一种基于密度的网格动态聚类算法的研究

聚类算法是数据挖掘领域中一个非常重要的研究方向.至今为止人们已经提出了许多适用于大规模的、高维的数据库的聚类算法.基于密度的聚类算法是其中一个比较典型的研究方向,文中以DBSCAN为基础,提出一种基于密度的网格动态聚类算法.新算法将网格的原理运用到基于密度的聚类算法中,并采用了动态的参数法,能自动根据数据的分布情况进行必要的参数更改,有效减少DBSCAN对初始参数的敏感度,从而提高了聚类的效率和效果,降低了算法I/O的开销.算法不仅能挖掘出各种形状的聚类,并能准确的挖掘出数据集中突出的聚类.     

一种新的WIMAX标准LDPC码的软判决译码算法

WIMAX标准下的LDPC码采用准循环编码方式,其译码多为和积(SP)译码算法。为了进一步降低译码复杂度,通过大量仿真分析获得最优乘性因子的值,并推导出近似线性公式,提出了一种改进型的归一化最小和(MNMS)算法。在此基础上,与校验节点匹配(CNM)算法相结合,进一步提高译码性能。仿真结果表明,这种新算法相比归一化最小和(NMS)算法、抵消最小和(OMS)算法、校验节点匹配(CNM)算法,其译码性能有明显改善,性能几乎接近和积(SP)译码算法。     

求真务实是军营廉政建设的首要标准

廉生明、公生威,廉洁勤政是所有公职人员的基本道德要求和行为准则。军人作为特殊的公职群体,更需要通过大兴廉政之风育健康肌体、树威武形象、扬浩然正气,因此军营廉政举足轻重。而军营廉政首要的就是求真务实。文中通过对求真务实的必要性和重要性的分析,结合我军发展的历史和现实,说明军营廉政建设应以求真务实为首要标准,以军队战斗力的提高为最终目标,为忠实履行历史使命提供强大动力和有力支持。     

FT－时间频率标准装置的误差来源及其测量

本文主要分析了自行研制的ＦＴ－时间频率标准装置各组成部分的误差来源以及这些误差的测量．     

结合冠层密度的森林净初级生产力遥感估测

【目的】 森林冠层密度与林分年龄、植被生长状况有关,在区域森林净初级生产力遥感估测中,结合森林冠层密度以期提高估测精度。【方法】 以广东省韶关市为研究对象,选用2017年Landsat-8 OLI影像、2017年357块森林资源连续清查固定样地数据为主要信息源,分别采用随机森林、多元线性回归、人工神经网络和K最近邻分类法等4种模型,结合森林冠层密度制图器(FCD)进行区域森林净初级生产力特征变量的选取、参数建模、模型精度评价和森林净初级生产力空间制图。【结果】 特征变量中,红光波段(B4)、归一化植被指数(NDVI)、比值植被指数(RVI)、叶面积指数(LAI)、缨帽变换土壤植被因子、纹理特征和地形特征在森林净初级生产力反演中有重要作用。将森林冠层密度因子加入反演模型后,4种遥感估测模型精度均有大幅度提高。对4种遥感估测模型进行性能比较,随机森林模型精度最高,其次是多元线性回归模型、人工神经网络模型,K-最近邻分类模型精度最低。研究区内森林净初级生产力平均值为10.689 t/(hm²·a),高森林净初级生产力 [≥18 t/(hm²·a)]林分面积仅占研究区的19.61%,主要分布在海拔较高的西北部。【结论】 结合冠层密度进行森林净初级生产力的建模,可有效提高模型估测精度。     

一种新的密度加权粗糙K-均值聚类算法

为了克服粗糙K-均值聚类算法初始聚类中心点随机选取,以及样本密度函数定义所存在的缺陷,基于数据对象所在区域的样本点密集程度,定义了新的样本密度函数,选择相互距离最远的K个高密度样本点作为初始聚类中心,克服了现有粗糙K-均值聚类算法的初始中心随机选取的缺点,从而使得聚类结果更接近于全局最优解。同时在类均值计算中,对每个样本根据定义的密度赋以不同的权重,得到不受噪音点影响的更合理的质心。利用UCI机器学习数据库的6组数据集,以及随机生成的带有噪音点的人工模拟数据集进行测试,证明本文算法具有更好的聚类效果,而且对噪音数据有很强的抗干扰性能。     

70种单质标准熵的研究

用lgM、(lgM)2等分子参数为独立参量,通过回归方法建立数学模型来预测70种单质的标准熵[Sm0/(J.mol-1.K-1)],其回归方程为:Sm0=-5.056 20.704lgM 4.019(lgM)2,R=1.000.其预测结果表明该模型的原理简单,方法实用,结果可靠.     

