随机种子最近邻居搜索聚类算法研究

提出了随机种子最近邻居搜索(RS-NNS)聚类算法,该算法从随机确定的种子开始沿着它最近邻居的方向搜索具有最大相似特征的邻居对象,形成局部最大聚类集合,并在搜索过程中动态调整数据对象的归属,以实现局部的最优分配,直到所有的数据对象完成聚类标识。经过验证,该算法可以适应数据集合的密度、形状、噪音、聚类个数等问题,并且相对于同类算法可以实现较快地优化搜索。     

坠物撞击海底管道损伤的BP神经网络预测模型

为预测坠物撞击饱和黏土海床上海底管道的损伤，建立了坠物撞击下饱和黏土海床与海底管道相互作用的动力有限元模型，结合海底管道实际工作条件的变化范围，分析坠物撞击能量、管道直径、壁厚、钢材等级、内压、海床土不排水抗剪强度6个参数对海底管道损伤的影响规律，将6个参数作为输入层参数，以管道损伤作为输出参数，将数值模拟结果作为训练样本，通过学习和训练构建形成了海底管道损伤预测的BP神经网络模型。研究结果表明：坠物撞击能量越大，管道损伤越大，管道损伤增长速率随坠物撞击能量的增大而趋缓；管道直径、壁厚、内压、管道屈服强度增加，管道损伤减小；饱和黏土海床不排水抗剪强度越大，管道损伤越大。建立的海底管道损伤BP神经网络预测模型，仅需要坠物撞击能量、管道直径、壁厚、钢材等级、内压和海床土不排水抗剪强度6个参数，模型简单、便捷，能够较好地预测饱和黏土海床海底管道受坠物撞击的损伤，数值算例涵盖了常见饱和黏土海床海底管道的工作条件，具有很好的适用性，为海底管道损伤预测提供了新思路。     

利用局部集聚特性的聚类算法的研究

基于SNN相似性和密度的聚类算法是当前主要的无监督聚类方法之一,该类算法在发现不同大小形状簇的聚类过程中都取得了较好的结果。但是该类算法也存在局限性,如Jarvis-Pat-rick算法通过单连结的方式发现簇,可能分割真正的簇或者合并应该保持分离的簇,而SNN密度类算法的Eps,MinPts参数的确定对用户来说是比较困难的。针对该类问题,本文对聚类过程中的局部集聚特征进行了分析和定义,提出了利用数据的局部集聚特征来控制聚类过程的的聚类算法。通过验证,该算法对发现不同密度以及任意形状的数据集合的聚类分析问题是有效的,突出了数据分析的局部集聚特征,改进了数据聚类的质量。