隨著大數(shù)據(jù)時代的到來,數(shù)據(jù)在社會生活中發(fā)揮著越來越重要的作用。當前信息系統(tǒng)不斷普及,而其中的數(shù)據(jù)建設(shè)作為一項重要的系統(tǒng)工程,在建設(shè)過程中遇到了很多新的問題,譬如數(shù)據(jù)資源分散建設(shè)、高價值信息缺乏、數(shù)據(jù)標準不一等。軍隊的數(shù)據(jù)建設(shè)也正面臨著這些挑戰(zhàn),與此同時還存在數(shù)據(jù)利用效率低下等問題。如何從大量歷史軍事信息數(shù)據(jù)中挖掘出部隊人員、裝備等知識,從而幫助部隊解決問題并為領(lǐng)導(dǎo)者提供輔助決策,是一項有著重大意義的工作。近年來計算機技術(shù)的快速發(fā)展,以聚類分析為代表的數(shù)據(jù)挖掘技術(shù)已經(jīng)成為當前極為活躍的研究方向,許多的新理論和新算法不斷被提出。其中空間數(shù)據(jù)挖掘中的數(shù)據(jù)場理論與聚類算法的結(jié)合,取得了良好的聚類效果,有著廣闊的應(yīng)用前景。此外由于數(shù)據(jù)集在嵌入空間后的形狀不規(guī)范,所以能夠?qū)Σ灰?guī)則形狀類簇進行劃分的密度聚類算法的適用范圍更加廣泛。因此,本文針對在參與軍隊數(shù)據(jù)工程建設(shè)中遇到的實際問題,同時結(jié)合學(xué)習的以聚類分析為主的數(shù)據(jù)挖掘方法,主要進行了以下幾個方面的研究內(nèi)容:（1）提出了宏觀數(shù)據(jù)場和數(shù)據(jù)態(tài)勢理論。主要對兩者的基本概念和內(nèi)容進行闡述,明確宏觀數(shù)據(jù)場的概念模型和應(yīng)用領(lǐng)域,確定數(shù)據(jù)態(tài)勢的主要內(nèi)容和研究方法... 

【文章來源】：國防科技大學(xué)湖南省 211工程院校 985工程院校

【文章頁數(shù)】：74 頁

【學(xué)位級別】：碩士

【部分圖文】：

二維空間的算法

為了進一步測試算法過程，以圖 3.2 中的數(shù)據(jù)測試為例。如同 3.2 A 所表示，所使用的數(shù)據(jù)點是非球狀的概率分布，同時具有明顯的峰值重疊現(xiàn)象。極大值相差近一個數(shù)量級的概率值。在圖 3.2 B 和 3.2 C 中，分別是 4000 0 個來自 A 中的數(shù)據(jù)點的分布。在相對應(yīng)的決策圖中（圖 3.2 D 和 3.2 E）中只發(fā)現(xiàn) 5 個同時具有較大 值和相當大的密度值的數(shù)據(jù)點。這些點在決策圖大的實心球表示并作為對應(yīng)的聚類中心。選擇了聚類中心之后，每一個數(shù)會被分配到一個簇類或者一個空洞中。算法能夠捕獲概率峰的位置和形狀于那些對應(yīng)于不同密度的概率峰（圖 3.2 C 中的藍色和淡綠色的數(shù)據(jù)點）以狀的峰。進一步來講，如同圖 3.2 A，分配到對應(yīng)的概率分布的視覺檢測區(qū)洞的數(shù)據(jù)點不會分配到任何概率峰。D E F圖 3.2 合成數(shù)據(jù)點分布結(jié)果。A:數(shù)據(jù)點的概率分布，最低亮度的區(qū)域?qū)?yīng)于相同的分布概率 20%。B and C:分別為4000 和 1000 個數(shù)據(jù)點例子的分布，根據(jù)數(shù)據(jù)點所屬簇類的不同著色。黑色點屬于空洞。D and E：對應(yīng)的決策圖，聚類中心分別著色。F：把分配到錯誤簇類的數(shù)據(jù)點所占比例與樣本尺寸的關(guān)系。誤差棒表示平均標準誤差。

