基于聚类分析与数据融合的模态参数自动识别方法与流程

1.本发明涉及模态参数识别技术领域，特别涉及一种基于聚类分析与数据融合的模态参数自动识别方法。


背景技术：

2.模态参数识别是桥梁健康监测的重要内容,目前模态参数识别的方法中，针对模态数据通常是通过人工观察、经验判断或理论仿真计算对比来识别结构的模态参数，这不仅耗费时间长，对工作人员要求高，而且还会受到工作人员主观性的影响，准确性较差，因此，本发明提出基于聚类分析与数据融合的模态参数自动识别方法，无需人工对模态数据进行观察判断就能够实现自动化的参数识别，不仅节省人工消耗，而且识别速度快，准确性高。


技术实现要素：

3.本发明的目的在于提供一种基于聚类分析与数据融合的模态参数自动识别方法，以解决上述背景技术中提出的问题。
4.为实现上述目的，本发明提供如下技术方案：一种基于聚类分析与数据融合的模态参数自动识别方法，包括：
5.通过ssi算法对桥梁结构的加速度数据进行模态参数识别，获得所述桥梁结构的第一模态参数识别结果；
6.利用聚类算法对所述第一模态参数识别结果进行分析，确定所述桥梁结构的稳定模态；
7.采用efdd算法对所述测量数据进行分析，并在所述桥梁结构的稳定模态的邻域范围内进行模态参数识别，获得所述桥梁结构的第二模态参数识别结果；
8.针对所述桥梁结构的第一模态参数识别结果和所述桥梁结构的第二模态参数识别结果分别进行模态置信度检验，获得所述桥梁结构的第一有效模态和所述桥梁结构的第二有效模态；
9.针对所述桥梁结构的第一有效模态和所述桥梁结构的第二有效模态进行温度修正，获得修正温度影响后的第一有效模态和修正温度影响后的第二有效模态；
10.将所述修正温度影响后的第一有效模态和修正温度影响后的第二有效模态进行融合得到所述桥梁结构的模态参数识别结果。
11.进一步地，所述模态参数包括：模态频率、模态振型和模态阻尼；所述通过ssi算法对桥梁结构的加速度数据进行模态参数识别的过程中还生成稳定图，所述稳定图包括横坐标为模态频率，纵坐标为系统阶数的稳定图。
12.进一步地，所述聚类算法采用的是dbscan聚类算法，在所述稳定图中进行辨别确定稳定点与不稳定点，并通过所述dbscan聚类算法针对所述稳定点进行聚类分析，确定满足聚类阈值的稳定模态。
13.进一步地，所述dbscan聚类算法针对所述稳定点进行聚类分析，包括：
14.确定邻域半径和密度阈值；
15.针对所述稳定点，以所述稳定点为中心根据所述邻域半径确定邻域范围，并获取所述邻域范围内的稳定点数目，得到所述稳定点的邻域样本容量；
16.根据所述密度阈值对所述稳定点的邻域样本容量进行分析，如果所述稳定点的邻域样本容量不小于所述密度阈值，则所述稳定点为核心点；
17.按照密度可达规则对所有的核心点进行分析，确定所述核心点之间是否存在密度可达关系，并将存在密度可达关系的核心点连接在一起形成聚类簇，其中，所述密度可达规则为：对于两个不同的核心点，其中一个核心点在另一个核心点的邻域范围内，则该核心点由另一个核心点密度可达。
18.进一步地，在获得所述桥梁结构的第二模态参数识别结果时，将所述桥梁结构的稳定模态的数据信息与所述桥梁结构的稳定模态邻域范围内模态的数据信息构成分析矩阵，然后针对所述分析矩阵进行奇异值分解得到所述桥梁结构的第二模态参数识别结果。
19.进一步地，针对所述桥梁结构的第一模态参数识别结果和所述桥梁结构的第二模态参数识别结果分别进行模态置信度检验时，针对所述第一模态参数识别结果和所述桥梁结构的第二模态参数识别结果通过模态置信度准则公式进行模态置信度计算，获得模态置信度值，然后再通过模态置信度阈值将所述模态置信度值大于所述模态置信度阈值的模态筛选出来，得到所述桥梁结构的第一有效模态和所述桥梁结构的第二有效模态。
20.进一步地，针对所述桥梁结构的第一有效模态和所述桥梁结构的第二有效模态进行温度修正时，包括：
21.选取一段时间内的桥梁结构的加速度数据，并通过传感设备获取选取的一段时间内的桥梁结构的加速度数据在采集加速度数据时的环境温度；
22.针对获取的桥梁结构的加速度数据进行分段，得到时间窗口数据；
