本文针对当前地下水模型中包括断裂、防渗帷幕在内的线形水文地质对象(L ineStyle Hydrogeological Ob ject)的模拟难点,研究基于重叠型区域分解原理的快速自适应组合网格方法(Fast Adaptive Composite G rid—FAC)。论文首先概括当前...本文针对当前地下水模型中包括断裂、防渗帷幕在内的线形水文地质对象(L ineStyle Hydrogeological Ob ject)的模拟难点,研究基于重叠型区域分解原理的快速自适应组合网格方法(Fast Adaptive Composite G rid—FAC)。论文首先概括当前线形水文地质对象的模拟手段及其存在的不足,进而讨论FAC方法建立和求解地下水模型的基本原理。通过对理想的地下水流模型的求解,表明该方法能够满足线形水文地质对象的精细模拟求解的要求,且求解效率较高。展开更多
随着计算机技术及感知技术的发展及应用,各个领域普遍出现不确定性数据流形态的新型数据,吸引了众多研究者的关注.现有的数据流聚类技术普遍忽略不确定性特征,常导致聚类结果的不合理甚至不可用.为数不多的针对不确定性特征的聚类方法...随着计算机技术及感知技术的发展及应用,各个领域普遍出现不确定性数据流形态的新型数据,吸引了众多研究者的关注.现有的数据流聚类技术普遍忽略不确定性特征,常导致聚类结果的不合理甚至不可用.为数不多的针对不确定性特征的聚类方法片面考察不确定性,且大多基于K-Means算法,具有先天缺陷.针对这一问题展开研究,提出了不确定度模型下数据流自适应网格密度聚类算法(adaptive density-based clustering algorithm over uncertain data stream,ADC-UStream).对于不确定性特征,该算法在存在级和属性级不确定性统一策略下,构建熵不确定度模型进行不确定性度量,综合考察不确定性.采用网格-密度的聚类算法,基于衰减窗口模型设计时态和空间的自适应密度阈值,以适应不确定性数据流的时态性和非均匀分布特征.实验结果表明,不确定模型下的数据流网格密度自适应聚类算法ADC-UStream在聚类结果质量和聚类效率方面都具有较好的性能.展开更多
文摘本文针对当前地下水模型中包括断裂、防渗帷幕在内的线形水文地质对象(L ineStyle Hydrogeological Ob ject)的模拟难点,研究基于重叠型区域分解原理的快速自适应组合网格方法(Fast Adaptive Composite G rid—FAC)。论文首先概括当前线形水文地质对象的模拟手段及其存在的不足,进而讨论FAC方法建立和求解地下水模型的基本原理。通过对理想的地下水流模型的求解,表明该方法能够满足线形水文地质对象的精细模拟求解的要求,且求解效率较高。
文摘随着计算机技术及感知技术的发展及应用,各个领域普遍出现不确定性数据流形态的新型数据,吸引了众多研究者的关注.现有的数据流聚类技术普遍忽略不确定性特征,常导致聚类结果的不合理甚至不可用.为数不多的针对不确定性特征的聚类方法片面考察不确定性,且大多基于K-Means算法,具有先天缺陷.针对这一问题展开研究,提出了不确定度模型下数据流自适应网格密度聚类算法(adaptive density-based clustering algorithm over uncertain data stream,ADC-UStream).对于不确定性特征,该算法在存在级和属性级不确定性统一策略下,构建熵不确定度模型进行不确定性度量,综合考察不确定性.采用网格-密度的聚类算法,基于衰减窗口模型设计时态和空间的自适应密度阈值,以适应不确定性数据流的时态性和非均匀分布特征.实验结果表明,不确定模型下的数据流网格密度自适应聚类算法ADC-UStream在聚类结果质量和聚类效率方面都具有较好的性能.
