一种应用于噪声点分布密集环境下的噪声点识别算法

陈平华; 周鹏

doi:10.3969/j.issn.1007-7162.2014.03.007

欢迎来到能源电力期刊网！

English Version 期刊登录

您当前的位置：

首页 >

文章列表页 >

一种应用于噪声点分布密集环境下的噪声点识别算法

综合研究 | 更新时间：2026-05-27

- 一种应用于噪声点分布密集环境下的噪声点识别算法
- A Recognition Algorithm of Noise Applied to Environments with Intensive Noise-data Distribution
- 广东工业大学学报 2014年31卷第3期页码：39-43
- 作者机构：
- 作者简介：
  
  陈平华（1967-），男，教授,硕士生导师，主要研究方向为推荐系统和云计算技术.
- 基金信息：
  
  广东省教育部产学研结合项目（2012B091100003，2012B091000058）
- DOI：10.3969/j.issn.1007-7162.2014.03.007
  中图分类号：
- 网络首发：2014-09-30，
  
  纸质出版：2014
- 稿件说明：
移动端阅览
陈平华, 周鹏. 一种应用于噪声点分布密集环境下的噪声点识别算法[J]. 广东工业大学学报, 2014, 31(3): 39-43.

Chen Pinghua, Zhou Peng. A Recognition Algorithm of Noise Applied to Environments with Intensive Noise-data Distribution[J]. 2014, 31(3): 39-43.
陈平华, 周鹏. 一种应用于噪声点分布密集环境下的噪声点识别算法[J]. 广东工业大学学报, 2014, 31(3): 39-43. DOI： 10.3969/j.issn.1007-7162.2014.03.007.

Chen Pinghua, Zhou Peng. A Recognition Algorithm of Noise Applied to Environments with Intensive Noise-data Distribution[J]. 2014, 31(3): 39-43. DOI： 10.3969/j.issn.1007-7162.2014.03.007.

摘要

为了提高DBSCAN及其改进算法在噪声点分布密集环境下的噪声点识别率，通过结合PageRank算法思想及噪声数据分布密集的特点，构造簇间投票映射函数，提出了簇间投票噪声点识别算法-NoiseRank.实验结果表明，在噪声点分布密集环境下，NoiseRank算法比DBSCAN算法具有更高的噪声点识别率.

Abstract

By combining the PageRank algorithm with the features of intensive noisedata to improve the noise-data recognition rate of DBSCAN in environments with intensive Noise-Point distribution

it structured the inner-cluster mapping function for voting

and proposed the inter-cluster voting noise recognition algorithmNoiseRank. Experimental results show that in environments with intensive NoisePoint distribution

the Noise-data recognition rate of NoiseRank is much higher than that of DBSCAN.

关键词

Keywords

references

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

蛛网态微博关系网中有影响力用户的识别研究

基于高效时序建模的RGB-T跟踪

面向灾后救援的多无人机通感算一体化资源分配优化方法

双模态迭代交叉注意力融合集成框架

多套餐共享储能模式下考虑功率互济的社区联盟优化运行策略