基于ICESat-2/ATLAS数据的近海岸水深提取

水深是表征海洋浅水和海岸环境的重要地形要素,光子计数激光雷达可穿透一定深度的水体,为水深信息提取提供可靠的数据支持。以我国南海岛礁为例,利用目前唯一在轨的星载光子计数激光雷达-ICESat-2/ATLAS数据开展岛礁浅水水深提取及精度评价研究。首先根据置信度参数对原始光子数据进行粗去噪,基于点密度分布差异分离水面和水底光子;然后对水面光子采用区间估计方法精去噪,利用RANSAC算法拟合水面高程;通过改进滤波参数,基于改进OPTICS算法对水底光子进行两次聚类,实现水底光子的精去噪,进而通过折射校正和潮汐校正提取近岸水深;最后利用机载LiDAR测深数据进行验证。实验结果表明,与ATL03高置信度光子数据和AVEBM去噪结果相比,该精去噪算法具有更高的F值,分别提高了约5.87%和3.38%;水深提取结果与机载测深数据的R~2为0.91,均方根误差RMSE为0.53m。     

一种改进的基于密度聚类的支持向量机

运用OPTICS算法能发现任意形状的聚类,且对输入参数不敏感的优势,提出一种基于OPTICS密度聚类的支持向量机算法,通过对原始数据进行预处理,利用可达图得到约简样本代替原始训练样本用支持向量机进行训练,降低了SVM训练所需的时间及空间复杂度.实验表明,该方法在保持分类精度的同时,大大缩短了训练时间,提高了分类效率.     

基于密度优化的KNN算法的研究

通过对样本网页文本的影响因子特征提取,构建向量空间模型,同时利用OPTICS算法密度无关性,改进了KNN算法.实验表明,该算法增强了结果的稳定性,并产生质量较高的聚类结果.     

一种基于密度的聚类算法实现

基于密度的聚类算法OPTICS是一种大规模数据库的聚类算法,它是基于核心对象和可达距离来实现的.对于每一个核心对象将其邻域内的所有对象按到该核心对象的可达距离进行排序,每次都选择1个到该核心对象具有最小的可达距离的对象进行信息更新.算法实现采用优先队列保存候选对象以加快处理速度,最后用UCI数据集对算法进行聚类效果测试,结果表明OPTICS算法对数据集产生一个基于密度的簇排序结构.     

有旋转对称磁场时C≠0的高斯光学性质

证明了Ｃ≠０时与Ｃ＝０时的高斯象点是相同的．指出物在旋转对称的磁场内可以成象，但不 存在焦点．     

基于OPTICS算法的变异体约简技术

为了降低变异测试的计算代价,提出了一种基于OPTICS算法的变异体约简方法。首先利用OPTICS算法对变异体进行聚类,让相似的变异体在同一类簇中,然后从每个类簇中随机选取一个变异体作为代表,与其余离散的变异体组成新的变异体集合,从而达到约简变异体数量的目的。为了验证算法的效果,选择一组常用的被测程序进行实验,并和K-means算法进行比较。实验结果表明,该方法在不降低变异充分度的情况下取得了良好的约简效果,有效地减少了变异体的数量,从而降低了变异测试所产生的计算代价。     

基于特征组合分析的主泵异常检测方法

为了解决传统阈值法在核电站主泵状态数据异常检测中的误判、实时性差等问题,提出一种基于单维状态数据特征分析和多维状态数据特征分析相结合的方法。对于单维状态参量,使用AR(auto regressive)模型拟合获得模型参数,再结合SOM(self organizing maps)神经网络的量化结果得到单维状态参量随时间变化的过渡概率序列;对于多维状态参量,使用OPTICS(ordering points to identify the clustering structure)算法聚类生成不同的模式组;然后根据两类特征提取结果综合分析,得到异常检测模型;最后将检测模型应用于主泵状态数据异常检测,并与其他方法进行比较。实验结果表明此模型在准确性、实时性上更具优势。