基于相对密度估计和多簇合并的密度峰值聚类算法

密度峰值聚类(DPC)算法是一种新颖的基于密度的聚类算法,其原理简单、运行效率高.但DPC算法的局部密度只考虑了样本之间的距离,忽略了样本所处的环境,导致算法对密度分布不均数据的聚类效果不理想;同时,样本分配过程易产生分配错误连带效应.针对上述问题,提出一种基于相对密度估计和多簇合并的密度峰值聚类(DPC-RD-MCM)算法. DPC-RD-MCM算法结合K近邻和相对密度思想,定义了相对K近邻的局部密度,以降低类簇疏密程度对类簇中心的影响,避免稀疏区域没有类簇中心;重新定义微簇间相似性度量准则,通过多簇合并策略得到最终聚类结果,避免分配错误连带效应.在密度分布不均数据集、复杂形态数据集和UCI数据集上,将DPC-RD-MCM算法与DPC及其改进算法进行对比,实验结果表明:DPC-RD-MCM算法能够在密度分布不均数据上获得十分优异的聚类效果,在复杂形态数据集和UCI数据集的聚类性能上高于对比算法.     

水电站导流泄洪洞水工模型试验研究

对导流泄洪洞进口段流速,进口段流态以及导流泄洪洞的泄流能力进行了科学性的测量和研究,为工程的安全和优化设计提供科学依据。本模型试验还利用观察到的现象及测得的数据对进口段体型进行了优化修改。     

水库虹吸式排沙管道吸泥头试验研究

在虹吸式排沙管道中＋吸泥头的结构型式、操作方式对排沙效率的影响很大。本文通过水工模型试验分析在一定水头的作用下,五和型式吸泥头的吸沙效率,选择出一个最优吸泥头型式,为虹吸式排沙管道中吸泥头的选择提供科学依据。