基于不确定数据的IM-K-means算法在滑坡危险性预测的应用
发布时间：2022-11-06 08:49
我国是滑坡灾害较为多发的国家,滑坡不仅损害社会资源,而且威胁人民的生命及财产安全,因此寻求能够减轻甚至规避灾害损失的滑坡危险性预测方法极具现实意义和应用价值。而滑坡主要诱发因素降雨量的不确定性往往会给滑坡预测带来一定困难,如何有效处理不确定数据并在此基础上设计出有效的滑坡危险性预测方法是本文研究的重点。数据挖掘中的聚类算法经常被用于滑坡危险性预测,传统聚类算法通常指无监督的聚类算法,它在不利用任何已知信息的条件下根据数据间的相似性实现数据集的划分,使得同一个类中的相似性高,不同类间的相似性低,但是由于该方法在滑坡危险性预测应用的过程中完全忽略应用中给出的少量先验信息,仅在聚类结束后利用先验信息对聚类结果赋予意义,因此这种方法的预测精度整体偏低,且会导致有些类没有实际意义。基于此,考虑到在滑坡危险性预测实际应用中通常易获得少量的先验信息的实际情况,为充分利用给出的先验信息,本文首次提出把半监督聚类方法应用于滑坡危险性预测的设想,并以较成熟的基seeds集的半监督K-means算法为基础,首先通过seeds集的消噪和空间扩展实现seeds集优化,其次以seeds集作为初始类引导数据集进行相...
【文章页数】：61 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 研究背景及意义
1.2 滑坡灾害研究现状
1.3 选题依据
1.4 论文的主要内容及结构安排
第二章 相关知识
2.1 不确定数据
2.1.1 不确定数据产生原因
2.1.2 不确定数据定义
2.1.3 不确定数据相似度
2.2 聚类算法
2.2.1 聚类算法的相似性度量
2.2.2 聚类算法的分类
2.3 半监督聚类算法
2.3.1 半监督聚类算法的先验信息
2.3.2 半监督聚类算法的分类
2.4 经典K-means算法
2.4.1 无监督K-means算法
2.4.2 半监督K-means算法
2.5 本章总结
第三章 基于不确定数据的IM-K-means算法
3.1 不确定uv距离
3.2 seeds集优化
3.2.1 seeds集的消噪
3.2.2 seeds集的空间扩展
3.3 改进半监督K-means算法
3.4 实验分析
3.4.1 实验环境
3.4.2 不确定UCI数据集
3.4.3 评价标准及参数设置
3.4.4 实验结果分析
3.4.4.1 uv距离实验分析
3.4.4.2 IM-K-means算法实验分析
3.5 本章总结
第四章 基于不确定数据的IM-K-means算法在滑坡危险性预测上的应用
4.1 数据来源及预处理
4.1.1 数据来源
4.1.2 数据预处理
4.2 模型构建
4.3 评价标准
4.4 实验分析
4.4.1 uv 距离实验
4.4.2 半监督聚类算法实验
4.4.3 IM-K-means 算法实验
4.4.4 seeds 集优化实验
4.5 本章总结与扩展
第五章 总结与展望
参考文献
致谢
攻读学位期间的研究成果
【参考文献】：
期刊论文
[1]基于Logistic回归的陕南秦巴山区降雨型滑坡预测方法[J]. 赵晓萌,蔡新玲,雷向杰,田亮,卫星君. 冰川冻土. 2019(01)
[2]采用自适应分段聚合近似的典型负荷曲线形态聚类算法[J]. 王潇笛,刘俊勇,刘友波,许立雄,马铁丰,胥威汀. 电力系统自动化. 2019(01)
[3]基于CDEM对大涵地震滑坡稳定性分析[J]. 秦顺海,邬中荣. 工程技术研究. 2018(12)
[4]不确定GM-CFSFDP聚类算法在滑坡危险性预测中的应用[J]. 胡健,覃慧,毛伊敏. 计算机系统应用. 2018(06)
[5]基于小波包能量流和LTSA的垮落煤岩特征提取[J]. 李一鸣,符世琛,周俊莹,宗凯,李瑞,吴淼. 煤炭学报. 2018(S1)
[6]基于Hadoop平台的聚类K-means算法的研究[J]. 汪一百. 电脑与电信. 2018(04)
[7]K-Means数据算法在大学英语四级考试成绩分析中的研究[J]. 王磊,刘清. 通讯世界. 2018(03)
[8]基于K-PSO聚类算法和熵值法的滑坡敏感性[J]. 阮云凯,占洁伟,陈剑平,李严严. 东北大学学报(自然科学版). 2017(04)
[9]基于快速高斯变换的不确定数据聚类算法[J]. 迟荣华,程媛,朱素霞,黄少滨,陈德运. 通信学报. 2017(03)
[10]不确定遗传神经网络在滑坡危险性预测中的研究与应用[J]. 刘卫明,高晓东,毛伊敏,周昭飞. 计算机工程. 2017(02)
博士论文
[1]基于粒度计算的聚类集成算法研究[D]. 徐丽.中国矿业大学 2018
[2]不确定时间序列相似性非参数度量方法研究[D]. 迟荣华.哈尔滨工程大学 2018
[3]高烈度地震区黄土滑坡稳定性与防治技术研究[D]. 穆鹏.长安大学 2014
硕士论文
[1]基于划分的不确定数据聚类算法研究[D]. 唐东凯.长春工业大学 2018
[2]基于群体智能优化的聚类算法研究[D]. 刘翘铭.长春工业大学 2018
[3]校园一卡通数据挖掘与分析[D]. 毛志远.贵州财经大学 2018
[4]不确定近似骨架遗传蚁群算法在滑坡危险性预测中的研究与应用[D]. 李忠利.江西理工大学 2018