基于數(shù)據(jù)場的改進快速查找峰值密度聚類算法具體流程描述如下：輸入：數(shù)據(jù)集1 2D (X , X , )n …，X ，中斷勢值c 。輸出：聚類結(jié)果(1) 將數(shù)據(jù)集 D 嵌入到二維空間，利用最小化勢熵方法確定 的取值。(2) 根據(jù)公式221 1(x)ix xn nii ip e 計算各數(shù)據(jù)點的勢值。(3) 根據(jù)公式 ( )i ij cj 計算各數(shù)據(jù)點的局部密度值，并且計算各數(shù)據(jù)點的 值。(4) 選擇具有局部或者全局極大值密度值和 去極大值的數(shù)據(jù)點作為聚類中心。(5) 把剩余的數(shù)據(jù)點分配到與其 值較為接近的最近的聚類中心所在的簇類，輸出聚類結(jié)果。從圖 2A 中選擇 10000 個數(shù)據(jù)點作為數(shù)據(jù)集，分別用快速查找峰值密度聚類算和改進后的快速查找峰值密度聚類算法對其進行聚類，得到的結(jié)果如圖所示：

【參考文獻】：
期刊論文
[1]聯(lián)合作戰(zhàn)戰(zhàn)場態(tài)勢一致性評估[J]. 曾清,施慧杰,杜陽華.  指揮控制與仿真. 2014(01)
[2]一種基于數(shù)據(jù)場的復(fù)雜網(wǎng)絡(luò)聚類算法[J]. 劉玉華,張翼,徐翠,晉建志.  計算機科學(xué). 2013(11)
[3]基于Markov鏈的部隊人員管理風險評估模型研究[J]. 常作勇,張磊,馬偉標.  武警學(xué)院學(xué)報. 2013(09)
[4]戰(zhàn)場態(tài)勢及態(tài)勢估計的新見解[J]. 李赟,劉鋼,老松楊.  火力與指揮控制. 2012(09)
[5]中國地域多功能性評價及其決策機制[J]. 劉彥隨,劉玉,陳玉福.  地理學(xué)報. 2011(10)
[6]基于數(shù)據(jù)場的概率神經(jīng)網(wǎng)絡(luò)算法[J]. 李春芳,劉連忠,陸震.  電子學(xué)報. 2011(08)
[7]戰(zhàn)場態(tài)勢估計概念、結(jié)構(gòu)與效能[J]. 趙宗貴,李君靈,王珂.  中國電子科學(xué)研究院學(xué)報. 2010(03)
[8]鄰域平衡密度聚類算法[J]. 武佳薇,李雄飛,孫濤,李巍.  計算機研究與發(fā)展. 2010(06)
[9]基于數(shù)據(jù)場的大規(guī)模本體映射[J]. 仲茜,李涓子,唐杰,周立柱.  計算機學(xué)報. 2010(06)
[10]利用數(shù)據(jù)場的表情臉識別方法[J]. 王樹良,鄒珊珊,操保華,謝媛.  武漢大學(xué)學(xué)報(信息科學(xué)版). 2010(06)

博士論文
[1]信息融合中的態(tài)勢評估技術(shù)研究[D]. 王曉帆.西安電子科技大學(xué) 2012
[2]態(tài)勢估計中的關(guān)鍵技術(shù)研究[D]. 柴慧敏.西安電子科技大學(xué) 2009
[3]聚類分析中若干關(guān)鍵技術(shù)的研究[D]. 楊小兵.浙江大學(xué) 2005

碩士論文
[1]基于C/S模式的某部隊人力資源管理系統(tǒng)的設(shè)計與實現(xiàn)[D]. 黃煒.廈門大學(xué) 2014
[2]基于數(shù)據(jù)場的密度聚類算法研究[D]. 楊靜.山西大學(xué) 2013



本文編號：3485242