水系划分的剖面相似系数聚类法

提出一种基于温度剖面相似系数的水系划分方法。基本思想是:将各温度剖面视为独立样本,各深度数据为样本变量,先基于划分区域水文特征选取合理数量的水系中心剖面,再利用各样本与各中心剖面相似系数大小进行聚类,得到各水系划分数据集合;利用几何平均求得各水系集合新的中心剖面,重复剖面相似系数聚类过程,直至中心剖面不再变化为止。最后利用国家海洋信息中心发布的中国近海CTD温、盐产品对该方法进行试验,并对聚类得到的各类温度剖面展开讨论。结果较好的反应出各区域温度剖面特征,综合体现出东海各区域温度大小、海流、水团和水深特性。     

北大西洋深海声速类型区划及会聚区特征分析

利用WOA13数据集,应用谱系聚类方法划分北大西洋的类型,并应用模糊C-均值聚类法将声速剖面进行分类,给出各类型在不同季节分布的区域和典型声速剖面结构.应用BELLHOP模式分析了各种类型第一辐合带的特征,得出在北大西洋深海声速剖面分为6种类型:亚北极区型、北大西洋暖流区型、亚速尔—加纳利流区型、亚热带区型、热带区I型...     

模糊ISODATA聚类算法在声速剖面自动分类中的应用

依据中国海浅海区30′按月历史统计声速剖面数据,通过归一化处理和Akima差值采样得到梯度剖面,建立起各方区按月归化后的声速剖面分层梯度样本集,并采用模糊ISODATA聚类算法对声速剖面进行聚类分析.通过对分类结果和类内总方差和的分析表明,聚类参数m值在1.1～2.1之间,并以最远邻系统聚类法结果为初始类中心的模糊分类效果较好.应用该方法对海洋中的声速剖面进行自动分类和区划对海洋环境的战术应用意义重大.     

基于Argo温度异常剖面的海洋涡旋无监督分类方法研究

本文利用涡旋内温度异常剖面对黑潮延伸体区域的涡旋进行分类与分析。基于卫星高度计识别的涡旋数据和与涡旋时空匹配的Argo浮标温度异常剖面数据,本文提出了一种优化的高斯混合模型无监督聚类方法实现涡旋内Argo浮标温度异常剖面的自动聚类,进而实现与剖面时空匹配涡旋的自动分类。实验结果表明,相同类型的Argo温度异常剖面呈现出明显的空间聚集效应,而不同类型的Argo温度异常剖面则在空间上相互分离,与表层(次表层)温度异常剖面相匹配的涡旋主要分布在黑潮延伸体的北部(南部)。相较于直接利用区域范围对涡旋进行分类的方法,本文所提出的涡旋分类方法更为客观,合成分析特定类型涡旋的水下结构也更为合理。     

基于模糊C均值聚类的云图样本修正与云类自动识别

基于云类样本的红外-可见光二维灰度空间投影,采用模糊聚类方法调整优化云类样本特征区域,消除采样误差。针对常规模糊C均值聚类(FCM)方法在处理上述问题时表现出的局限性,提出用样本特征均值替代FCM中随机初始中心的改进办法,既避免了常规FCM方法对初始中心敏感的缺陷,又可纠正其聚类结果对云类样本特征结构的歪曲。改进后的聚类结果既消除了采样误差,又保持了云类样本的基本特征属性。基于该判据的分类结果,可较为准确地分辨出陆地、水体、低云、中云、卷云、对流云和积雨云,分割判另9结果符合客观实际。     

基于凝聚聚类算法的重力异常区域划分

重力异常平面图的区域划分是地球物理场及地质构造解释的重要参考,但对于大范围数据一直缺少自动化辅助划分方法。基于凝聚层次聚类算法,开展重力异常网格数据的自动化区域划分研究,以空间邻近性为限制条件,分析不同连接方法对模拟重力异常数据的聚类效果,最终选取以Ward法为连接方式的凝聚聚类法,对菲律宾海盆区域的简单布格重力异常数据进行应用实验,并与已有板块划分理论进行对比分析。结果表明:凝聚聚类算法能够根据重力异常数据的空间位置及其数值的大小进行较为合理的自动划分;对菲律宾海盆重力异常的聚类分析结果与已有的板块区划较为接近,能够反映出许多局部细节上的信息,有利于解释工作的开展。因此,聚类分析是研究地球物理场特征的有效辅助工具。     