城镇标准地块定量配置方法探讨

根据重庆市标定地价空间组织研究实践，提出城镇标准地块定量配置的技术路线为：以城镇土地定级成果为基础，以标准地块功能特征为依据，揭示城市中心结点土地级差空间组织规律，建立标准地块定量配置数学模型．运用该模型编制的重庆市九龙坡区标准地块定量配置方案能很好地起到地价控制点的作用．     

基于密度偏差抽样的聚类算法研究

随着网络的普及和信息量的急剧增加，从海量数据中提取有用的数据信息已迫在眉睫。在对已有的基于密度偏差抽样算法改进的基础上，提出了一种基于密度偏差抽样的聚类算法。实验表明，随着信息量.数据维数的增加，该算法聚类的正确率以及对数据的处理速度都要较传统的聚类算法有所提高。     

一种基于局部密度的k-means算法

针对k-means算法必须事先指定初始聚类数k,并且对初始聚类中心点比较敏感,聚类准则函数对求解的最优聚类数评价不理想,提出一种基于局部密度的启发式生成初始聚类中心方法,在此基础上设计一种准则函数自动生成聚类数目,改进了传统k-means算法.实验表明改进的算法比传统k-means算法提高了聚类效率.     

Self-Expanded Clustering Algorithm Based on Density Units with Evaluation Feedback Section

This paper presents an effective clustering mode and a novel clustering result evaluating mode. Clustering mode has two limited integral parameters. Evaluating mode evaluates clustering results and gives each a mark. The higher mark the clustering result gains, the higher quality it has. By organizing two modes in different ways, we can build two clustering algorithms： SECDU（Self-Expanded Clustering Algorithm based on Density Units） and SECDUF（Self-Expanded Clustering Algorithm Based on Density Units with Evaluation Feedback Section）. SECDU enumerates all value pairs of two parameters of clustering mode to process data set repeatedly and evaluates every clustering result by evaluating mode. Then SECDU output the clustering result that has the highest evaluating mark among all the ones. By applying ＂hill-climbing algorithm＂, SECDUF improves clustering efficiency greatly. Data sets that have different distribution features can be well adapted to both algorithms. SECDU and SECDUF can output high-quality clustering results. SECDUF tunes parameters of clustering mode automatically and no man＇s action involves through the whole process. In addition, SECDUF has a high clustering performance.     

液化天然气翻滚临界密度差的数值研究

液化天然气(liquefied natural gas, LNG)在充装和储运过程中,密度差分层现象易导致翻滚行为,对LNG储罐安全造成极大威胁。当初始密度差小于临界密度差时,储罐内相邻两层LNG的混合过程较平稳;当初始密度差大于临界密度差时,LNG翻滚强度显著增大,混合过程趋于剧烈。因此,研究不同罐容储罐的翻滚现象与临界密度差之间的联系尤为重要。采用商业数值软件FLUENT分别对5 000、10 000、30 000、50 000、80 000、100 000、120 000、160 000 m³储罐内分层LNG的翻滚现象进行数值分析,获得多罐容LNG储罐内的翻滚现象随初始密度差的变化规律,并确定各罐容的临界密度差范围。研究发现：LNG翻滚流速随着分层初始密度差的增加而增加,初始密度差是影响LNG翻滚的直接原因;同时,LNG翻滚的最大速度与初始密度差呈线性关系,即：当初始密度差越大,翻滚时最大速度越大,表征翻滚越剧烈,该线性关系式中的系数并非定值,其大小与储罐高度和直径等尺寸参数相关;此外,LNG发生翻滚时存在临界密度差,与储罐直径满足二次方函数关系,临界密度差...     

