密度峰值聚类算法研究及其在大坝监测数据中的应用
发布时间：2023-11-18 08:03
大坝监测系统不断完善的同时,监测点数目日益增多,积累了大量存在复杂相关性的监测数据,需采用有效的数据挖掘方法,快速、准确地对监测数据的复杂相关性进行挖掘,筛选出典型监测点,及时掌握大坝安全性态。密度峰值聚类算法(Clustering by Fast Search and Find of Density Peaks,CFSFDP)作为新提出的一种数据挖掘方法,对数据集分布形状要求低且对噪声不敏感,能快速实现任意形状数据集的精准聚类,在处理复杂数据上具有显著优势,但该方法在实际数据分析应用中存在不足。本文将可拓关联函数引入密度峰值聚类算法中,克服聚类过程中样本点出现大量连错问题;借鉴进化算法思想对改进算法进一步优化,克服其在运行过程中稳定性问题;最后将改进算法应用于大坝监测数据处理中,准确筛选出大坝变形、裂缝及应力应变典型监测点。全文研究内容如下:(1)提出了一种基于可拓关联函数的改进密度峰值聚类算法(Extension Correlation Function-CFSFDP,EC-CFSFDP),克服CFSFDP算法在确定聚类中心及分配非簇心点时,易出现大量连错的问题。本文主要从簇心选取...
【文章页数】：104 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
符号说明
第一章 绪论
1.1 研究背景及意义
1.2 大坝监测数据的研究现状
1.2.1 大坝监测数据分析方法研究现状
1.2.2 聚类分析在大坝监测数据分析中的研究现状
1.3 密度峰值聚类算法研究现状
1.3.1 分配策略研究现状
1.3.2 时间复杂度研究现状
1.3.3 自动确定中心点研究现状
1.3.4 自动确定截断距离研究现状
1.3.5 集成与应用研究现状
1.4 目前存在的问题
1.5 论文主要内容及体系结构
1.5.1 研究内容及技术路线
1.5.2 体系结构
1.6 本章小结
第二章 密度峰值聚类算法概述
2.1 引言
2.2 聚类相关指标
2.2.1 相似性度量
2.2.2 评价指标
2.2.3 聚类算法分类
2.3 密度峰值聚类算法
2.3.1 算法聚类思想
2.3.2 算法聚类参数
2.3.3 算法聚类过程
2.3.4 不足点分析
2.4 本章小结
第三章 基于可拓关联函数的改进密度峰值聚类算法
3.1 引言
3.2 算法改进知识
3.2.1 可拓关联函数
3.2.2 信息熵
3.3 基于可拓关联函数的改进密度峰值聚类算法
3.3.1 定义
3.3.2 改进算法的原理
3.3.3 改进后算法的实施步骤
3.3.4 时间复杂度分析
3.4 实验及对比分析
3.4.1 实验数据集
3.4.2 EC-CFSFDP算法性能分析
3.5 本章小结
第四章 自动选取k邻域的优化聚类算法
4.1 引言
4.2 算法改进知识
4.2.1 遗传算法
4.2.2 遗传算法改进
4.3 AEC-CFSFDP算法
4.3.1 算法基本思想
4.3.2 AEC-CFSFDP算法实施步骤
4.3.3 算法流程图
4.3.4 时间复杂度分析
4.4 算法实验验证与分析
4.4.1 实验数据集和评价指标
4.4.2 AEC-CFSFDP算法性能分析
4.5 本章小结
第五章 AEC-CFSFDP算法在大坝监测数据中的应用
5.1 引言
5.2 工程概况
5.2.1 地理位置及工程规模介绍
5.2.2 大坝建筑物
5.2.3 大坝监测系统
5.3 大坝典型监测点选取
5.3.1 数据处理
5.3.2 位移典型监测点选取
5.3.3 裂缝典型监测点选取
5.3.4 应力应变典型监测点选取
5.4 验证分析
5.5 本章小结
第六章 结论与展望
6.1 结论
6.2 创新点
6.3 展望
参考文献
致谢
作者简介
1 作者简历
2 攻读硕士学位期间发表的学术论文
3 参与的科研项目及获奖情况
4 发明专利
学位论文数据集
本文编号：3864882
【文章页数】：104 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
符号说明
第一章 绪论
1.1 研究背景及意义
1.2 大坝监测数据的研究现状
1.2.1 大坝监测数据分析方法研究现状
1.2.2 聚类分析在大坝监测数据分析中的研究现状
1.3 密度峰值聚类算法研究现状
1.3.1 分配策略研究现状
1.3.2 时间复杂度研究现状
1.3.3 自动确定中心点研究现状
1.3.4 自动确定截断距离研究现状
1.3.5 集成与应用研究现状
1.4 目前存在的问题
1.5 论文主要内容及体系结构
1.5.1 研究内容及技术路线
1.5.2 体系结构
1.6 本章小结
第二章 密度峰值聚类算法概述
2.1 引言
2.2 聚类相关指标
2.2.1 相似性度量
2.2.2 评价指标
2.2.3 聚类算法分类
2.3 密度峰值聚类算法
2.3.1 算法聚类思想
2.3.2 算法聚类参数
2.3.3 算法聚类过程
2.3.4 不足点分析
2.4 本章小结
第三章 基于可拓关联函数的改进密度峰值聚类算法
3.1 引言
3.2 算法改进知识
3.2.1 可拓关联函数
3.2.2 信息熵
3.3 基于可拓关联函数的改进密度峰值聚类算法
3.3.1 定义
3.3.2 改进算法的原理
3.3.3 改进后算法的实施步骤
3.3.4 时间复杂度分析
3.4 实验及对比分析
3.4.1 实验数据集
3.4.2 EC-CFSFDP算法性能分析
3.5 本章小结
第四章 自动选取k邻域的优化聚类算法
4.1 引言
4.2 算法改进知识
4.2.1 遗传算法
4.2.2 遗传算法改进
4.3 AEC-CFSFDP算法
4.3.1 算法基本思想
4.3.2 AEC-CFSFDP算法实施步骤
4.3.3 算法流程图
4.3.4 时间复杂度分析
4.4 算法实验验证与分析
4.4.1 实验数据集和评价指标
4.4.2 AEC-CFSFDP算法性能分析
4.5 本章小结
第五章 AEC-CFSFDP算法在大坝监测数据中的应用
5.1 引言
5.2 工程概况
5.2.1 地理位置及工程规模介绍
5.2.2 大坝建筑物
5.2.3 大坝监测系统
5.3 大坝典型监测点选取
5.3.1 数据处理
5.3.2 位移典型监测点选取
5.3.3 裂缝典型监测点选取
5.3.4 应力应变典型监测点选取
5.4 验证分析
5.5 本章小结
第六章 结论与展望
6.1 结论
6.2 创新点
6.3 展望
参考文献
致谢
作者简介
1 作者简历
2 攻读硕士学位期间发表的学术论文
3 参与的科研项目及获奖情况
4 发明专利
学位论文数据集
本文编号：3864882
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3864882.html