一种基于密度和约束的数据流聚类算法

文章在传统聚类算法的基础上,提出了一种基于密度和约束的数据流聚类算法——C-DBDStream(Constraint and Density Based Clustering of Data Stream)。该算法使用数据流聚类在线和离线两阶段框架。在线聚类阶段使用衰减窗口模型,对数据流中的数据对象进行初步的聚类,应用约束条件生成微簇,并将实例级的约束扩展到了微簇级,并将结果以快照的形式保存下来为下一阶段做准备;离线聚类阶段则利用微簇级约束规则聚类,采用DBSCAN算法中的密度可达寻找密度连通区域以产生最终结果。经实验证明,与Clu Stream算法的对比中,C-DBDStream算法提高了聚类效果。     

机动车尾气和非尾气排放多环芳烃及其衍生物的影响因素研究进展

机动车尾气排放多环芳烃(PAHs)及其衍生物主要源于化石燃料的不完全燃烧,排放特征随燃烧条件和燃料种类变化而有所不同.随着尾气排放控制标准日益严格和新能源汽车的逐渐普及,非尾气排放污染对交通大气污染的贡献逐年加大.因此,包括刹车磨损、轮胎磨损、道路扬尘再悬浮和路面磨损在内的非尾气排放过程作为城市环境PAHs的重要污染源,其占比不容忽视.机动车来源PAHs及其衍生物的排放特征主要受燃烧条件、路面条件和机动车部件材料种类等多种因素影响.本文对国内外现有的机动车尾气排放以及非尾气排放PAHs及其衍生物的数据进行了梳理和总结.总的来说,对于尾气排放,严格的排放标准导致PAHs及其衍生物排放量降低;冷启动、加速等工况下,发动机燃烧效率降低,排放量增大;柴油车排放量远高于汽油车;汽油直喷发动机比气道喷射发动机排放更高;车辆行驶里程增加排放量增加.且研究发现刹车片化学成分、制动情况、轮胎材料和路面条件等均会影响排放,具有高度的不确定性,有待进一步研究.本文旨在分析机动车来源PAHs及其衍生物在不同影响因素下的排放特征,为排放控制技术发展和政策标准制定提供科学依据.