排序方式: 共有8条查询结果,搜索用时 0 毫秒
1
1.
2.
基于单元区域的高维数据聚类算法 总被引:1,自引:0,他引:1
高维数据空间维数较高,数据点分布稀疏、密度平均,从中发现数据聚类比较困难,而用基于距离的方法进行高维数据聚类,维数的增多会使得计算对象间距离的时间开销增大. CAHD(clustering algorithm of high-dimensional data)算法首先采用双向搜索策略在指定的n维空间或其子空间上发现数据点密集的单元区域,然后采用逐位与的方法为这些密集单元区域进行聚类分析.双向搜索策略能够有效地减少搜索空间,从而提高算法效率,同时,聚类密集单元区域只用到逐位与和位移两种机器指令,使得算法效率得到进一步提高.算法CAHD可以有效地处理高维数据的聚类问题.基于数据集的实验表明,算法具有很好的有效性. 相似文献
3.
4.
四川省位于我国西南部,省内地形地貌复杂多样,地势高差大,汶川-茂江、北川-映秀等几条大的断裂带广泛分布,地壳构造不稳定,地质灾害频繁发生,其中尤以滑坡灾害较为典型.滑坡灾害的发生与地形有着密切关系.探讨了四川省地形起伏度最佳统计单元的求证过程,经试验得出,2.25 km2为适宜四川省滑坡发育的地形起伏度计算的最佳单元.基于ArcGIS平台,结合区域滑坡灾害调查资料,初步研究了地形起伏度与滑坡灾害的相关性,并用信息量模型进行验证,在该基础上探讨了地形起伏度与区域滑坡灾害发生的规律,对区域防灾减灾具有重要的指导意义. 相似文献
5.
6.
低浓度进水条件下活性污泥的培养方法 总被引:1,自引:0,他引:1
进水水质浓度低在我国南方的许多污水处理厂中是个普遍现象。低浓度进水对污水处理厂活性污泥的培养极为不利。介绍了合理投运曝气沉砂池、初沉池,合理控制生化池曝气空气量的分布与强度,合理控制回流比等调控措施,并在污泥培养过程中做好生物相观察。通过这些要点的掌握,在低浓度进水条件下成功培养出了所需要的活性污泥,为保证污水处理厂的正常运行和处理水质达标排放打下了坚实的基础。 相似文献
7.
关联规则发现中的聚类方法 总被引:2,自引:0,他引:2
算法MARC(Mining Association Rules using Clustering)将聚类技术应用到关联规则的发现上,MARC利用聚类技术压缩交易数据库,从而减少开采算法需要处理的数据量以提高开采效率,同时算法提出了聚类汇总转换的概念用以减轻压缩数据带来的信息丢失.在几个实际数据集上的实验表明该算法可以达到高精度和高性能. 相似文献
8.
1