DBSCAN

摘要： 三支聚类使用核心域,边界域和琐碎域三个集合来表示类簇,将确定的元素放入核心域中,不确定的元素放入边界域中延迟决策,降低了决策风险。本文将含有噪声的基于密度的聚类算法(Density Based Spatial Clustering of Application with Noise, DBSCAN)与三支聚类进行结合,利用数学形态学中的腐蚀和膨胀思想,用自然最近邻算法定义了一个结构算子,对二支聚类的结果通过收缩和膨胀得到核心域和边界域。在UCI数据集和Shape数据集上的实验结果显示,该方法可以有效降低DBI的值,同时提高ACC和AS的值。

摘要： 针对如何更准确地分析校园无线网络数据中隐藏的社交关系亲密度,本文提出了改进DBSCAN时空聚类算法.首先,通过采集校园无线网络数据,在根据学生连接WiFi的地点,时间等信息形成时空轨迹.运用改进的算法对时空轨迹聚类.其次,对聚类结果进行特征轨迹提取,运用LCSS算法进行相似性对比,轨迹间相似度越高说明关系比较亲密;相似度越低,可能是较孤僻的学生,老师需要进一步排查和引导教育.最后,运用FinBI对轨迹聚类结果可视化展示.实验结果表明,该算法提高了聚类结果的准确性和有效性,为解决其他相似性问题提供思路.

摘要： 利用某风场实际采集的风电叶片音频数据,提取时域与频域特征,利用DBSCAN聚类方法对音频进行分类,可有效区分出机组叶片是否处于运转工况,并且可提取出含噪的音频,有助于针对性的音频去噪工作。

摘要： 传统DBSCAN算法对密度分布不均匀的不平衡数据集的聚类效果并不理想,同时传统算法的聚类结果对邻域半径(Eps)以及核心点阈值(MinPts)敏感。针对以上问题,改进了传统算法,提出了一种基于最小生成树的密度聚类算法(MST-DBSCAN)。由于对象之间的距离对聚类结果影响较大,为了更好地表示对象之间的距离特性,首先使用相互可达距离(mutual reachability distance)代替传统算法中的欧氏距离,表示数据集中对象与对象之间的距离,解决因密度分布不均匀导致效果不佳的问题;为了建立对象与对象之间的联系,同时保留对象之间的距离特性,引用Prim算法对数据集中的所有对象构建最小生成树;其次根据指定的簇的数目及最小簇对象数数目参数对得到的最小生成树进行剪枝;根据剪枝的结果,将剪枝后的各个部分进行聚类。在公开的UCI数据集上的实验结果表明,提出的MST-DBSCAN算法与现有DBSCAN、OPTICS、KANN-DBSCAN算法相比,在密度分布不均匀的数据集上聚类效果有所提升并且较原有传统算法有较高的聚类准确性。

摘要： 由于网络异常流量检测中异常流量数据占比不平衡,导致模型不能对稀有攻击类别流量进行充分学习,从而影响模型训练和检测精度。针对这一问题,提出一种基于DBSCAN_GAN_XGBoost的网络入侵检测模型,该模型在对稀有攻击类样本进行扩充时,着重扩充更容易让机器学习产生混淆的噪声样本。首先,利用DBSCAN算法对提取出的稀有攻击类别数据进行聚类处理,生成一个或多个子簇,并提取出簇内样本和游离在簇外的噪声样本;然后,使用生成对抗网络模型对提取出的簇内样本和噪声样本分别进行样本扩充,改变数据集中原有的样本比例;最后,使用重新构建后的数据集对以决策树作为基分类器的XGBoost算法进行训练,并完成网络异常流量数据的检测。采用UNSW-NB15数据集进行对比实验,实验结果表明:DBSCAN_GAN_XGBoost模型的准确率和精确率分别为98.76%和96.5%,比样本扩充前分别提高了15.63百分点和19.60百分点,有效地提高了稀有攻击类别的检测精度。