海洋声速剖面的自动聚类研究

以海区30'网格方区多年月平均统计的声速剖面作为原始数据集,提取声速剖面的表层、主跃层和深海等温层分层结构特征,把我国近海及其邻近海域预分为Ⅰ,Ⅱ和Ⅲ类区。对Ⅱ,Ⅲ类区声速剖面,应用有序样本聚类算法分别进行表层分离。根据各类区的表层声速剖面数据,通过归一化处理和Akima差值采样得到梯度剖面,建立起按月归一化后的声速剖面分层梯度样本集,并应用系统聚类法和SOFM神经网络方法分别进行聚类分析,再根据分类结果并结合各类型海区的声学特点,得到各类型海区声速剖面的典型类型。通过对大量历史数据的分析结果表明,该方法为自动分类海洋声速剖面提供了一条有效路径,弥补了长期以来海洋声速剖面主要依靠人工分类的不足。     

浅海声速剖面自动分类方法研究

海洋中的声速剖面是影响水声设备效能的重要环境因素之一,声速剖面的自动分类和区划对海洋环境的应用意义重大.依据浅海30分方区按月统计声速剖面,通过归一化处理和Akima差值采样,建立了各方区按月归化后声速剖面的分层梯度样本集,并应用多种系统聚类算法分别对分层梯度样本集进行分析;计算各种算法在不同聚类数水平下聚类结果的总的类内离差和,依据总的类内离差和变化曲线拐点对应的聚类数目,结合分类结果确定浅海声速剖面最优聚类数目.对大量历史统计声速剖面数据的分析结果表明,该方法得到的聚类结果与人工经验分类结果吻合较好.     

基于遗传聚类算法的印度洋环境特征区划

利用全球海洋 Agro 观测计划提供的温、盐浮标资料,开展了印度洋海域水下环境特征提取与区划分析.在垂直方向运用Akima 方法对浮标剖面进行插值,提取一组表征跃层、声速场的特征指标,并针对常规模糊 C 均值聚类算法中初始聚类数难以客观选取和聚类结果易陷入局部最优等问题,利用遗传算法的全局搜索能力对聚类算法作了改进.通过在遗传进化过程中引入动态变化的聚类中心解决了聚类数难以客观确定的问题,并在该算法的生存策略中引入 Boltzmann 选择机制,提高算法的收敛速度.在对印度洋海域温、盐跃层、声速分布及层结稳定度分析的基础上,利用改进的遗传聚类方法对印度洋海域水下环境特征进行聚类区划,得到一个基本的特征分类构型,结合各类构型的典型特征,分析了对水下潜器活动、声纳探测和水声通信等的影响.     

聚类相似法在西北太平洋台风预报中的应用

本文利用聚类相似原理,对美国NOAA收集的一百多年的台风资料中西北太平洋上最近50年发生的台风进行了系统分类,从区域、季节及台风的移向、移速、中心气压和最大风速6个方面进行聚类分析,查找出与被预报台风在区域、季节及台风的移向、移速和强度上相似的一个或若干个历史上发生的台风,用查找到的历史台风中某时段的信息,代替被预报台风在未来各时间段上的移向、移速和强度变化情况,从而得出预报结论。     

