期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
BP神经网络在矿产资源分类识别中的应用 被引量:4
1
作者 孟海东 殷跃 +2 位作者 孙家驹 徐贯东 王森 《西部探矿工程》 CAS 2012年第8期137-139,145,共4页
利用BP神经网络对矿产资源进行分类识别,以铁矿石和铜矿石2种矿石的颜色、条痕、光泽、解理、断口、比重和硬度7种样本数据作为BP神经网络对矿产资源分类的影响因素。通过对神经网络的训练、测试,其有效识别率达90%以上。实现了矿产资... 利用BP神经网络对矿产资源进行分类识别,以铁矿石和铜矿石2种矿石的颜色、条痕、光泽、解理、断口、比重和硬度7种样本数据作为BP神经网络对矿产资源分类的影响因素。通过对神经网络的训练、测试,其有效识别率达90%以上。实现了矿产资源分类的快速、准确识别的目的。 展开更多
关键词 矿产资源 BP神经网络 分类 识别
在线阅读 下载PDF
面向标注的局部中心度传播聚类算法 被引量:1
2
作者 宗瑜 金萍 +1 位作者 徐贯东 郭有强 《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2013年第4期499-504,共6页
现有的标注聚类算法大多采用传统的K-means或Single-linkage算法对标注数据直接聚类,但是K-means或Sin-gle-linkage本身固有的缺陷严重影响了聚类结果的质量.给出了一种局部中心度传播聚类算法LCIPC(local centrality in-formation pass... 现有的标注聚类算法大多采用传统的K-means或Single-linkage算法对标注数据直接聚类,但是K-means或Sin-gle-linkage本身固有的缺陷严重影响了聚类结果的质量.给出了一种局部中心度传播聚类算法LCIPC(local centrality in-formation passing clustering),该算法首先在标注相似度的基础上建立标注数据的KNN有向邻居图G;然后利用核密度估计方法计算每个标注的局部中心度;再通过随机游走方法在图G中传播局部中心度,以产生全局中心度等级;最后,调用图深度优先搜索算法发现标注聚类结果.在3个真实数据集上的聚类结果显示,LCIPC算法具有够获得高质量标注聚类结果的能力. 展开更多
关键词 标注 聚类 KNN 有向图 核密度 局部中心
在线阅读 下载PDF
局部显著单元高维聚类算法 被引量:1
3
作者 宗瑜 李明楚 +1 位作者 徐贯东 张彦春 《电子与信息学报》 EI CSCD 北大核心 2010年第11期2707-2712,共6页
以等宽或随机宽度网格密度单元为基础的高维聚类算法不能保证复杂数据集中的聚类结果的质量。该文在核密度估计和空间统计理论的基础上,给出一种基于局部显著单元的高维聚类算法来处理复杂数据的高维聚类问题。该方法以局部核密度估计... 以等宽或随机宽度网格密度单元为基础的高维聚类算法不能保证复杂数据集中的聚类结果的质量。该文在核密度估计和空间统计理论的基础上,给出一种基于局部显著单元的高维聚类算法来处理复杂数据的高维聚类问题。该方法以局部核密度估计和空间统计理论为基础定义了局部显著单元结构来捕获局部数据分布;设计了能快速发现覆盖数据分布的局部显著区域的贪婪算法;对具有相同属性子集的局部显著单元执行Single-linkage算法发现其中的聚类结果。实验结果表明,以局部显著单元为基础的高维聚类算法能够发现复杂数据集中隐含的高质量聚类结果。 展开更多
关键词 聚类分析 高维聚类算法 核密度估计 局部显著单元
在线阅读 下载PDF
相对折射率对于颗粒尺寸测量结果的影响分析 被引量:1
4
作者 徐贯东 张宏建 李海青 《浙江大学学报(自然科学版)》 CSCD 1993年第2期247-253,共7页
根据Mie光散射理论,如果颗粒的尺寸(或分布)保持不变,那么由颗粒的不同相对折射率就可以得到不同的散射光能量分布。因此,颗粒尺寸测量仪的测量结果将受到被测颗粒的相对折射率的影响。本文将从理论计算和实验结果两个方面来分析被测颗... 根据Mie光散射理论,如果颗粒的尺寸(或分布)保持不变,那么由颗粒的不同相对折射率就可以得到不同的散射光能量分布。因此,颗粒尺寸测量仪的测量结果将受到被测颗粒的相对折射率的影响。本文将从理论计算和实验结果两个方面来分析被测颗粒的相对折射率对测量结果的影响。 展开更多
关键词 相对折射率 颗粒尺寸 散射 计量
在线阅读 下载PDF
基于模糊C-means聚类的地球化学数据分析 被引量:1
5
作者 孟海东 管世明 徐贯东 《金属矿山》 CAS 北大核心 2012年第4期106-108,143,共4页
采用数据挖掘技术中模糊C-means聚类算法,以地球化学元素为数据对象、样品分析结果为属性值,对某已知金矿区和锡矿区岩石样品的元素组合特征进行了分析。聚类分析得出的元素组合关系与已知地质资料相一致,表明模糊C-means聚类算法能够... 采用数据挖掘技术中模糊C-means聚类算法,以地球化学元素为数据对象、样品分析结果为属性值,对某已知金矿区和锡矿区岩石样品的元素组合特征进行了分析。聚类分析得出的元素组合关系与已知地质资料相一致,表明模糊C-means聚类算法能够客观、有效地发现地球化学元素的组合特征。同时,对位于内蒙古地区某多金属成矿带的地球化学采样数据进行了分析,根据聚类结果推断该地区是寻找金、银多金属矿产资源的目标区域。 展开更多
关键词 数据挖掘 模糊C-means聚类 地球化学元素 元素组合特征
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部