自适应聚类中心策略优化的密度峰值聚类算法

密度峰值聚类算法（DPC）是一种简单高效的无监督聚类算法,能够快速找到聚类中心完成聚类。该算法通过截断距离定义局部密度未考虑样本点的空间分布特征;通过决策图选择聚类中心点,具有较强人为主观性;在分配样本点时采用单一分配策略,易产生连带错误。因此提出一种自适应聚类中心策略优化的密度峰值聚类算法（ADPC）,采用共享近邻定义两点之间的相似性度量,重新定义了局部密度,使局部密度反应样本间的空间分布特征;通过相邻点之间斜率差分确定样本密度ρ与相对距离δ的乘积γ值的“拐点”,并对γ进行幂函数变换,以提高潜在聚类中心与非聚类中心的区分度,利用决策函数确定潜在的聚类中心,再通过潜在聚类中心之间距离均值自适应确定真实聚类中心;优化了非聚类中心点的分配策略。通过在UCI以及人工数据集上进行实验,该算法都可以自适应准确选定聚类中心,且在一定程度上提高了聚类性能。     

小型会议室夏季空调气流组织及热舒适性研究

利用计算流体力学的方法，通过Airpak软件对3种气流组织形式（同侧送排风、异侧送排风和置换通风）下小型会议室夏季室内热环境进行数值模拟，得到不同气流组织形式下的室内温度、速度、PMV值和PPD值分布，对比分析不同气流组织的人员热舒适性。结果显示：室内供冷工况下，会议室采用置换通风形式满足的热舒适等级更高，且室内的气流速度波动较小，能够较好地满足人体热舒适要求，是理想的气流组织形式。