基于粒度分布曲线的邻近传播聚类算法在沉积环境识别中的应用——以白洋淀地区为例

以白洋淀地区出露的22个沉积剖面中沉积物的粒度数据为研究对象,利用邻近传播聚类算法(AP聚类算法)进行聚类分析,并与已知典型沉积环境形成的沉积物粒度频率分布曲线进行对比,探讨了基于沉积物粒度特征的邻近传播聚类算法在沉积环境识别中应用的可行性以及白洋淀地区不同沉积环境的粒度特征。结果表明:邻近传播聚类算法能够将相同或者相近动力条件下形成的沉积物聚为一类,挖掘沉积物粒度数据中蕴含的沉积动力信息;所有样品的沉积物粒度频率分布曲线划分为11类簇;考虑到同一沉积环境中动力条件的变化,将聚类结果得到的分布范围、形状相近的11簇曲线进一步合并为4组曲线,并与已知典型沉积环境粒度曲线进行对比,识别出湖沼相、湖相、河流相、洪积相等4种主要的沉积相。其中,湖沼相与湖心相沉积环境、湖滨相与河漫滩相沉积环境形成的沉积物粒度组分相近。湖沼相与湖心相、湖滨相与漫滩相、河床相的沉积物粒度主要组分分别为细粉砂、粗粉砂、细砂或粗砂,洪积物中粗粉砂、中砂、粗砂含量相近,呈多峰态。邻近聚类传播算法可为沉积环境动力条件反演、分区等提供潜在的新手段。     

中国近海声速剖面的模态特征

利用WOA05数据集提供的气候态声速场数据,通过模糊C-均值聚类分析,得到了中国近海声速剖面模态特征的区域性分布和季节性变化。结果表明,中国近海的声速剖面结构可分为深海型(D型)、浅海型(S型)和过渡型(T型)三个基本类型。深海型剖面为"季节性跃层/正梯度+主跃层+深海声道+深海正梯度"结构,南海和菲律宾海因所属水系不同呈现出明显差异;浅海型剖面季节性变化强烈,冬季为正梯度或均匀型结构,其它季节为"混合层+季节性跃层+下均匀层"结构,负梯度强度与季节性跃层的变化有关,在夏季达到最强;过渡型剖面形态与邻近的深海型上层结构类似,但因受地形制约产生与深海型不同的声传播特征。海面太阳辐射、海洋环流、混合层以及水团配置的季节性变化导致的温盐场空间分布差异是造成不同海区、不同季节声场速剖面结构差异的根本原因。     

日本周边海域温跃层特性研究及温度剖面模型构建

使用"中国ARGO实时资料中心"提供的2005—2009年连续5 a日本南部海域的ARGO浮标资料,通过建立标准层,统计并提取各标准层的剖面温度,采用AKIMA插值方法计算各层的温度梯度。较详细分析了该海域温度垂直剖面特征及温跃层的分布规律。在此基础上,使用分段三次多项式拟合方法建立了适用于该海区的温度垂直剖面模型,并利用2010年ARGO数据对模型进行了验证,研究表明,经过模型模拟的剖面温度与实测温度之间的相关系数可达到0.99以上。     

基于分层EOF的深海声速剖面时变特征建模

针对目前局部海域小时间尺度声速场建模方法未顾及不同深度区间内声速变化规律的问题,本文根据实测深海声速剖面的统计特征,提出了声速剖面分层方法,并进一步基于经验正交函数（Empirical Orthogonal Function, EOF）提出了局部小时间尺度的声速剖面分层时变模型构建方法。利用南海实测全海深声速剖面数据,分析了分层EOF第一模态系数和等效平均声速的日变化特征,并比较了不同拟合模型的精度。最后,利用试验海区的温度和潮汐数据分析了声速剖面周期变化的影响因素。结果表明： ①声速剖面分层EOF第一模态系数及等效平均声速具有日周期变化特征,上层声速日周期变化特征不明显,中层声速日周期变化特征较明显,下层声速变化较小但仍具有日周期变化特征;②局部海域小时间尺度声速拟合应考虑长期变化项的影响;③试验海区声速剖面EOF第一模态系数变化与温度显著相关,提取的声速剖面时变特征与海区潮汐周期特征基本吻合。     

基于模糊聚类的海水水质监测技术研究

海水水质监测数据纷繁复杂,为了在海量的数据中提取有效数据进行分析,采用模糊聚类实现对监测数据的分析处 理。对监测数据分析结构做了简要说明,接着分析模糊聚类C 聚类均值算法（FCM） 不足之处,提出了基于不完整数据样本 的FCM 算法,最后采用海水赤潮数据不完整样本进行实例仿真,实验证明,该算法在处理不完整样本数据时有一定的优势。     

