發(fā)布時間：2021-03-11 22:46

　　在大數(shù)據(jù)時代,數(shù)據(jù)量的爆炸式增長讓傳統(tǒng)人工處理方法無法應對。而數(shù)據(jù)挖掘技術(shù)可以快速高效發(fā)現(xiàn)數(shù)據(jù)內(nèi)的潛在模式和知識,其中,聚類算法作為一種常用的數(shù)據(jù)處理方式已經(jīng)廣泛應用于數(shù)據(jù)處理過程之中,其目標為從不含類別標簽的數(shù)據(jù)中提取知識,發(fā)現(xiàn)數(shù)據(jù)間潛在關(guān)聯(lián)并將其歸類。作為一種海洋中普遍存在的現(xiàn)象,中尺度渦每天會產(chǎn)生大量的數(shù)據(jù),無論是對中尺度渦的探測還是跟蹤的研究中,較早的中尺度渦研究方法大多都是采用人工探測和追蹤的方法對數(shù)據(jù)進行處理,其處理效率低下。但通過人工處理數(shù)據(jù)的再復現(xiàn)算法通常會出現(xiàn)各種缺點,而使用數(shù)據(jù)挖掘算法對海洋數(shù)據(jù)進行處理可以有效提高處理效率。因此,研究利用數(shù)據(jù)挖掘算法的中尺度渦探測和中尺度渦追蹤算法,具有十分重要的理論意義和實踐價值。本文重點關(guān)注密度聚類問題。詳細分析現(xiàn)有密度聚類算法優(yōu)缺點,在眾多中尺度渦研究工作的基礎(chǔ)之上,改進密度聚類算法,并將其應用于海洋中尺度數(shù)據(jù)處理。本文主要貢獻如下:（1）提出了基于最小生成樹的密度聚類算法。傳統(tǒng)的密度聚類算法通常使用固定的全局參數(shù),因此無法應對密度稀疏區(qū)域的樣本處理工作。本文基于圖論中的最小生成樹方法,以密度為評價指標對數(shù)據(jù)集進行劃分,通過對... 

【文章來源】：山東科技大學山東省

【文章頁數(shù)】：124 頁

【學位級別】：博士

【部分圖文】：

圖２．１中尺度渦探測及追蹤示例??

圖２．２密度可達與密度連接??Ｆｉｇ．?２．２?Ｄｅｎｓｉｔｙ－ｒｅａｃｈａｂｌｅ?ａｎｄ?ｄｅｎｓｉｔｙ－ｃｏｎｎｅｃｔｅｄ??

圖２．３?Ｋ－均值算法與ＤＢＳＣＡＮ對不規(guī)則簇聚類效果??Ｆｉｇ．?２．３?Ｋ－ｍｅａｎｓ?ａｌｇｏｒｉｔｈｍ?ａｎｄ?ＤＢＳＣＡＮ?ｆｏｒ?ｉｒｒｅｇｕｌａｒ?ｃｌｕｓｔｅｒｉｎｇ?ｅｆｆｅｃｔ??

【參考文獻】：
期刊論文
[1]DBSCAN和K-Means混合聚類的牙齒特征自動識別[J]. 褚玉偉,羅曉博,屈珂,陶煜波,林軍,林海.  計算機輔助設(shè)計與圖形學學報. 2018(07)
[2]基于空間區(qū)域功能劃分的人群移動模式可視分析[J]. 孫國道,柳芬,蔣莉,梁榮華.  計算機輔助設(shè)計與圖形學學報. 2018(06)
[3]DBSCAN算法優(yōu)化及其在GSM-R鐵塔監(jiān)測系統(tǒng)中的應用[J]. 胡淼淼,劉宏志,張鐸.  計算機應用與軟件. 2018(05)
[4]基于卡爾曼濾波的動態(tài)軌跡預測算法[J]. 喬少杰,韓楠,朱新文,舒紅平,鄭皎凌,元昌安.  電子學報. 2018(02)
[5]改進的DBSCAN聚類和LAOF兩階段混合數(shù)據(jù)離群點檢測方法[J]. 石鴻雁,馬曉娟.  小型微型計算機系統(tǒng). 2018(01)
[6]基于灰色方法與結(jié)構(gòu)距離的颶風軌跡聚類算法[J]. 江藝羨,張岐山.  系統(tǒng)工程理論與實踐. 2017(04)
[7]基于1993—2014年高度計數(shù)據(jù)的西北太平洋中尺度渦識別和特征分析[J]. 崔偉,王偉,馬毅,楊俊鋼.  海洋學報. 2017(02)
[8]面向中尺度渦提取的SLA去噪方法研究[J]. 吳書超,董慶,薛存金,畢經(jīng)武,廖志宏,宋晚郊.  地球信息科學學報. 2016(09)
[9]自適應高階容積卡爾曼濾波在目標跟蹤中的應用[J]. 崔乃剛,張龍,王小剛,楊峰,盧寶剛.  航空學報. 2015(12)
[10]利用衛(wèi)星監(jiān)測熱點數(shù)據(jù)的湖北電網(wǎng)林火災害時空聚類分析及其應用[J]. 陳孝明,阮羚,陳江平,付明花,黃俊杰,譚波.  測繪通報. 2015(09)

博士論文
[1]西太平洋暖池區(qū)北部懸浮體分布特征及其影響機制[D]. 高微.中國科學院大學(中國科學院海洋研究所) 2018

碩士論文
[1]多源衛(wèi)星高度計海面高度異常數(shù)據(jù)融合研究[D]. 崔偉.國家海洋局第一海洋研究所 2016



本文編號：3077226