摘要： 针对传统聚类算法在学习者群体划分时存在的问题,提出一种基于改进DBSCAN特征聚类的学习者类画像方法。首先,在分析学习者行为数据的基础上,采用改进的PCA-GRBM算法进行多维特征提取;然后充分利用同类学习者在答题过程中的相似性,在经典DBSCAN算法中引用以斯皮尔曼相关系数为度量的多重聚类步骤,提出改进的S-DBSCAN多重特征聚类算法;最后将其应用于学习者类画像的构建中,并对得到的学习者群体特点进行了分析。实验表明,提出的方法有效地提取了学习者类别特征,聚类结果取得了最小的戴维森堡丁指数,适合对学习者类进行画像研究。

摘要： 在基于聚类的DBSCAN离群点检测算法中,存在参数Eps的不确定性和全局统一性问题.因此,本文首先提出了一种基于多目标优化的自适应DBSCAN离群点检测算法,根据不同数据集的特点,通过NSGA-II优化算法为数据集中的每个数据自适应地求解一个最优Eps,不仅避免了人为经验设置参数的不足,还解决了全局参数带来的聚类不精确问题.其次,通过基于Eps的LOF算法进行离群点检测,减少了计算量.最后,通过在不同数据集下的实验对比,结果表明本文提出的算法对于检测离群点有更高的准确率.

摘要： 姿态确定系统是航天器的重要组成部分,姿态信息有误会导致航天器姿态失稳甚至失控。针对航天器故障样本集小、故障标签稀缺的问题,提出一种基于门控循环单元-自编码器(Gated Recurrent Unit-AutoEncoder,GRU-AE)的航天器姿态敏感器故障诊断方法,首先在正常数据集上训练GRU-AE模型,得到模型的姿态预测值,计算预测值与真实值之间的预测残差作为故障识别的阈值。在测试集上,如果模型对某一数据的预测残差超过了阈值,则认为该数据存在异常,采用DBSCAN聚类对故障进行定位。实验证明,该方法可以有效预测姿态敏感器的输出,具有很好的故障识别和定位能力。

摘要： 考虑到边坡安全监测数据中存在粗差这一问题,提出了一种基于奇异谱分析(SSA)和密度聚类算法(DBSCAN)的粗差探测法,该方法结合SSA在提取信号和DBSCAN算法在区分粗差和异常值上的优势:首先使用SSA对监测序列进行分解重构,准确提取主信号并获取残余分量;然后使用DBSCAN聚类算法对残余分量进行分析;最后联合2种方法确定粗差点并剔除。通过引入多因素影响的边坡监测序列实例进行验证,并且将SSA-DBSCAN粗差探测法与中位数绝对偏差法(MAD)和格拉布斯准则法(Grubbs)进行比较分析。结果表明,本文提出的SSA-DBSCAN粗差探测法与上述方法相比性能优异、误判率低,可为后续监测数据分析处理乃至于预测预警奠定基础。

摘要： 分子构象的聚类是搜索分子动力学模拟轨迹中代表构象的主要方法。它是分析复杂构象改变或分子间相互作用机制的关键步骤.作为一种基于密度的聚类算法,密度峰值搜索算法因其聚类的准确度而被应用于分子聚类过程中.但随着模拟时长的增长,密度峰值搜索算法较低的计算效率限制了其应用的可能.本文提出K-means密度峰值搜索算法的聚类算法,它是密度峰值搜索算法在计算效率方面的一个扩展版本,用于解决密度峰值搜索算法中巨大的资源消耗问题.在K-means密度峰值搜索算法中,首先,通过高效的聚类算法(例如K-means)进行初始聚类,得到的聚类中心被定义为具有权重的典型点.然后,对加权的典型点通过密度峰值搜索算法实现二次聚类,并细化点为核心点、边界点、加细光晕点.在与密度峰值搜索算法具有相似的精度的同时,计算复杂度由O(n^(2))降至O(n).通过二面角,二级结构,关联图描述的分子构象,将KFDP用于多个模拟轨迹的聚类过程中.并通过与K-means聚类算法,DBSCAN聚类算法的比较结果,验证了K-means密度峰值搜索算法的优势.

