大壩監(jiān)測(cè)系統(tǒng)不斷完善的同時(shí),監(jiān)測(cè)點(diǎn)數(shù)目日益增多,積累了大量存在復(fù)雜相關(guān)性的監(jiān)測(cè)數(shù)據(jù),需采用有效的數(shù)據(jù)挖掘方法,快速、準(zhǔn)確地對(duì)監(jiān)測(cè)數(shù)據(jù)的復(fù)雜相關(guān)性進(jìn)行挖掘,篩選出典型監(jiān)測(cè)點(diǎn),及時(shí)掌握大壩安全性態(tài)。密度峰值聚類算法(Clustering by Fast Search and Find of Density Peaks,CFSFDP)作為新提出的一種數(shù)據(jù)挖掘方法,對(duì)數(shù)據(jù)集分布形狀要求低且對(duì)噪聲不敏感,能快速實(shí)現(xiàn)任意形狀數(shù)據(jù)集的精準(zhǔn)聚類,在處理復(fù)雜數(shù)據(jù)上具有顯著優(yōu)勢(shì),但該方法在實(shí)際數(shù)據(jù)分析應(yīng)用中存在不足。本文將可拓關(guān)聯(lián)函數(shù)引入密度峰值聚類算法中,克服聚類過程中樣本點(diǎn)出現(xiàn)大量連錯(cuò)問題;借鑒進(jìn)化算法思想對(duì)改進(jìn)算法進(jìn)一步優(yōu)化,克服其在運(yùn)行過程中穩(wěn)定性問題;最后將改進(jìn)算法應(yīng)用于大壩監(jiān)測(cè)數(shù)據(jù)處理中,準(zhǔn)確篩選出大壩變形、裂縫及應(yīng)力應(yīng)變典型監(jiān)測(cè)點(diǎn)。全文研究?jī)?nèi)容如下:(1)提出了一種基于可拓關(guān)聯(lián)函數(shù)的改進(jìn)密度峰值聚類算法(Extension Correlation Function-CFSFDP,EC-CFSFDP),克服CFSFDP算法在確定聚類中心及分配非簇心點(diǎn)時(shí),易出現(xiàn)大量連錯(cuò)的問題。本文主要從簇心選取...

【文章頁數(shù)】：104 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
符號(hào)說明
第一章 緒論
    1.1 研究背景及意義
    1.2 大壩監(jiān)測(cè)數(shù)據(jù)的研究現(xiàn)狀
        1.2.1 大壩監(jiān)測(cè)數(shù)據(jù)分析方法研究現(xiàn)狀
        1.2.2 聚類分析在大壩監(jiān)測(cè)數(shù)據(jù)分析中的研究現(xiàn)狀
    1.3 密度峰值聚類算法研究現(xiàn)狀
        1.3.1 分配策略研究現(xiàn)狀
        1.3.2 時(shí)間復(fù)雜度研究現(xiàn)狀
        1.3.3 自動(dòng)確定中心點(diǎn)研究現(xiàn)狀
        1.3.4 自動(dòng)確定截?cái)嗑嚯x研究現(xiàn)狀
        1.3.5 集成與應(yīng)用研究現(xiàn)狀
    1.4 目前存在的問題
    1.5 論文主要內(nèi)容及體系結(jié)構(gòu)
        1.5.1 研究?jī)?nèi)容及技術(shù)路線
        1.5.2 體系結(jié)構(gòu)
    1.6 本章小結(jié)
第二章 密度峰值聚類算法概述
    2.1 引言
    2.2 聚類相關(guān)指標(biāo)
        2.2.1 相似性度量
        2.2.2 評(píng)價(jià)指標(biāo)
        2.2.3 聚類算法分類
    2.3 密度峰值聚類算法
        2.3.1 算法聚類思想
        2.3.2 算法聚類參數(shù)
        2.3.3 算法聚類過程
        2.3.4 不足點(diǎn)分析
    2.4 本章小結(jié)
第三章 基于可拓關(guān)聯(lián)函數(shù)的改進(jìn)密度峰值聚類算法
    3.1 引言
    3.2 算法改進(jìn)知識(shí)
        3.2.1 可拓關(guān)聯(lián)函數(shù)
        3.2.2 信息熵
    3.3 基于可拓關(guān)聯(lián)函數(shù)的改進(jìn)密度峰值聚類算法
        3.3.1 定義
        3.3.2 改進(jìn)算法的原理
        3.3.3 改進(jìn)后算法的實(shí)施步驟
        3.3.4 時(shí)間復(fù)雜度分析
    3.4 實(shí)驗(yàn)及對(duì)比分析
        3.4.1 實(shí)驗(yàn)數(shù)據(jù)集
        3.4.2 EC-CFSFDP算法性能分析
    3.5 本章小結(jié)
第四章 自動(dòng)選取k鄰域的優(yōu)化聚類算法
    4.1 引言
    4.2 算法改進(jìn)知識(shí)
        4.2.1 遺傳算法
        4.2.2 遺傳算法改進(jìn)
    4.3 AEC-CFSFDP算法
        4.3.1 算法基本思想
        4.3.2 AEC-CFSFDP算法實(shí)施步驟
        4.3.3 算法流程圖
        4.3.4 時(shí)間復(fù)雜度分析
    4.4 算法實(shí)驗(yàn)驗(yàn)證與分析
        4.4.1 實(shí)驗(yàn)數(shù)據(jù)集和評(píng)價(jià)指標(biāo)
        4.4.2 AEC-CFSFDP算法性能分析
    4.5 本章小結(jié)
第五章 AEC-CFSFDP算法在大壩監(jiān)測(cè)數(shù)據(jù)中的應(yīng)用
    5.1 引言
    5.2 工程概況
        5.2.1 地理位置及工程規(guī)模介紹
        5.2.2 大壩建筑物
        5.2.3 大壩監(jiān)測(cè)系統(tǒng)
    5.3 大壩典型監(jiān)測(cè)點(diǎn)選取
        5.3.1 數(shù)據(jù)處理
        5.3.2 位移典型監(jiān)測(cè)點(diǎn)選取
        5.3.3 裂縫典型監(jiān)測(cè)點(diǎn)選取
        5.3.4 應(yīng)力應(yīng)變典型監(jiān)測(cè)點(diǎn)選取
    5.4 驗(yàn)證分析
    5.5 本章小結(jié)
第六章 結(jié)論與展望
    6.1 結(jié)論
    6.2 創(chuàng)新點(diǎn)
    6.3 展望
參考文獻(xiàn)
致謝
作者簡(jiǎn)介
    1 作者簡(jiǎn)歷
    2 攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文
    3 參與的科研項(xiàng)目及獲獎(jiǎng)情況
    4 發(fā)明專利
學(xué)位論文數(shù)據(jù)集



本文編號(hào)：3864882