[5]基于联合正则化半监督分类方法的研究[D]. 谢波.西南交通大学 2018
[6]绿色施工能力成熟度评价研究[D]. 梁晓宇.重庆交通大学 2017
[7]基于群体智能的多目标聚类算法研究[D]. 朱书伟.江南大学 2016
[8]降雨入渗对多级边坡的稳定性影响研究[D]. 汪传武.重庆大学 2016
[9]基于聚类的基因选择算法和DPC聚类算法研究[D]. 高红超.陕西师范大学 2015
[10]基于半监督AP算法的电信客户细分研究[D]. 孟奇.河北大学 2014
本文编号：3703207
【文章页数】：61 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 研究背景及意义
1.2 滑坡灾害研究现状
1.3 选题依据
1.4 论文的主要内容及结构安排
第二章 相关知识
2.1 不确定数据
2.1.1 不确定数据产生原因
2.1.2 不确定数据定义
2.1.3 不确定数据相似度
2.2 聚类算法
2.2.1 聚类算法的相似性度量
2.2.2 聚类算法的分类
2.3 半监督聚类算法
2.3.1 半监督聚类算法的先验信息
2.3.2 半监督聚类算法的分类
2.4 经典K-means算法
2.4.1 无监督K-means算法
2.4.2 半监督K-means算法
2.5 本章总结
第三章 基于不确定数据的IM-K-means算法
3.1 不确定uv距离
3.2 seeds集优化
3.2.1 seeds集的消噪
3.2.2 seeds集的空间扩展
3.3 改进半监督K-means算法
3.4 实验分析
3.4.1 实验环境
3.4.2 不确定UCI数据集
3.4.3 评价标准及参数设置
3.4.4 实验结果分析
3.4.4.1 uv距离实验分析
3.4.4.2 IM-K-means算法实验分析
3.5 本章总结
第四章 基于不确定数据的IM-K-means算法在滑坡危险性预测上的应用
4.1 数据来源及预处理
4.1.1 数据来源
4.1.2 数据预处理
4.2 模型构建
4.3 评价标准
4.4 实验分析
4.4.1 uv 距离实验
4.4.2 半监督聚类算法实验
4.4.3 IM-K-means 算法实验
4.4.4 seeds 集优化实验
4.5 本章总结与扩展
第五章 总结与展望
参考文献
致谢
攻读学位期间的研究成果
【参考文献】：
期刊论文
[1]基于Logistic回归的陕南秦巴山区降雨型滑坡预测方法[J]. 赵晓萌,蔡新玲,雷向杰,田亮,卫星君. 冰川冻土. 2019(01)
[2]采用自适应分段聚合近似的典型负荷曲线形态聚类算法[J]. 王潇笛,刘俊勇,刘友波,许立雄,马铁丰,胥威汀. 电力系统自动化. 2019(01)
[3]基于CDEM对大涵地震滑坡稳定性分析[J]. 秦顺海,邬中荣. 工程技术研究. 2018(12)
[4]不确定GM-CFSFDP聚类算法在滑坡危险性预测中的应用[J]. 胡健,覃慧,毛伊敏. 计算机系统应用. 2018(06)
[5]基于小波包能量流和LTSA的垮落煤岩特征提取[J]. 李一鸣,符世琛,周俊莹,宗凯,李瑞,吴淼. 煤炭学报. 2018(S1)
[6]基于Hadoop平台的聚类K-means算法的研究[J]. 汪一百. 电脑与电信. 2018(04)
[7]K-Means数据算法在大学英语四级考试成绩分析中的研究[J]. 王磊,刘清. 通讯世界. 2018(03)
[8]基于K-PSO聚类算法和熵值法的滑坡敏感性[J]. 阮云凯,占洁伟,陈剑平,李严严. 东北大学学报(自然科学版). 2017(04)
[9]基于快速高斯变换的不确定数据聚类算法[J]. 迟荣华,程媛,朱素霞,黄少滨,陈德运. 通信学报. 2017(03)
[10]不确定遗传神经网络在滑坡危险性预测中的研究与应用[J]. 刘卫明,高晓东,毛伊敏,周昭飞. 计算机工程. 2017(02)
博士论文
[1]基于粒度计算的聚类集成算法研究[D]. 徐丽.中国矿业大学 2018
[2]不确定时间序列相似性非参数度量方法研究[D]. 迟荣华.哈尔滨工程大学 2018
[3]高烈度地震区黄土滑坡稳定性与防治技术研究[D]. 穆鹏.长安大学 2014
硕士论文
[1]基于划分的不确定数据聚类算法研究[D]. 唐东凯.长春工业大学 2018
[2]基于群体智能优化的聚类算法研究[D]. 刘翘铭.长春工业大学 2018
[3]校园一卡通数据挖掘与分析[D]. 毛志远.贵州财经大学 2018
[4]不确定近似骨架遗传蚁群算法在滑坡危险性预测中的研究与应用[D]. 李忠利.江西理工大学 2018
[5]基于联合正则化半监督分类方法的研究[D]. 谢波.西南交通大学 2018
[6]绿色施工能力成熟度评价研究[D]. 梁晓宇.重庆交通大学 2017
[7]基于群体智能的多目标聚类算法研究[D]. 朱书伟.江南大学 2016
[8]降雨入渗对多级边坡的稳定性影响研究[D]. 汪传武.重庆大学 2016
[9]基于聚类的基因选择算法和DPC聚类算法研究[D]. 高红超.陕西师范大学 2015
[10]基于半监督AP算法的电信客户细分研究[D]. 孟奇.河北大学 2014
本文编号：3703207
本文链接：https://www.wllwen.com/guanlilunwen/gongchengguanli/3703207.html