摘要： 主要针对DBSCAN算法对Eps和Minpts值要求敏感可能得到聚类效果不佳的缺点,提出了聚类前对点的K距离进行降序排列和设置有密度水平的Eps值的过滤式DBSCAN改进算法,以提高聚类的性能和结果,并将其应用到离散制造业中。通过对客户订单量,订单款额、付款时常、合作年限、信誉度等数据信息进行分析聚类,得到企业的客户等级。

摘要： 主要针对DBSCAN算法对Eps和Minpts值要求敏感可能得到聚类效果不佳的缺点,提出了聚类前对点的K距离进行降序排列和设置有密度水平的Eps值的过滤式DBSCAN改进算法,以提高聚类的性能和结果,并将其应用到离散制造业中。通过对客户订单量,订单款额、付款时常、合作年限、信誉度等数据信息进行分析聚类,得到企业的客户等级。

摘要： 主要针对DBSCAN算法对Eps和Minpts值要求敏感可能得到聚类效果不佳的缺点,提出了聚类前对点的K距离进行降序排列和设置有密度水平的Eps值的过滤式DBSCAN改进算法,以提高聚类的性能和结果,并将其应用到离散制造业中。通过对客户订单量,订单款额、付款时常、合作年限、信誉度等数据信息进行分析聚类,得到企业的客户等级。

摘要： 主要针对DBSCAN算法对Eps和Minpts值要求敏感可能得到聚类效果不佳的缺点,提出了聚类前对点的K距离进行降序排列和设置有密度水平的Eps值的过滤式DBSCAN改进算法,以提高聚类的性能和结果,并将其应用到离散制造业中。通过对客户订单量,订单款额、付款时常、合作年限、信誉度等数据信息进行分析聚类,得到企业的客户等级。

摘要： 主要针对DBSCAN算法对Eps和Minpts值要求敏感可能得到聚类效果不佳的缺点,提出了聚类前对点的K距离进行降序排列和设置有密度水平的Eps值的过滤式DBSCAN改进算法,以提高聚类的性能和结果,并将其应用到离散制造业中。通过对客户订单量,订单款额、付款时常、合作年限、信誉度等数据信息进行分析聚类,得到企业的客户等级。

摘要： 提出了一种基于改进区域生长规则的彩色图像分割方法.采用RGB空间中的颜色相似系数度量像素间的颜色相似性,并将基于密度的聚类算法DBSCAN应用于区域生长规则.由于计算在RGB空间进行,省去了向其他颜色空间的转换过程,从而提高了图像分割效率.实验结果表明,此方法可对彩色图像进行有效分割,并具有一定的抗噪性.

摘要： 提出了一种基于改进区域生长规则的彩色图像分割方法.采用RGB空间中的颜色相似系数度量像素间的颜色相似性,并将基于密度的聚类算法DBSCAN应用于区域生长规则.由于计算在RGB空间进行,省去了向其他颜色空间的转换过程,从而提高了图像分割效率.实验结果表明,此方法可对彩色图像进行有效分割,并具有一定的抗噪性.

摘要： 提出了一种基于改进区域生长规则的彩色图像分割方法.采用RGB空间中的颜色相似系数度量像素间的颜色相似性,并将基于密度的聚类算法DBSCAN应用于区域生长规则.由于计算在RGB空间进行,省去了向其他颜色空间的转换过程,从而提高了图像分割效率.实验结果表明,此方法可对彩色图像进行有效分割,并具有一定的抗噪性.

摘要： 提出了一种基于改进区域生长规则的彩色图像分割方法.采用RGB空间中的颜色相似系数度量像素间的颜色相似性,并将基于密度的聚类算法DBSCAN应用于区域生长规则.由于计算在RGB空间进行,省去了向其他颜色空间的转换过程,从而提高了图像分割效率.实验结果表明,此方法可对彩色图像进行有效分割,并具有一定的抗噪性.

