针对传统密度峰值聚类在波段选择时缺乏信息论角度的相似性度量以及波段数目确定问题,提出基于光谱角-光谱信息散度的自适应密度峰值波段选择方法(SSDPC:Spectral angle mapping and Spectral information divergence Density Peaks Clu...针对传统密度峰值聚类在波段选择时缺乏信息论角度的相似性度量以及波段数目确定问题,提出基于光谱角-光谱信息散度的自适应密度峰值波段选择方法(SSDPC:Spectral angle mapping and Spectral information divergence Density Peaks Cluster)。该方法将光谱信息散度和光谱角用于高光谱图像密度峰值聚类进行波段选择,取代传统的欧氏距离构建波段相似矩阵。通过构建波段评分策略,有效自动选择出重要的光谱波段子集。在3组高光谱数据集上调用RX(Reed-Xiaoli)算法进行异常检测,在SSDPC的相似性度量方法下,异常检测精度较欧氏距离度量方法分别平均提高1.16%、1.18%和0.07%;在自适应的SSDPC波段选择方法下,异常检测精度相较原始RX算法分别提升6.49%、2.71%和0.05%。结果表明,该算法具有良好的鲁棒性,能提升高光谱图像异常检测的性能并降低其虚警率。展开更多
在大型异构路网中,不同区域的交通运行特征存在显著差异,因此需要针对各个区域的具体特征制定相应的交通管理和控制策略。合理划分路网以获得交通特征均质的子区,对于有效的交通管控和分析至关重要。首先提出了一种改进的密度峰值聚类方...在大型异构路网中,不同区域的交通运行特征存在显著差异,因此需要针对各个区域的具体特征制定相应的交通管理和控制策略。合理划分路网以获得交通特征均质的子区,对于有效的交通管控和分析至关重要。首先提出了一种改进的密度峰值聚类方法(Enhanced Density Peak Clustering,En-DPC),用于路网子区的初始划分。该方法基于质量概率相似性并考虑路网连接性约束,提升了算法对异常数据的鲁棒性,避免子区内路段不连续的问题。接着,利用En-DPC方法对初始划分的子区进一步合并,形成大小适中的新子区。最后,通过边界调整提高子区边界的平滑度,获得最终的划分结果。该方法能够根据路网交通状态自动确定子区数量,确保划分的合理性。此外,考虑到路网拥堵状态的时空演变,在静态划分基础上设计了一种动态划分方法,根据车辆密度的变化动态调整边界,以提升其在实时交通管控中的适用性,并利用瑞士苏黎世的线圈检测器数据验证了所提出方法的有效性。结果表明,本文提出的方法能够有效地将大型异构路网划分成均质子区,且每个子区都可获得一个清晰的宏观基本图。与现有文献中的路网划分方法如归一分割和“蛇”方法相比,本文方法不仅在归一化总方差、平均NcutSilhouette和模块度等性能评价指标上表现更优,而且子区划分时间明显低于其他两种方法。展开更多
文摘针对传统密度峰值聚类在波段选择时缺乏信息论角度的相似性度量以及波段数目确定问题,提出基于光谱角-光谱信息散度的自适应密度峰值波段选择方法(SSDPC:Spectral angle mapping and Spectral information divergence Density Peaks Cluster)。该方法将光谱信息散度和光谱角用于高光谱图像密度峰值聚类进行波段选择,取代传统的欧氏距离构建波段相似矩阵。通过构建波段评分策略,有效自动选择出重要的光谱波段子集。在3组高光谱数据集上调用RX(Reed-Xiaoli)算法进行异常检测,在SSDPC的相似性度量方法下,异常检测精度较欧氏距离度量方法分别平均提高1.16%、1.18%和0.07%;在自适应的SSDPC波段选择方法下,异常检测精度相较原始RX算法分别提升6.49%、2.71%和0.05%。结果表明,该算法具有良好的鲁棒性,能提升高光谱图像异常检测的性能并降低其虚警率。
文摘在大型异构路网中,不同区域的交通运行特征存在显著差异,因此需要针对各个区域的具体特征制定相应的交通管理和控制策略。合理划分路网以获得交通特征均质的子区,对于有效的交通管控和分析至关重要。首先提出了一种改进的密度峰值聚类方法(Enhanced Density Peak Clustering,En-DPC),用于路网子区的初始划分。该方法基于质量概率相似性并考虑路网连接性约束,提升了算法对异常数据的鲁棒性,避免子区内路段不连续的问题。接着,利用En-DPC方法对初始划分的子区进一步合并,形成大小适中的新子区。最后,通过边界调整提高子区边界的平滑度,获得最终的划分结果。该方法能够根据路网交通状态自动确定子区数量,确保划分的合理性。此外,考虑到路网拥堵状态的时空演变,在静态划分基础上设计了一种动态划分方法,根据车辆密度的变化动态调整边界,以提升其在实时交通管控中的适用性,并利用瑞士苏黎世的线圈检测器数据验证了所提出方法的有效性。结果表明,本文提出的方法能够有效地将大型异构路网划分成均质子区,且每个子区都可获得一个清晰的宏观基本图。与现有文献中的路网划分方法如归一分割和“蛇”方法相比,本文方法不仅在归一化总方差、平均NcutSilhouette和模块度等性能评价指标上表现更优,而且子区划分时间明显低于其他两种方法。