链烃标准熵的边价拓扑研究

由顶点i与j形成边k的特征值(δ_k)：δ_k=4.96/(χ_p,i+χ_p,j),链烃中边j的边价δ^V_j定义为与边j相邻边的δ_k值之和。在分子图的邻接矩阵基础上,定义新的边价连接性指数（^mF′）及其逆指数（^mF′）。使用其中的⁰F,¹F,⁰F′,¹F′与228种链烃（含157种链烷烃,71种不饱和烃）标准熵(S_m^Θ)的复相关因数为0.999,计算值与实验值基本吻合。优于Thinh基团加和法的估算结果。     

The study of the law of the space density distribution of Ag－Ultrafine particles

ＴｈｅｓｔｕｄｙｏｎｔｈｅｓｐａｃｅｄｅｎｓｉｔｙｄｉｓｔｒｉｂｕｔｉｏｎｏｆＡｇ－ＵｌｔｒａｆｉｎｅｐａｒｔｉｃｌｅｓＤｅｎｇＺｈａｏｊｉｎｇ，ＬｉａｎｇＹｉｐｉｎｇ，ＬｉＪｉａｎ，ＲｅｎＨｏｎｇｘｉａｎｇ（ＤｅｐａｒｔｍｅｎｔｏｆＰｈｙｓｉｃｓ，...     

上海市高架道路车辆密度与污染物浓度的实测研究

通过对上海市高架道路上车辆的车速、流量进行实测统计,计算出最大的车流量和最佳车速．并对高架道路上的空气污染物进行分析,研究了车辆密度与流量、车速和污染物之间的关系．结果表明,通过降低车密度,不但提高了通行效率,缓解了交通堵塞,而且还减少了高架道路上的空气污染．     

标准乘积代数上的一种逻辑拓扑结构

在标准乘积代数[0,1]上引入了一个逻辑度量ρ,详细讨论了其性质;并对度量空间([0,1]ρ)的结构及其性质进行了详细的讨论,得到一些好的结果。     

基于高斯混合密度模型的医学图像聚类方法

研究了医学图像的聚类问题,提出一种基于高斯混合密度模型的K-EM聚类算法,并将此算法用于人体腹部图像数据,实现肝、肾、脾等主要器官的分类.在算法中,随机选取腹部图像像素数据,用QAIC信息准则确定训练样本的最佳类别数;用K均值聚类算法得到混合模型的初始参数;用期望最大(EM)算法多次迭代建立腹部图像数据的混合密度模型;运用贝叶斯准则,将腹部图像所有像素值划分到混合模型中相应的模型分支,得到每个器官像素值划分的正确率与误判率.试验结果表明,新算法分类的平均正确率高于85%、误判率低于10%,优于K均值算法.     

基于概率密度函数的低复杂度盲均衡算法

为降低基于Parzen窗随机盲均衡(SQD)算法在传输信号采用高频带利用率QAM信号时的计算复杂度,提出一种低复杂度SQD算法(LCSQD).将判决区域从整个星座修改为一个以均衡器输出为圆心,半径为可调的圆,计算量较少,并且不会随QAM阶数的增加而增加.采用16QAM和64QAM调制信号测试了不同判决半径时LCSQD算法的性能.结果表明,两种算法的稳态剩余ISI相接近时,LCSQD算法的收敛速度快于SQD算法.     

大学生身高体重测评结果比较研究

对陕西理工学院2008—2012年参加体质测试的全体非体育专业本专科学生24 099人的身高和体重数据用3种方法处理,分别按照《学生体质健康标准(试行方案)》、BMI、克托莱法有关评价标准进行对比分析。发现采用《标准》进行评价时,男生和女生中体重偏低者比例偏大;采用克托莱法评价时,男生克托莱指数数值频数呈明显的偏态分布,女生频数呈正态分布;采用BMI法无论是男生或是女生,其评价结果都符合统计学规律,分布合理。     

大豆属植物根的初生结构及系统演化

利用光学显微技术对大豆属植物根的初生结构进行了比较解剖学研究。结果表明：内皮层都具有凯氏带，幼根均具有明显的髓，初生木质部均为外始式四原型；根的直径逐渐增粗，皮层细胞层数逐渐增多，野生大豆结构较原始，栽培大豆进化。