摘要： 在数据挖掘领域中,聚类技术有着非常重要的应用。DBSCAN是一种基于密度的聚类算法,该算法将具有足够高密度的区域划分为一类,并可以在带有噪声的空间数据库中发现任意形状的聚类.但该算法是直接对整个数据库进行聚类,需要把所有数据载入内存,因此当数据量很庞大时对主存要求较高并且时间性能不高。基于取样技术对DBSCAN算法进行改进,以提高算法的时间性能,并利用遗传算法对聚类结果进行优化以保证聚类的质量,给出了一种新的基于取样的DBSCAN算法及其遗传优化。

摘要： 本发明公开一种基于Kmeans和DBSCAN相结合的局部放电模式识别方法，包括步骤如下：数据采集，连续采集局部放电传感器的时域数据，对采集到的时域数据进行实时处理，生成PRPD谱图；对PRPD谱图进行包络波形放电/噪声计算；对判断为放电的PRPD谱图，基于Kmeans法对PRPD谱图进行白噪声滤波；对滤波后的PRPD谱图基于层次密度聚类法进行PD簇聚类，对聚类后的簇进行特征提取；建立模型，对模型训练及识别模型可信度获取；将局部放电故障实测的数据输入已训练好的模型进行识别，获取最终的识别结果。本发明基于PRPD谱图进行滤波、提取特征，不仅减少了在线监测系统数据传输通讯压力，且仅对谱图中PD簇进行特征提取，提高了特征提取的准确性。

摘要： 本发明公开了一种基于改进DBSCAN和决策树的船舶分段涂装工艺设计方法，包括以下步骤：利用拉普拉斯计分法对分段涂装部位的特征进行特征提取，实现涂装部位的特征降维；利用灰狼算法改进的DBSCAN算法对现有分段涂装部位进行聚类分析，形成分段涂装部位的类别；基于聚类的结果，构造训练集和测试集，对决策树算法进行训练，得到分段涂装部位分类模型，基于决策树算法的训练结果，对待涂分段部位进行分类，得到相似分段涂装部位集及其对应的相似分段涂装工艺集；分析影响涂装工艺评价的因素，构造涂装工艺模糊综合评价指标体系，基于模糊综合评价法对相似分段涂装工艺集中的每一条工艺进行评价。本发明为分段涂装工艺的合理制定提供有力手段。

摘要： 本发明涉及一种基于DBSCAN和DW‑KNN的信道均衡方法及系统。所述方法包括：获取光纤传输系统接收端的M‑QAM信号的星座点数据样本集；采用基于密度的带噪声应用空间聚类DBSCAN对星座点数据样本集中的样本点进行分类，生成已分类好的带标签点集和未完成分类的噪声点集；将已分类好的带标签点集作为训练样本，采用基于距离权重的k近邻DW‑KNN算法对所述未完成分类的噪声点集中的待测试样本点进行二次分类，生成二次分类好的带标签点集；将已分类好的带标签点集与二次分类好的带标签点集合并为总带标签点集合，完成基于DBSCAN和DWKNN的联合非线性补偿。本发明方法具有较好的抗噪能力、实时性、灵活性，可实现光纤传输链路中的复杂的非线性效应补偿，提升光纤传输系统的传输容限。

摘要： 本发明公开一种基于自适应DBSCAN的激光雷达回波水下地形检测方法，该方法首先读入ICESat‑2ATL03原始数据，对数据进行垂直方向截取，对沿轨距离轴作缩小处理，然后分段处理ICESat‑2光子数据；通过计算得到候选的半径ε和最小聚类阈值minpts数据集，带入DBSCAN中进行聚类分析，得到对应的聚类簇数，当生成的簇数连续三次相同时，认为聚类结果趋于稳定，记该簇数对应的半径ε和最小聚类阈值minpts为当前数据段的最优参数，将该参数带入DBSCAN中用于检测水下地形，最后继续处理剩余数据段，直至数据处理结束。本发明采用自适应的方法计算DBSCAN的关键参数半径ε和最小聚类阈值minpts，适用于大批量激光雷达数据的批处理，能够提高检测算法的准确性。

摘要： 本公开的实施例提供了基于DBSCAN的网络流量分类异常的检测方法、装置、设备和计算机可读存储介质。所述方法包括获取网络报文信息；对所述网络报文信息进行分类，提取分类后的网络报文信息中的网络流特征；通过DBSCAN算法，对所述网络流特征进行检测，得到正常的网络流特征数据；所述正常的网络流特征数据包括现有的网络流特征数据和新获取的网络流特征数据；计算所述新获取的网络流特征数据在各个特征维度下的评分，确定当前网络流特征数据是否异常。以此方式，提高了异常数据的检测效率。

