数据采集聚类分析及在gis 山东大学嵌入式系统实验室.pptxVIP

1 海洋监测系统概览 2 监测数据聚类分析 3 嵌入式GIS模块;海洋监测背景;海洋监测技术的国内外现状;海洋监测系统的功能;监测系统空间分布图;实时数据采集传输系统;数据传输承载网络--GPRS;数据的XML格式封装;海洋监测系统数据采集传输流程 ; 海洋监测和预报是以对采集数据的各要素进行聚类分析为基础的。 聚类分析将没有类别标记的样本集合按照某种准则划分成若干个子 集，使相似的样本尽可能的归为一类。由于样本数据的并没有严格 的属性，在性态和类属方面存在着中介性，即具有亦此亦彼的性 质，因此出现以模糊集理论为基础的模糊聚类算法。 ;模糊聚类的数据模型;FCM算法的聚类目标函数定义;最优聚类划分;FCM算法步骤;已发论文;熵的引入;基于熵测度的熵;基于熵测度的模糊聚类算法;期望熵(expected entropy);COOLCAT算法;大数据集的聚类;EIFCA算法的优势;改进策略I--动态改变聚类类别数 ;算法设定初始聚类类别c=0，添加第一个样本时，同时将聚类类别 增加为c=1；此后的增量过程中，添加新样本时，计算该样本与当 前所有聚类中心的相关熵值： 若得到的所有熵值均大于事先确定的阈值β，那么将此样本作为第 c+1个聚类的中心向量，同时增大当前聚类类别数，否则按照与 COOLCAT算法相同的思想，依下式计算样本划分到不同聚类中产生 的期望熵： 将该样本指派到期望熵值最小时的聚类。 ;改进策略II--动态选举聚类中心 ;改进策略III--部分样本重聚类 ;EIFCA算法流程图;实验结果;将100份样本数据聚类结果的聚类中心与赤潮期典型数据计算熵测 度，确定出赤潮前期、赤潮期和赤潮后期的样本数据，并将异常分 类样本重新划分。下图为根据最终聚类结果所绘制的部分赤潮期实 时监控图，除去异常样本数据(错误划分或数据本身异常，如样本点 65)，此段时间出现两次赤潮，其样本序号区间分别为[57,59]和 [71,75]。;GIS(地理信息系统);嵌入式GIS及研究现状;嵌入式GIS的系统结构;嵌入式矢量地图的设计;嵌入式矢量地图文件的构成;关键技术I—数据压缩;关键技术II—坐标数据处理;关键技术III—图形的高速显示;实现计划;谢谢大家！