IncSNN——一种基于密度的增量聚类算法

基于密度的聚类算法是一类重要的聚类算法,能发现任意形状的簇,但由于它的时间复杂度较高,因此设计有效的增量更新算法是一个重要研究方向.在SNN算法的基础上,提出一种基于密度的增量聚类算法-IncSNN.该算法将所更新对象的空间进行划分,定义了基于该划分的最近邻居的概念,进而确定了受影响对象的集合,当算法更新时,只需要对受影响的数据进行处理.由于受影响对象的集合远小于原数据集合,因此显著提高了算法的效率.实验结果验证了IncSNN的有效性.     

干混砌筑砂浆的配制技术

建筑砂浆是土木建筑工程中不可缺少的建筑材料,其用量之大使用范围之广仅次于混凝土。传统的砂浆是在工地现场由水泥、石灰膏和砂子混合加水搅拌而成。其缺点是：需要大面积的原材料堆场,配合比控制不准,因此,砂浆质量得不到有效保证,材料浪费严重,环保问题突出,严重影响建筑工程的质量和建筑功能。干混砂浆作为建材领域的一种新型绿色建筑材料,凭借其质量稳定、施工效益好、环保利废和大大改善施工环境等优势逐渐走上建筑工程的舞台。干混砂浆的开发与应用,是建筑业和建材业的一次新技术革命,是未来新材料新技术发展的一个主要方向。通过理论分析和试验研究了各种原材料在干混砂浆中的作用机理,提出了对各种基本组成材料的质量要求,优化设计出了普通干混砂浆的配合比,检验了各干混砂浆的稠度,保水性,抗压强度,粘结强度和抗渗等级等各种性能指标,论述了干混砂浆中各种成分对砂浆性能的影响,为普通干混砂浆的推广应用奠定了可靠的技术基础。     

ISNN:一种基于密度的高效增量聚类算法

目的提高算法效率，减少磁盘访问次数，提出一种基于密度的高效增量聚类算法ISNN．方法将更新对象的空间进行划分，定义了基于该划分的最近邻居概念，在此基础上应用一种剪枝策略来确定受影响对象的集合，数据更新时，只需要对受影响对象集合进行处理．结果受影响对象集合远小于原数据集合，显著地提高了算法效率．结论实验表明。ISNN在效率和磁盘访问次数上都显著优于SNN算法．     

交通网络中移动对象定点CRNN查询算法

目的在交通网络中实现移动对象的定点CRNN查询监控,确定受到定点影响的移动对象集合.方法根据交通网络的特征,定义网络中RNN的概念,采用PMR四叉树来索引交通网络结构,利用监控树来简化对网络上移动对象的计算判断和监控.结果测试显示该算法能够针对现实交通网络,实现定点CRNN的查询监控.结论实验表明,在移动对象和查询数量增大时,该算法显示出较好的伸缩性.     

一种新的基于密度的聚类与孤立点检测算法

目的 提出一种聚类分析的新算法，解决聚类和同时检测孤立点的问题．方法 结合SNN算法和LOF算法给出新算法-SNN_LOF算法原理：（1）建立相似度矩阵；（2）去除噪声；（3）密度；（4）标记核心点；（5）计算每个数据点的lrd值；（6）由核心对象出发来形成一个聚；（7）取出被作为噪声的数据点；（8）计算被定义为噪声数据的LOF值，输出被视为孤立点的数据点．编制算法程序实现聚类和孤立点检测．结果 用CURE数据集，DBSCAN聚类算法和SNN聚类算法结果相同，时间消耗是很接近的．但当数据上升到10000以上时，SNN_LOF算法聚类的效率明显要高于DBSCAN算法，同时也检测到了孤立点．结论 SNN_LOF算法可以在聚类的同时发现孤立点．在大数据量时，SNN_LOF算法的聚类时间效率明显要高于DBSCAN算法．