提出利用限制性 k 近邻和相对密度的概念识别网格聚类边界点的技术,给出网格聚类中的边界处理算法和带边界处理的网格聚类算法(GBCB).实验表明,聚类边界处理技术精度高,能有效地将聚类的边界点和孤立点/噪声数据分离开来.基于该边界处...提出利用限制性 k 近邻和相对密度的概念识别网格聚类边界点的技术,给出网格聚类中的边界处理算法和带边界处理的网格聚类算法(GBCB).实验表明,聚类边界处理技术精度高,能有效地将聚类的边界点和孤立点/噪声数据分离开来.基于该边界处理技术的网格聚类算法 GBCB 能识别任意形状的聚类.由于它只对数据集进行一遍扫描,算法的运行时间是输人数据大小的线性函数,可扩展性好.展开更多
在周期性信号数字化测量比对中,除A/D量化误差以外还存在取决于两比对信号频率关系的量化相移步进误差。通过分析两种量化误差的产生原因及相互关系,该文提出了利用两种误差的相辅相成关系来量化误差分辨率的稳定性以及影响,在数字化处...在周期性信号数字化测量比对中,除A/D量化误差以外还存在取决于两比对信号频率关系的量化相移步进误差。通过分析两种量化误差的产生原因及相互关系,该文提出了利用两种误差的相辅相成关系来量化误差分辨率的稳定性以及影响,在数字化处理中采用边沿处理技术,能有效地抑制量化误差。实验表明,在10 bit A/D采样分辨率下,测量分辨率较原有A/D测量分辨率提高了一个数量级甚至更高。该方法可以在频率、相位等参数的精密测量、控制中发挥重要作用。展开更多
文摘提出利用限制性 k 近邻和相对密度的概念识别网格聚类边界点的技术,给出网格聚类中的边界处理算法和带边界处理的网格聚类算法(GBCB).实验表明,聚类边界处理技术精度高,能有效地将聚类的边界点和孤立点/噪声数据分离开来.基于该边界处理技术的网格聚类算法 GBCB 能识别任意形状的聚类.由于它只对数据集进行一遍扫描,算法的运行时间是输人数据大小的线性函数,可扩展性好.
文摘在周期性信号数字化测量比对中,除A/D量化误差以外还存在取决于两比对信号频率关系的量化相移步进误差。通过分析两种量化误差的产生原因及相互关系,该文提出了利用两种误差的相辅相成关系来量化误差分辨率的稳定性以及影响,在数字化处理中采用边沿处理技术,能有效地抑制量化误差。实验表明,在10 bit A/D采样分辨率下,测量分辨率较原有A/D测量分辨率提高了一个数量级甚至更高。该方法可以在频率、相位等参数的精密测量、控制中发挥重要作用。