一种基于块划分颜色特征的图像检索方法

针对传统的颜色直方图法只表示颜色的组成,没有包含颜色空间分布信息,提出1种基于块划分颜色特征的图像检索方法。该方法将图像划分成大小相等的子块,提取每一块的颜色信息作为特征矢量。通过特征聚类和编码,图像内容可以表示成为包含空间分布信息的局部颜色特征组合。实验结果证明了该方法的有效性,并与其它方法进行了性能比较。     

流形上的空间密度聚类算法研究

研究流形上的聚类分析，针对基于密度的空间聚类引入了流形概念，提出1种基于流形的密度聚类算法，该方法将流形的概念与聚类相结合，可以适用于样本为复杂分布的聚类。文中通过实例证明此算法的有效性。     

改进的模糊C均值聚类算法及其在海底热液硫化物组分分析中的应用

在聚类分析中,模糊C均值(FCM)聚类算法有着广泛的应用。在实际应用中,该算法存在着很多缺陷,如最优聚类数目的确定完全依赖于数据的数目,算法易收敛到局部极值点以及收敛速度慢等。本文针对这些缺陷提出了2点改进方法:首先,利用减法聚类确定聚类数目的范围,提出一个新的聚类有效性指标函数,实现最优聚类数目的自适应确定。在此基础上,提出了基于粒子群(PSO)的模糊C均值混合聚类算法,以解决已有原始FCM聚类算法容易陷入局部极小点和收敛速度慢的问题。仿真测试结果表明:改进后的FCM聚类算法能够有效减少迭代次数,并以较快的收敛速度获得更加准确的聚类结果。最后,将改进的FCM聚类算法应用到冲绳海槽热液硫化物矿物组分分析中,准确地反映出了其矿物化学组分中主要金属元素的分布特征及矿石分类状况。     

基于多帧聚类的紧凑型地波雷达海上目标航迹起始方法

紧凑型地波雷达是专属经济区内海上船只目标监测预警的重要手段。由于其发射功率低、目标回波信噪比低,在对海上船只目标检测过程中较低的检测概率极易导致目标漏检,采用序贯类方法难以及时起始航迹。对此,本文通过分析杂波和目标的地理位置以及径向速度随时间变化的特点,提出了一种基于多帧聚类的紧凑型地波雷达海上目标航迹起始方法。该方法利用目标和杂波在连续多帧内运动特征的差异,在具有噪声的基于密度的空间聚类算法（Density-Based Spatial Clustering of Applications with Noise, DBSCAN）求解聚类ε邻域的过程中增加运动特征约束,将各船只目标在多帧内的点迹聚类为不同的簇,实现海上船只目标点迹与杂波点的区分,将簇内点迹按时间顺序顺次连接得到起始航迹。利用仿真与实测紧凑型地波雷达数据开展了航迹起始实验,结果表明,与逻辑法相比,本文方法得到的航迹起始时间平均提前了5.95 min,丢点率平均降低了12.68%,解决了海上弱目标航迹起始时间滞后的问题,适用于杂波区目标与雷达远端船只目标的航迹起始。     

模糊目标函数聚类算法及其在东海黑潮水团分析中的应用

由于受陆架海区气候、海底地形等影响,使东海黑潮及其邻近海域的水团划分与分析较为困难,本文应用模糊目标函数的聚类算法对这个海区的水团进行了划分与分析,文中详细地叙述了这种算法的基本原理与计算步骤,包括对原始样本资料进行加权处理,利用Fuzzy伪F统计比率选择子模式样本确定水团个数和利用隶属度公式确定水团边界以及逐步修正模糊协方差矩阵和聚类中心的过程,由于采用这种方法,该海域的水团得到了一种最佳的划分.本文采用1986年5、6月中日合作黑潮调查资料进行计算,计算结果表明,本海区存在属于两种基本类型的8个水团和一个混合区,它们是:一、黑潮水:1.黑潮表层水(K_f);2.黑潮次表层水(K_s);3.黑潮中层水(K_c).二、混合水:1.东海混合水(E);2.福建东北部海域混合水(F_em);3.黄海上层混合水(Y_f);4.对马暖流表层水(T_suf);5.屋久岛南部海域表层水(U_f),此外,有一个混合区(M_k).