23.根据所述时间窗口数据确定所述时间窗口数据的温度数据；
24.获取所述时间窗口数据的第一有效模态和第二有效模态，并针对所述时间窗口数据的第一有效模态和第二有效模态中的模态参数建立模态参数与所述时间窗口数据的温度数据之间的线性拟合关系；
25.通过所述线性拟合关系去除所述桥梁结构的第一有效模态和所述桥梁结构的第二有效模态中温度影响，得到获得修正温度影响后的第一有效模态和修正温度影响后的第二有效模态。
26.进一步地，在将所述修正温度影响后的第一有效模态和修正温度影响后的第二有效模态进行融合时采用逆方差加权算法对所述修正温度影响后的第一有效模态和修正温度影响后的第二有效模态的模态参数进行融合。
27.进一步地，所述建立模态参数与所述时间窗口数据的温度数据之间的线性拟合关系，包括：建立模态频率与温度的线性拟合关系和建立模态阻尼比与温度的线性拟合关系；而且在建立模态频率与温度的线性拟合关系时或在建立模态阻尼比与温度的线性拟合关系时，包括：针对所述时间窗口数据进行模态频数或模态阻尼比获取，得到所述时间窗口数据的模态频数或模态阻尼比；将所述时间窗口数据的模态频数或模态阻尼比与对应时间窗口数据的温度数据进行拟合，得到时间窗口子线性拟合关系；对所述时间窗口子线性拟合
关系进行分析确定所述时间窗口子线性拟合关系的特征，并进行特征提取，获得时间窗口子线性拟合关系的特征点；针对所述时间窗口子线性拟合关系的特征点按照时序进行拟合，得到模态频率或模态阻尼比与温度的线性拟合关系。
28.进一步地，确定所述核心点之间是否存在密度可达关系时，包括：在所有核心点中选取一个作为目标核心点；对所述目标核心点对所有核心点中除所述目标核心点以外的核心点进行初步筛选，得到目标分析核心点；针对所述目标核心点和所述目标分析核心点进行分析，计算所述目标核心点与所述目标分析核心点之间的距离，并结合所述邻域半径进行判断，如果所述目标核心点与所述目标分析核心点之间的距离小于所述邻域半径，则所述目标分析核心点在所述目标核心点的邻域范围内，则所述目标分析核心点由所述目标核心点密度可达。
29.本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
30.下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
31.附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
32.图1为本发明所述的一种基于聚类分析与数据融合的模态参数自动识别方法的步骤示意图；
33.图2为横坐标为模态频率，纵坐标为系统阶数的稳定图；
34.图3为本发明所述的一种基于聚类分析与数据融合的模态参数自动识别方法中步骤二的示意图；
35.图4为本发明所述的一种基于聚类分析与数据融合的模态参数自动识别方法中步骤五的示意图。
具体实施方式
36.以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
37.如图1所示，本发明实施例提供了一种基于聚类分析与数据融合的模态参数自动识别方法，包括：
38.步骤一、通过ssi算法对桥梁结构的加速度数据进行模态参数识别，获得所述桥梁结构的第一模态参数识别结果；
39.步骤二、利用聚类算法对所述第一模态参数识别结果进行分析，确定所述桥梁结构的稳定模态；
40.步骤三、采用efdd算法对所述测量数据进行分析，并在所述桥梁结构的稳定模态的邻域范围内进行模态参数识别，获得所述桥梁结构的第二模态参数识别结果；
41.步骤四、针对所述桥梁结构的第一模态参数识别结果和所述桥梁结构的第二模态参数识别结果分别进行模态置信度检验，获得所述桥梁结构的第一有效模态和所述桥梁结
构的第二有效模态；
42.步骤五、针对所述桥梁结构的第一有效模态和所述桥梁结构的第二有效模态进行温度修正，获得修正温度影响后的第一有效模态和修正温度影响后的第二有效模态；
43.步骤六、将所述修正温度影响后的第一有效模态和修正温度影响后的第二有效模态进行融合得到所述桥梁结构的模态参数识别结果。
