-
题名基于密度峰值聚类算法的模态参数识别
被引量：9
- 1
-
-
作者
王飞宇
胡志祥
黄潇
-
机构
合肥工业大学土木与水利工程学院
中国电子科技集团公司第三十八研究所
-
出处
《振动与冲击》
EI
CSCD
北大核心
2019年第2期172-178,共7页
-
基金
国家自然科学基金(51408177)
-
文摘
稀疏成分分析是解决欠定盲源分离问题的一种有效方法,其主要分为两步:计算振型矩阵和重构单模态信号。在计算振型矩阵时,针对无法预知源信号数量和高阶振动模态混叠的问题,利用一种基于密度峰值聚类算法识别模态振型。相比于传统的聚类算法,该方法具有以下特点:①利用决策图直观地选出聚类中心和聚类数目;②算法可以自动分离噪声点,对噪声不敏感。在重构单模态信号时,利用可以快速重构稀疏信号的SL0算法,重构出单模态时频域信号,提取出各阶模态频率。通过振动结构仿真算例验证了该方法的有效性。
-
关键词
模态分析
稀疏成分分析
密度峰值聚类(dpca)
SL0算法
-
Keywords
modal analysis
sparse component analysis
density peaks clustering algorithm(dpca)
SL0 algorithm
-
分类号
TB123
[理学—工程力学]
TN911.6
[电子电信—通信与信息系统]
-
-
题名一种基于稀疏因子图的大数据近邻传播聚类算法
被引量：1
- 2
-
-
作者
赖健琼
周金治
-
机构
西南科技大学信息工程学院
特殊环境机器人技术四川省重点实验室
-
出处
《计算机应用与软件》
北大核心
2020年第10期270-277,共8页
-
基金
特殊环境机器人技术四川省重点实验室基金项目(13ZXTK07)
四川省科技项目(19MZGC 0201)。
-
文摘
针对标准AP聚类算法在处理大规模数据时复杂度增加、效率降低等问题,提出基于稀疏因子图的大数据近邻传播聚类算法DPCA_AP。利用基于密度峰值聚类算法的决策图对相似矩阵进行稀疏化,利用稀疏矩阵组建因子图,将吸引度和归属度的消息值在稀疏因子图的边上进行更新迭代,得到聚类结果。该算法在保证聚类效果的同时,通过降低算法的复杂度使得聚类效率提高。在随机生成的数据集和Iris、Wine、Yeast、Balance Scale和Heart等公共数据集上的测试验证了其有效性。
-
关键词
决策图
稀疏因子图
稀疏矩阵
dpca聚类
AP聚类
-
Keywords
Decision graph
Sparse factor graph
Sparse matrix
dpca clustering
AP clustering
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
