传统Voronoi图对大量点集进行Voronoi划分时会产生Voronoi单元格数过多的现象,导致难以适用于地理信息系统、生物医学等诸多领域。为了解决这个问题,提出一种自适应基于密度的聚类算法(Density-Based Spatial Clustering of Application...传统Voronoi图对大量点集进行Voronoi划分时会产生Voronoi单元格数过多的现象,导致难以适用于地理信息系统、生物医学等诸多领域。为了解决这个问题,提出一种自适应基于密度的聚类算法(Density-Based Spatial Clustering of Applications with Noise,DBSCAN)的Voronoi图。阐述了Voronoi单元合并的现象,证明了其发生的充要条件,提出该Voronoi图的生成算法并进行仿真。通过显微镜下嗜中性粒细胞、我国地表火点数据对算法进行验证,结果表明,该算法能够有效解决点集规模较大时,Voronoi图划分过于细致的问题,突破了传统Voronoi图单点对单点的划分形式。此外,该算法拓宽了Voronoi图在图形图像处理、生物医学、地理信息系统等领域的应用。展开更多
无线传感网络(Wireless Sensor Networks,WSNs)的性能依赖于所收集的数据质量。而最初,节点所感测的数据是粗糙的,需通过有效的数据检测算法将异常数据与正常数据进行区分。为此,提出基于二叉空间划分的异常数据检测(Binary Space Parti...无线传感网络(Wireless Sensor Networks,WSNs)的性能依赖于所收集的数据质量。而最初,节点所感测的数据是粗糙的,需通过有效的数据检测算法将异常数据与正常数据进行区分。为此,提出基于二叉空间划分的异常数据检测(Binary Space Partition-based Anomaly Detection,BSP-AD)算法。BSP-AD算法通过二叉空间划分(Binary Space Partition,BSP)训练、测试数据。先通过训练数据,得到正常数据的区间范围,再通过此区间范围检测测试数据中异常部分。仿真结果表明,提出的BSP-AD算法能够准确地检测异常数据,并且计算成本和存储成本低于IDLO算法。展开更多
文摘传统Voronoi图对大量点集进行Voronoi划分时会产生Voronoi单元格数过多的现象,导致难以适用于地理信息系统、生物医学等诸多领域。为了解决这个问题,提出一种自适应基于密度的聚类算法(Density-Based Spatial Clustering of Applications with Noise,DBSCAN)的Voronoi图。阐述了Voronoi单元合并的现象,证明了其发生的充要条件,提出该Voronoi图的生成算法并进行仿真。通过显微镜下嗜中性粒细胞、我国地表火点数据对算法进行验证,结果表明,该算法能够有效解决点集规模较大时,Voronoi图划分过于细致的问题,突破了传统Voronoi图单点对单点的划分形式。此外,该算法拓宽了Voronoi图在图形图像处理、生物医学、地理信息系统等领域的应用。
文摘无线传感网络(Wireless Sensor Networks,WSNs)的性能依赖于所收集的数据质量。而最初,节点所感测的数据是粗糙的,需通过有效的数据检测算法将异常数据与正常数据进行区分。为此,提出基于二叉空间划分的异常数据检测(Binary Space Partition-based Anomaly Detection,BSP-AD)算法。BSP-AD算法通过二叉空间划分(Binary Space Partition,BSP)训练、测试数据。先通过训练数据,得到正常数据的区间范围,再通过此区间范围检测测试数据中异常部分。仿真结果表明,提出的BSP-AD算法能够准确地检测异常数据,并且计算成本和存储成本低于IDLO算法。