摘要： 本发明提出一种基于采样的DBSCAN算法参数自动生成方法，对于任意一个需要进行DBSCAN聚类的数据集，该方案均能给出合理的聚类参数。因为DBSCAN对输入参数敏感，所以该方案解决了在缺乏相关领域知识下参数设定的难题。该方案包括按密度进行采样和迭代验证两部分。本发明通过对原始数据按密度进行采样，从中生成候选参数并且利用采样数据对候选参数进行验证，解决了原始数据很大时对时间和空间消耗过大的问题。同时利用聚类效果评判标准对聚类结果的优劣做了量化，确保了聚类参数的效果。上述方法保证在较短时间内给出任意数据集的合理聚类参数，解决了DBSCAN参数难以确定的问题，增强了DBSCAN算法的实用性。

摘要： 一种基于DBSCAN聚类的红外图像中光伏组件自动切割方法，该方法利用光伏组件中不同材料的辐射系数特性，即在红外图像中组件金属边框的辐射系数要远小于组件玻璃表面的辐射系数，实现光伏阵列中的组件分割。首先将光伏阵列的红外图像转化为灰度图，对灰度图进行灰度值反转之后，组件边缘点显示出较高的像素强度，再找出像素强度的峰值点，即为组件边缘点。再利用DBSCAN聚类算法对组件边缘点进行聚类，该方法不需要指定聚类的簇数。聚类之后利用线性拟合的方法可以得到组件边界，从而实现对光伏阵列的分割。本发明不需要事先设定阈值，有较好的自适应性；利用现有的1211个样本进行实验，得到了较高的精度，因此具有较高的应用价值。

摘要： 本发明公开了一种基于DBSCAN聚类和四象限的激光点云林木胸径获取方法，包括以下步骤：一)采集测区林木激光点云数据；二)获取测区林木胸径处指定厚度点云，生成林木胸径点云文件；三)采用DBSCAN聚类方法对不同林木的胸径点云进行分组，获取单株林木胸径处及其支撑棍的点云集合；四)采用DBSCAN聚类方法进行分类，剔除单株林木周边支撑棍的噪声点，获得单株林木胸径处的点云集合；五)过滤噪声点，获取单株林木胸径最优点云集合；六)采用最小二乘计算法计算最优圆，获得树径和林木中心。本发明可以自动快速地分离每株林木胸径点云，并分割出单株林木最优胸径点集，然后进行计算，计算精确，智能化程度高，效率高。

摘要： 本发明公开了一种基于改进DBSCAN聚类的CCN路由转发方法，根据最小包含点数、路径长度和内容多样性对网络中的节点进行聚类，从而形成多个自治区域，之后从每个自治区域的节点中选出一个核心节点，非核心节点在收到兴趣包时，如果内容存储表和待定兴趣表都没有命中，便向所属自治区域中的核心节点查询是否此自治区域内有缓存了所需内容的节点，如果有，则直接转发兴趣包至相应节点，而不需要转发到内容源端。本发明在降低内容获取延时，减轻源服务器压力，以及提升缓存命中率方面有不错的提升。

摘要： 本发明公开了一种基于随机森林和动态dbscan算法的结构面识别方法，解决了目前结构面识别操作繁琐不便，易造成真实信息丢失存在结构面起伏误差的弊端，其技术方案要点是通过采用三维激光扫描仪采集获取结构面的原始点云数据，计算并提取点云多尺度空间特征值，基于随机森林分类算法进行点云分类，将区域内所有点云分为平面点和交界线点，对原始点云数据设定邻点检索量，并通过最近邻算法，确定每个点云的邻域范围，最后通过动态dbscan算法对不同结构面的点云进行分割，完成对结构面的识别，本发明的一种基于随机森林和动态dbscan算法的结构面识别方法，无需重采样和网格化，有效地保留了结构面信息，更加精准、便捷。