一种基于CFSFDP改进算法的地图图斑聚类融合处理方法.pdf
一只****签网
亲,该文档总共16页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
一种基于CFSFDP改进算法的地图图斑聚类融合处理方法.pdf
一种基于CFSFDP改进算法的地图图斑聚类融合处理方法,利用CFSFDP算法的基本思路,将密度计算方法改进为图斑聚集程度计算,通过各图斑之间的距离获得密集聚集程度值与图斑关系,结合聚类中心或距离方案对n叉树进行剪枝,生成聚类结果,以此辨别图斑的分布与归属。本发明对CFSFDP算法进行了部分改进,保有原算法的优点,还简化了算法的数据组织结构,将图斑密度计算替换为图斑聚集程度计算,使之适应图斑聚类处理,并采取划定距离阈值或聚类中心方案对n叉树进行剪枝,可调节的得到聚类结果,减少原有数据定量分析的工作量,可用于
一种基于CFSFDP聚类算法的给水管网压力监测点布置方法.pdf
本发明提供了一种基于CFSFDP聚类算法的给水管网压力监测点布置方法,包括步骤A:使用模拟软件构建管网模型,在管网模型上密集布设压力监测点,记录所有压力监测点的坐标;步骤B:分别为管网模型配置正常工况和漏损工况,获取所有压力监测点在不同工况下的压力数据,计算每个压力监测点的压力影响度和差异系数;步骤C:利用压力监测点的坐标、压力影响度和差异系数构建原始数据集,将原始数据集输入CFSFDP算法,得到聚类结果;步骤D:以所有的聚类中心作为压力监测点的布置位置。本发明的优点在于:通过虚拟建模采集数据进行计算,能
一种基于CFSFDP聚类的Android平台入侵检测方法.pdf
一种基于CFSFDP聚类的Android平台入侵检测方法,涉及网络信息安全领域,解决现有静态特征检测方法存在占用大量系统资源,动态特征检测方法存在数据来源和模型构建方法不统一,不同方法的检测性能差异较大等问题,收集和抓取Android平台的静态特征和动态特征;对静态数据和动态特征数据进行归一化和离散化,获取正常行为特征数据,对正常行为特征数据进行标定;采用CFSFDP算法对特征数据进行聚类,生成轮廓;生成的行为轮廓,进行异常检测,判断当前点是否在轮廓中某点的截断距离内,如果在轮廓中,则认为是正常行为,否则
一种基于CFSFDP聚类的并行自适应异常检测方法.pdf
一种基于CFSFDP聚类的并行自适应异常检测方法,涉及网络信息安全领域,解决现有基于CFSFDP聚类异常检测方法的时效性和实时性问题,本发明所述的检测方法将标记的原有中心点的聚类的核心区和边缘区分开处理,实现了轮廓的动态更新,使得基于CFSFDP的异常检测方法具有更高的时效性。本发明将原有数据点与实时输入的新数据点的距离计算平分成多份,多个进程并行计算,减少了计算时间,加快了聚类轮廓生成的速度,提高了基于CFSFDP异常检测方法的实时性。
一种用于需求群组融合的改进聚类算法.pdf
本发明针对目前服务计算不断发展的环境下,大量用户需求产生却得不到满足的问题,提出了一种将差异化用户需求聚类成组,基于不同用户需求的相似度融合成一个个需求群组的方法。该方法得到的群组能够体现出组内所有用户的需求,以达到用户对于需求的满意度阈值为基本要求,平均组满意度为目标实现需求群组的融合。为服务提供商降低了提供服务的成本,也为用户带来了更好的服务体验。该方法包括以下步骤:1)需求模型描述;2)相似度计算;3)群组构建;4)群组属性融合。本发明方法简化了遍历所有需求来进行成组的过程,经过大量的实验结果表明,