控制与决策

作者：赵嘉,朱伟涛,肖人彬,李思维,白晖峰,谢海华,夏志红

单位：江西水利电力大学 信息工程学院，南昌 330099;江西省水利大数据智能处理与预警技术工程研究中心，南昌 330099,,江西水利电力大学 信息工程学院，南昌 330099;江西省水利大数据智能处理与预警技术工程研究中心，南昌 330099,,华中科技大学 人工智能与自动化学院，武汉 430074,,北京中电飞华通信有限公司，北京 100016,,北京智芯微电子科技有限公司，北京 102200,,江西水利电力大学 信息工程学院，南昌 330099;江西省水利大数据智能处理与预警技术工程研究中心，南昌 330099,,江西水利电力大学 信息工程学院，南昌 330099,

关键词：时空聚类;密度峰值聚类;共享近邻;隶属点分配;噪声识别;异常分数

基金：国家自然科学基金项目(62466037)；南昌市重大科技攻关项目(2024zdxm010, 2024zdxm002)；江西省教育厅科技项目(GJJ2401408)；江西省职业早期青年科技人才培养专项项目(20244BCE52231).

快速搜索密度峰值的时空聚类算法计算局部密度时, 难以区分所在区域的密度差异, 易引发类簇中心的选择错误; 分配策略缺乏足够的时空约束, 易将时间特征差异明显但空间位置相近的非密度峰值错误分配; 缺乏独立的噪声识别机制, 其检测效能完全依赖样本分配的准确性, 样本分配偏差致噪声识别精度显著降低. 针对这些挑战, 提出一种共享近邻加权和隶属点分配的时空密度峰值聚类(SNMP-STDPC)算法. 引入共享近邻加权策略, 构建时空距离相似度矩阵, 精确反映样本间的密度差异, 有效提升密度峰值选择的可靠性; 结合共享近邻增强时空约束, 将非密度峰值分为必然隶属点和可能隶属点, 确保样本分配的准确性; 提出一种新的噪声识别机制, 计算样本的异常分数并使用动态阈值检测噪声, 提高噪声识别的有效性. 将SNMP-STDPC算法与当前主流时空聚类方法在模拟数据集和实际地震观测数据上进行比较, 实验结果表明, SNMP-STDPC算法显著提升了模拟数据集的聚类效果, 并在真实数据集上表现良好.

来源：2026年第5期

《控制与决策》期刊编辑部

查看控制与决策杂志2026年第5期