密度峰值聚类相关论文
随着隧道建设规模的不断扩大,隧道施工中地质和水文条件趋于复杂化,传统速度分析方法中人工交互较多且不能高效、精确地拾取叠加速......
聚类是机器学习中一种重要的无监督学习方法,随着大数据技术的发展,聚类在很多领域得到了广泛的应用.密度峰值聚类（Density peaks c......
随着结构向高速化、大型化、复杂化、智能化方向发展,欠定条件下的模态参数识别问题越来越普遍。作为一种有效的欠定盲源分离方法,......
近年来,随着国家经济发展,大量人口集中流向城市,增加了城市居民对日常交通的出行需求。网络技术的发展和智能终端的普及使得网约......
近年来,网络时代迅猛发展,基于数据挖掘的网络入侵检测作为一项重要的防御技术备受关注。K均值聚类算法凭借其简单、高效的运算特......
针对低压配电网中用户的户变关系及相位信息常存在错误且变动较为频繁的现象，提出了一种基于多粒度聚类和多元特征统计的低压配电网......
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。但是，该算法通过截断距离定义局部密度未考虑......
随着大数据时代来临,人类社会每天都会产生各种各样、浩如烟海的数据。数据挖掘的主要任务就是从这些庞大、复杂的数据中提取出有......
密度峰值算法是一种近几年流行的聚类算法,其算法简洁高效、所需参数少并且能够识别非凸数据集。因此被广泛专家学者关注,并被应用......
密度峰值算法依赖于欧式距离实现局部密度的选择,该算法在处理高维数据、存在密度不均匀的类簇的数据集上效果不是很理想.针对以上......
现有的异常用电检测方法存在未考虑电力用户的位置信息、模型参数选取困难的问题。据此，提出了一种基于线性判别分析（LDA）和密度峰值（D......
半监督学习是一种让学习器利用大量无标记样本来辅助少量有标记样本的学习模式,在理论和实际运用中均受到了广泛关注。协同训练是......
随着电力体制改革的不断深入,为争夺市场份额、吸引潜在用户购电并提高自身收益,售电公司愈发重视用户的用电体验.对用户日负荷曲......
密度峰值聚类(density peak clustering,DPC)是一种简单有效的聚类分析方法.但在实际应用中,对于簇间密度差别大或者簇中存在多密......
网络对抗是现代战争的关键因素,对抗手段主要是攻击节点,攻击关键节点能够用最少的资源最大程度地破坏敌方通信系统.现有研究大多......
针对主动学习面向大型数据集人工标记成本过高和半监督自训练算法中存在误标记点影响的问题,提出了一种主动学习与半监督自训练交......
通信辐射源个体识别（又被称为通信辐射源指纹识别）是通过测量发射机反映在信号上的差异对信号和发射机进行关联,在电子对抗中发挥着......
在社会与经济的发展浪潮中,企业的管理模式也发生了较大的转变,其中引入了一项最为重要的理念,即“以人为本”,这种理念使得企业管......
聚类算法作为数据处理的一种技术,发展迅速且被广泛应用在图像处理和计算机视觉中。目标检测作为这两个领域的交叉研究学科,同样也......
数字视频是多媒体技术的一个重要传播途径,被广泛应用于社会的各行各业之中。如何让用户能够快速捕捉到视频的内容,从而决定是否需......
将物理或抽象对象的集合分成由类似的对象组成的多个类的过程被称为聚类。聚类算法是一种高效的无监督学习方法,被广泛应用于许多......
转炉炼钢技术是目前全世界应用最为广泛的炼钢技术,而其关键就是实现对转炉炼钢吹炼终点的准确控制。但转炉炼钢的工业现场环境恶......
随着传感器技术、空间定位技术的快速发展,以及软硬件计算能力的提高,车辆轨迹获取越来越容易。车辆GPS轨迹具有成本低、更新快、......
为了准确、实时发现地下综合管廊运行和维护中的风险,将密度峰值聚类算法分析应用到地下综合管廊异常数据挖掘.密度峰值聚类算法分......
科学的复杂飞行动作评估方法能够充分客观的评价飞行员的驾驶水平,对分析飞行员操纵过程和提高飞行训练效率具有重要意义.文中针对......
本文阐述了一种应用于大规模数据节点划分的改进网格密度峰值聚类算法.针对传统的密度峰值聚类算法距离矩阵计算时间长,人工选取阈......
现有的异常用电检测方法存在未考虑电力用户的位置信息、模型参数选取困难的问题.据此,提出了一种基于线性判别分析(LDA)和密度峰......
高炉铁水硅含量是铁水品质与炉况的重要表征,冶炼过程关键参数频繁波动及大时滞特性给高炉铁水硅含量预测带来了巨大挑战.提出一种......
电力市场的逐步开放以及大量可再生能源的接入使用户具有更多的用电自由,导致电力用户类型多样化、用户间负荷特性差异逐渐增大、......
针对传统聚类算法对于大数据背景下大量电力大数据异常监测过程中存在的问题,提出在电力大数据异常值检测中的快速密度峰值聚类算......
特定辐射源识别是一种利用接收信号中蕴含的无意调制信息来识别其所属辐射源个体的技术。由于信号的无意调制信息（也被称作辐射源的......
高光谱遥感图像（Hyperspectral Image,HSI）的高维特性、波段间高度相关性、光谱混合,使传统特征提取对复杂空谱结构表征能力差,因此,......
随着大数据时代的到来,数据流在很多领域得到应用,作为数据挖掘领域的一大分支,数据流聚类成为一项意义深远而且具有挑战性的任务......
随着生物技术快速发展,逐渐成熟的基因芯片技术产生越来越多的基因表达数据,其中通过对肿瘤基因表达数据进行聚类相关分析判定癌症......
随着信息技术的日益发展,计算机网络已迅速占领了人们的工作生活和学习,为人们带来了方便与快捷,但是随之而来的各种网络安全问题......
目前,网络平台层出不穷,用户量和信息量都呈现爆炸式增长。网络平台门槛低、管理宽松,给垃圾用户的出现创造了有利的条件。平台中......
近年来,随着地理信息系统、遥感和全球卫星定位系统等空间信息技术的飞速发展,产生了大量包含着地理位置信息的空间数据。空间数据......
现有的异常用电检测方法存在未考虑电力用户的位置信息、模型参数选取困难的问题。据此，提出了一种基于线性判别分析（LDA）和密度峰值（D......
在数据分析中,有标签数据难以获取且代价高昂、无标记数据往往大量易获得,而半监督学习在这种受限情况下可以大幅降低模型训练成本......
密度峰值聚类（Density Peaks Clustering,DPC）是一种基于密度的聚类算法,通过将数据对象映射到二维决策图快速识别聚类中心,完成对数......
针对密度峰值聚类算法DPC(clustering by fast search and find of density peaks)时间复杂度高、准确度低的缺陷,提出了一种基于B......
由于存在大量服从高斯分布的样本数据,采用高斯混合模型(Gaussian Mixture Models,GMM)对这些样本数据进行聚类分析,可以得到比较......
【目的】针对协同训练算法在视图分割时未考虑噪声影响和两视图分类器对无标记样本标注不一致问题,提出了基于加权主成分分析和改......
