申请/专利权人：太原科技大学

申请日：2024-03-14

公开（公告）日：2024-06-14

公开（公告）号：CN118194064A

主分类号：G06F18/2321

分类号：G06F18/2321;G06F18/15;G16C20/30;G16C20/70;G01N21/31

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.07.02#实质审查的生效;2024.06.14#公开

摘要：本发明提供基于Hadoop增量聚类的稀有恒星光谱识别方法，包括：采集光谱数据，在光谱历史数据和增量数据的基础上，结合光谱数据特征，数据预处理提高数据质量；基于Hadoop增量式子空间聚类，对增量光谱数据进行聚类分析，使用簇结构调整策略获得候选稀疏簇；从稀疏簇中采用基于分离度异常点识别分析方法挖掘异常点，找到未知稀有恒星。本发明借助分布式、并行计算等大数据处理技术，采用并行增量式聚类方法，从海量光谱数据中发现未知、稀有的天体光谱，在Hadoop并行环境下对海量，动态，高维光谱数据进行分析，融合多种大数据挖掘技术，提高了稀有恒星光谱识别效率，为发现未知和特殊天体提供了一种有效手段和实现途径。

主权项：1.基于Hadoop增量聚类的稀有恒星光谱识别方法，其特征在于，包括以下步骤：S1、采集光谱数据，所述光谱数据包括：历史数据采集和增量数据采集；S2、在光谱历史数据和增量数据的基础上，结合光谱数据特征，进行数据预处理提高数据质量；所述数据预处理包括：基线校正、标准化、微分处理、插值处理、滤波处理和归一化平滑处理；S3、采用基于Hadoop增量式子空间聚类，对增量光谱数据进行聚类分析，在类簇基础结构的基础上，使用簇结构调整策略，获得候选稀疏簇；从所述稀疏簇中，采用基于分离度异常点识别分析方法挖掘异常点，找到未知稀有恒星；所述S3步骤包括以下步骤：S31、基于Hadoop框架实现增量式子空间聚类，包括：构建重要特征子空间、历史数据子空间聚类和增量数据子空间聚类；S32、利用历史基础类簇，根据增量数据的聚类结果，以最小化簇内各点距离为调整目标，调整整个簇集结构；所述调整整个簇集结构的包括以下几种类型：合并簇：对于增量数据造成的两个历史簇呈现相同数据分布特征，采用合并策略将两个类簇的所有数据点合并成同一类簇；分裂簇：对于增量数据影响到原有历史基础类簇数据分布密度，将原有同一个簇分裂成两个簇；产生候选新簇：当增量数据无法归并到任何现有类簇时，则创建新簇；所述新簇是后续正常点的类簇之一、或是产生异常点的候选稀疏簇；S33、在Hadoop框架下实现基于分离度的异常点识别；S34、利用所述异常点识别的结果，通过稀有恒星光谱识别，获得未知稀有恒星光谱，包括：了解光谱类型；观察光谱特征；比较已知光谱；考虑位置与环境；考虑演化阶段。

全文数据：

权利要求：

百度查询： 太原科技大学 基于Hadoop增量聚类的稀有恒星光谱识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD