DBSCAN算法在雷达全脉冲信号分选中的应用

对雷达辐射源信号进行准确分选是电子对抗情报分析的基础性问题,聚类是进行全脉冲分选的一种有效的方法。基于密度聚类的DBSCAN算法具有抗噪声性能好,能处理任意形状和大小的数据的优点,适合全脉冲信号的数据特征。文章应用DBSCAN算法对雷达全脉冲信号分选进行了研究,仿真结果证明该方法简单有效。     

基于ELM与DBSCAN的微电网不良数据检测方法

不良数据检测可以为微电网运行决策提供可靠的数据依据。由于微电网运行模式切换频繁且系统解析模型难以建立,传统基于状态估计的不良数据检测方法尚未得以应用。文章利用极限学习机(ELM)对微电网历史数据进行学习以提取数据特征;进而利用DBSCAN聚类算法分析特征量以识别不良数据,提出了一种基于ELM和DBSCAN的微电网不良数据检测方法。利用一台四端环形直流微电网样机的历史运行数据构建仿真算例,验证了所提方法的有效性;并与多种常用的数据挖掘算法进行对比,结果表明ELM+DBSCAN在算法性能与检测效果上均具有优越性。     

一种改进的DBSCAN算法及其应用

对网络流量等大规模数据,基于密度的DBSCAN聚类算法收敛时间过长、对某些流量聚类效果欠佳。在基于隐马尔科夫模型（Hidden Markov Model,HMM）的流量识别研究背景下,提出一种改进的DBSCAN算法,从减少每次区域查询次数及查询时间两方面提高算法的时间效率和准确率。并创新性地采用分治策略将新算法应用于自动构建网络协议的HMM模型。实验结果表明,改进的DBSCAN算法在保证聚类准确率的同时大大提高了时间效率,并能通过对网络流数据包进行聚类,正确完成网络协议HMM模型的自动建模。     

基于历史运行数据的风电机组风向标测量误差校准方法

为消除风电机组风向标测量误差对偏航控制精度的影响,减少因偏航误差过大造成的发电量损失,提出基于历史运行数据的风向标测量误差校准方法。首先采用改进的DBSCAN聚类算法清洗数据样本,然后通过消除多余影响因素、双调和样条插值及发电性能量化等分析方法辨识出风向标的测量误差,最后根据辨识结果对偏航控制系统零位参数进行修正。现场实验表明,该方法能够有效校准风向标的测量误差、提升机组的发电性能,风向标测量误差大于3°时,校正后风电机组的理论年发电量能够提升1%以上。     

基于聚类和局部线性回归的初至波自动拾取算法

初至波拾取是地震数据处理中的关键步骤,会直接影响动校正、静校正和速度分析等的精度.目前,现有的算法受到背景噪声和复杂近地表条件的影响时拾取精度会降低.基于此,提出基于聚类和局部线性回归的初至波自动拾取算法(FPCL).该算法由预拾取和微调两个阶段来实现.预拾取阶段先基于k均值(k-means)技术找到初至波簇,再利用基...     

基于改进密度聚类法的高压加热器传热系数研究

为了及时发现并处理高压加热器运行经济性失常,采用传热系数直观地反映高压加热器的运行效率,提出基于时序数据分析方法得到传热系数的在线动态模型。首先通过热动力学机理分析得到影响高压加热器传热系数的主要特征参数并建立基于特征参数的动态模型;其次,通过蜻蜓算法改进的密度聚类方法构建具有最优邻域参数的优化聚类模型,得到可信端差区间。通过一段时间的某电厂的计算结果比较表明,基于改进密度聚类法的传热系数在线动态模型在计算高压加热器传热系数时均方误差MSE低至0.030 5％,说明该模型有效、可行。     

基于网格区域化DBSCAN聚类的数字PCR液滴分类方法

针对数字PCR系统的配套软件缺少多重实验液滴分类功能的不足,提出了一种网格区域化DBSCAN聚类算法.首先对数据进行网格映射,建立网格索引;然后计算网格间权值并进行深度搜索扩张;最后将网格空间的聚类结果映射回数据空间.人工数据集的仿真实验表明,所提算法能够有效识别簇边缘区域且具有优良的运行效率.在此基础上,提出了基于网格区域化DBSCAN聚类的数字PCR液滴分类方法,经由对比实验及有效性测试,结果表明所提方法能够便捷、准确地进行液滴分类.可见所提方法适用于数字PCR液滴分类.     

Efficient resource prediction framework for software-defined heterogeneous radio environmental infrastructures

Artificial Intelligence (AI) is defining the future of next-generation infrastructures as proactive and data-driven systems. AI-empowered radio systems are replacing the existing command and control radio networks due to their intelligence and capabilities to adapt to the radio environmental infrastructures that include intelligent networks, smart cities and AV/VR enabled factory premises or localities. An efficient resource prediction framework (ERPF) is proposed to provide proactive knowledge about the availability of radio resources in such software-defined heterogeneous radio environmental infrastructures (SD-HREIs). That prior information enables the coexistence of radio users in SD-HREIs. In a proposed framework, the radio activity is measured in both the unlicensed bands that include 2.4 and 5 GHz, respectively. The clustering algorithms k- means and DBSCAN are implemented to segregate the already measured radioactivity as signal (radio occupancy) and noise (radio opportunity). Machine learning techniques CNN and LRN are then trained and tested using the segregated data to predict the radio occupancy and radio opportunity in SD-HREIs. Finally, the performance of CNN and LRN is validated using the cross-validation metrics.     

分类算法及其在电信客户保持的应用

由于电信市场竞争日益激烈,为了保持客户,防止客户流失,提升企业的竞争力,利用DBSCAN算法对流失客户群数据进行划分,分析客户流失原因,结合决策树ID3算法进行客户流失预测,实验结果表明,两种算法的结合,使得客户流失预测准确率得到较大提高.     

基于GRU自编码器的船舶航线提取

船舶自动识别系统(automatic identification system, AIS)数据中蕴含着大量的船舶行为相关信息,从中提取出有效的航线,在海事监管、船只勘查等方面具有广泛应用。本文提出一种基于GRU自编码器(gate recuurent unit auto-encoder,GRU-AE)的船舶航线提取方法,首先采用GRU编码器将原始轨迹数据编码为统一格式的深度特征信息,其次利用DBSCAN (density-based spatial clustering of applications with noise)算法对深度特征信息进行聚类,最后将深度特征类簇中心通过解码器反演生成相应的船舶航线,从而实现在海量AIS数据中挖掘船舶轨迹规律。以波士顿港口为例,分析一年时间内10万多条AIS的船舶航行数据,实验表明本方法可对不同长度轨迹数据进行聚类及其航线提取,并可支撑船舶轨迹异常检测、路径规划、位置预测等研究,具有较好的应用适应性。