本项目在国际上首次系统提出以信号分析中的多分辨分解和奇异性检测技术建构全新的数据聚类理论和算法。在建立聚类分析和信号分析之间的相关模型基础上,用基于小波变换的多分辨分解和奇异性检测提取严格精细的全局和局域聚类信息,并以松弛算法和多层次图论为工具进行聚类信息的融合。同时把算法推广到网格空间以适应大规模高维数据聚类的需要。
{{i.achievement_title}}
数据更新时间:2023-05-31
论大数据环境对情报学发展的影响
正交异性钢桥面板纵肋-面板疲劳开裂的CFRP加固研究
基于 Kronecker 压缩感知的宽带 MIMO 雷达高分辨三维成像
基于多模态信息特征融合的犯罪预测算法研究
栓接U肋钢箱梁考虑对接偏差的疲劳性能及改进方法研究
具有迟滞特征对象的多空间关联和多值映射数据挖掘与聚类分析
轨道数据的聚类分析
基于多尺度各向异性高斯核的图像高分辨率边缘检测理论与方法
基于多源数据集成和矩阵分解的药物重定位方法研究