【摘 要】
：
为了提高物联网区块链数据挖掘能力,需要进行数据优化聚类处理,提出基于深度学习的区块链数据分片峰值聚类算法.采用异构有向图分析方法进行物联网区块链数据存储结构设计,结合特征空间重组技术进行物联网区块链数据结构重组,提取物联网区块链数据的关联信息特征量,采用语义相关性融合的方法进行区块链数据特征提取和自适应调度,对提取的物联网区块链数据特征量进行模糊聚类处理,采用模糊C均值聚类方法进行物联网区块链数据的网格分片峰值聚类和属性分类识别,采用深度学习方法进行数据聚类过程中的分片峰值融合和聚类分析,实现区块链数据分
【机 构】
：
广东工业大学 华立学院,广州511325
论文部分内容阅读
为了提高物联网区块链数据挖掘能力,需要进行数据优化聚类处理,提出基于深度学习的区块链数据分片峰值聚类算法.采用异构有向图分析方法进行物联网区块链数据存储结构设计,结合特征空间重组技术进行物联网区块链数据结构重组,提取物联网区块链数据的关联信息特征量,采用语义相关性融合的方法进行区块链数据特征提取和自适应调度,对提取的物联网区块链数据特征量进行模糊聚类处理,采用模糊C均值聚类方法进行物联网区块链数据的网格分片峰值聚类和属性分类识别,采用深度学习方法进行数据聚类过程中的分片峰值融合和聚类分析,实现区块链数据分片峰值聚类.仿真结果表明,采用该方法进行区块链数据分片峰值聚类的收敛性较好,误分率较低,自适应学习能力较强.
其他文献
为解决无人艇在行驶过程中艇身晃动造成的视频抖动问题,提出了一种基于多元灰度投影的无人艇电子稳像方法,通过采用差分灰度投影、环投影和圆投影,估计出相邻帧之间存在的相对运动关系并进行补偿,从而达到稳像的目的。与传统方法相比,对于大面积无意义纹理的抵抗性更好,因此对于水面环境具有更好的适应性。在实验阶段,通过对数据集和水面实拍视频进行处理和分析,结果表明文中方法对水面环境有很高的稳像精度和很强的鲁棒性。
为预测固体火箭发动机多层结构间的粘结质量与发动机燃烧过程中药柱厚度的变化情况,应用半解析有限元法,分别对固体火箭发动机3种不同界面黏接质量的兰姆波频散曲线进行了求解.结果表明,当胶层质量相对变差时,频散曲线整体向左漂移.而当药柱厚度大于100 mm以后,频散曲线不再发生变化.药柱厚度从100 mm逐渐递减到0 mm的过程,频散曲线的整体向右漂移,且阶数越来越少,低阶模态波变化明显.
电热毯产品已成为我国家庭冬天必备的一种家用电器,其家庭占有率逐年上升,产品质量受到消费者的普遍关注.电热毯产品一直是我国各级市场监督管理部门抽查的重点产品,近几年的监督抽查结果显示,电热毯产品质量堪忧,容易出现严重不合格项目,其产品质量提升空间很大.本文对电热毯及类似柔性发热器具产品常见安全不合格项目分析说明,并提出改进措施.
为研究杀爆榴弹自然破片的破片形状特性、速度衰减能力、侵彻能力等基本终点威力参数,通过理论分析、试验验证,得到了1～4g自然破片的平均迎风面积、阻力系数、衰减系数及对不同铝板的极限穿透能力,建立了终点毁伤模型.研究结果表明,1～4 g自然破片的形状系数为4.96×10-3 m2 kg-2/3,在空气中的速度衰减系数为0.022 m-1,阻力系数为0.89,侵彻单位铝板消耗的能量为4.4×108 J/m3.该试验方法的建立,可指导大质量自然破片的终点参数研究,进一步完善毁伤模型,为火力规划与评估提供数据支撑.
针对当前空空导弹的发展趋势,对基于冲压发动机的第五代空空导弹战术特征进行了分析,给出了空空导弹飞行任务(对空作战和对地打击).参考“流星”空空导弹,考虑未来内埋远程空空导弹小尺寸、远射程、高速度的基本特点,给定二元三波系进气道、旁侧进气凹腔燃烧室和轴对称拉瓦尔喷管,建立起冲压发动机整机计算模型,完成了冲压发动机(小尺寸,直径167 mm)在高马赫数(3.0～5.0)下的三维数值计算和分析,初步验证了冲压发动机作为未来内埋远程高速空空导弹的可行性.
针对零记忆非线性变换(ZMNL)法无法模拟非对称形状功率谱的问题,在解决形状参数取值受限问题的基础上,对Pareto杂波功率谱仿真方法进行改进,实现了非对称杂波功率谱的仿真.实验表明,只要形状参数选择恰当值,其频谱泄漏水平在要求的范围内,就能够生成形状参数为非整数、功率谱为非对称形状的Pareto分布杂波.
在多弹饱和打击作战中,具有时间协同功能的制导律能够使导弹群同时命中目标,然而面对现代战场复杂的电磁环境,弹群中的某些导弹难免受到干扰无法正常运作,进而影响弹群之间的协同制导性能,导致饱和打击任务失败.针对该问题,建立了多弹协同打击同一固定目标的二维协同制导模型,基于该模型设计了一种干扰数据模拟滤波器,并将其与时间协同制导律进行整合,得到了一种分布式抗干扰时间协同制导律.最后通过仿真算例验证了该制导律的可行性.
针对传统神经网络算法无法有效利用少量实际飞行数据的问题,提出基于置信度神经网络的机载武器攻击区拟合算法.为有效区分、利用不同置信度样本,算法通过计算样本误差容量区间并设置样本敏感系数,修改用于权值调整的网络预测误差,得到更准确的拟合网络.仿真结果表明,置信度神经网络算法相比传统神经网络算法,具有更高的估计精度,增加了拟合攻击区的成功发射概率.
对于多标签分类中存在非线性的数据样本和重复的样本数据问题,本文提出了一种基于在线顺序极限学习机(On?line Sequential Extreme Learning Machine,OS-ELM)的改进算法—样本线性化和数据预处理极限学习机(PDC-ELM).PDC-ELM算法对线性不可分的数据样本先利用核函数进行处理,使数据样本具有线性可分的特征,对于处理后的数据样本,利用在线顺序极限学习机(OS-ELM)在计算之前对分类数据进行预处理,即从训练和测试数据集中查找不一样的特征标签并保存类标签中,实验中
粒子群优化算法(PSO)是一种群体智能进化计算方法,但在搜索过程中粒子紧跟最优粒子运动降低了粒子多样性和全局搜索能力,从而易陷入局部极值.本文提出一种新的粒子群优化算法(PSO-EWD),主要改进体现在2个方面:将惯性权重与进化因子相关联,根据种群的进化状态而改变权重大小,以平衡全局搜索能力与局部搜索能力;将时变的分布式时延引入速度更新公式中,以增加粒子的多样性.本文通过5种算法在9个基准函数上的实验对比,证明了新提出的算法相较于另外4种算法具有更优的适应度值、稳定性和收敛速度.