国家自然科学基金(41372349)
- 作品数：4 被引量：20H指数：3
- 相关作者：王军刘春国赵文冲蔡江辉张继福更多>>
- 相关机构：中国地震台网中心太原科技大学更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：天文地球自动化与计算机技术更多>>
- 基于CNN的地震前兆台网观测数据异常图像识别方法被引量：5
- 2021年
- 地震前兆台网观测数据异常图像识别方法一直是地震监测预报人员研究的重要课题。为提高异常图像识别的工作效率,充分利用已有的异常图像识别经验知识,开展基于卷积神经网络(CNN)的快速异常识别方法探索性研究。结果表明:基于CNN的异常图像识别方法准确率较高,实现了异常图像的快速识别。整个台网的异常图像丰富多样,影响较多。由于特定观测手段下,特定影响因素的训练样本少,该方法应用于整个台网的异常图像的自动识别,还需要进一步开展研究工作。
- 王军刘春国樊俊屹
- 关键词：地震前兆台网异常图像
- 一种影响空间下的快速K-means聚类算法被引量：7
- 2016年
- K-means是一种经典的迭代划分聚类算法,但在每次迭代过程中,需要计算和比较每个数据点与所有中心点之间的距离,因此聚类过程时间开销大.利用影响空间数据结构,给出一种快速K-means聚类算法.该算法首先,引入影响空间数据结构对给定数据集进行区域划分,获得各个区域中的代表数据点;然后,对代表数据点进行K-means聚类,得到的代表数据点所属的类别即是该区域中所有数据点所属的类别,有效地降低迭代过程中的数据量,提高了聚类效率;最后,理论分析和实验结果表明,仅对代表性数据点而非数据集中所有数据点进行迭代聚类,能够在保证聚类质量的前提下,有效地提高聚类效率.
- 赵文冲蔡江辉赵旭俊张继福
- 关键词：聚类
- 基于影响空间的初始中心点优化K-means聚类算法被引量：2
- 2016年
- 针对K-means聚类算法依赖初始点、聚类结果受初始点的选取影响较大的缺陷,给出了一种稳定的基于影响空间的初始点优化K-means聚类算法。该算法借助了影响空间数据结构和定义的加权距离吸引因子,将特殊中心点合并为K个微簇,并对微簇中的数据点加权平均得到K个初始中心点,然后执行K-means算法;最后,理论分析和实验结果表明,该初始点优化K-means聚类算法能够有效降低噪声数据对聚类结果的影响,在聚类结果、聚类过程效率方面有较大优势。
- 赵文冲蔡江辉张继福
- 关键词：K-MEANS算法
- 地震前兆数据库系统共享接口设计与实现被引量：6
- 2018年
- 为解决分析预报等相关专业软件访问前兆数据库时存在的性能与安全问题,本文设计了地震前兆数据库系统共享接口软件。该软件可以隔离数据库与应用程序,对应用程序的数据使用情况进行审计与控制,切断非法、低效的数据访问请求;同时,使用连接池、数据缓存和数据压缩等技术提高前兆数据的访问速度。软件无需安装Oracle客户端,易于使用,屏蔽了数据库表结构的复杂性。
- 王军李正媛黄经国刘春国周克昌
- 关键词：ORACLE数据交换接口
