temperature, sea surface height residual, and significant wave height values
in Turkish seas to demonstrate our algorithm. 相似文献