44.上述技术方案在对桥梁结构进行监测与测量时，获取桥梁结构的加速度数据之后通过基于聚类分析与数据融合的模态参数自动识别方法进行模态参数自动识别，其模态参数自动识别的过程包括：首先通过ssi算法对桥梁结构的加速度数据进行模态参数识别，获得桥梁结构的第一模态参数识别结果；然后利用聚类算法对第一模态参数识别结果进行分析，确定桥梁结构的稳定模态；同时采用efdd算法对测量数据进行分析，并在桥梁结构的稳定模态的邻域范围内进行模态参数识别，获得桥梁结构的第二模态参数识别结果；接着针对桥梁结构的第一模态参数识别结果和桥梁结构的第二模态参数识别结果分别进行模态置信度检验，获得桥梁结构的第一有效模态和桥梁结构的第二有效模态；然后再针对桥梁结构的第一有效模态和桥梁结构的第二有效模态进行温度修正，获得修正温度影响后的第一有效模态和修正温度影响后的第二有效模态；最后将修正温度影响后的第一有效模态和修正温度影响后的第二有效模态进行融合得到桥梁结构的模态参数识别。
45.上述技术方案在进行模态参数自动识别过程中无需人工对模态数据进行观察判断就能够实现自动化的参数识别，不仅节省人工消耗，而且识别速度快，准确性高，而且通过采用ssi算法和采用efdd算法两种方法进行相互校正，从而降低最终得到的桥梁结构的模态参数识别结果偏差，使得桥梁结构的模态参数识别结果更加可靠，并且在将第一有效模态和桥梁结构的第二有效模态进行融合时还修正温度影响，从而减少温度对桥梁结构的影响，进而提高模态参数识别结果的准确性。
46.本发明提供的一个实施例中，所述模态参数包括：模态频率、模态振型和模态阻尼；所述通过随机子空间法对所述加速度数据进行模态参数识别的过程中还生成稳定图，所述稳定图包括横坐标为模态频率，纵坐标为系统阶数的稳定图。
47.上述技术方案中的模态参数至少包括模态频率、模态振型和模态阻尼，并且在ssi算法对桥梁结构的加速度数据进行模态参数识别时还将识别得到模态参数生成稳定图，在稳定图中至少包括横坐标为模态频率，纵坐标为系统阶数的稳定图，如图2所示。
48.上述技术方案通过在ssi算法对桥梁结构的加速度数据进行模态参数识别过程中生成稳定图能够更加直观的体现模态参数之间的关系，而且明显直观地体现稳定点和不稳点的分布情况。
49.本发明提供的一个实施例中，所述聚类算法采用的是dbscan聚类算法，在所述稳定图中进行辨别确定稳定点与不稳定点，并通过所述dbscan聚类算法针对所述稳定点进行聚类分析，确定满足聚类阈值的稳定模态。
50.上述技术方案中的聚类算法采用的是dbscan聚类算法，而且在稳定图中进行辨别是否为稳定点，从而确定稳定点与不稳定点，然后再通过dbscan聚类算法针对稳定点进行聚类分析，并确定满足聚类阈值的稳定模态。
51.上述技术方案通过采用dbscan聚类算法进行聚类对第一模态参数识别结果进行分析，不仅具有较好的聚类效果，而且不需要事先知道要形成的簇类的数量，并且dbscan聚
类算法能够发现任意形状的簇类，此外还能够将不稳定点识别出来降低噪声干扰。
52.如图3所示，本发明提供的一个实施例中，所述dbscan聚类算法针对所述稳定点进行聚类分析，包括：
53.s201、确定邻域半径和密度阈值；
54.s202、针对所述稳定点，以所述稳定点为中心根据所述邻域半径确定邻域范围，并获取所述邻域范围内的稳定点数目，得到所述稳定点的邻域样本容量；
55.s203、根据所述密度阈值对所述稳定点的邻域样本容量进行分析，如果所述稳定点的邻域样本容量不小于所述密度阈值，则所述稳定点为核心点；
56.s204、按照密度可达规则对所有的核心点进行分析，确定所述核心点之间是否存在密度可达关系，并将存在密度可达关系的核心点连接在一起形成聚类簇。
57.上述技术方案在通过dbscan聚类算法针对稳定点进行聚类分析时，首先，确定邻域半径和密度阈值；然后，针对稳定点，以稳定点为中心根据邻域半径确定邻域范围，并获取邻域范围内的稳定点数目，得到稳定点的邻域样本容量；接着，根据密度阈值对稳定点的邻域样本容量进行分析，如果稳定点的邻域样本容量不小于密度阈值，则稳定点为核心点；最后，按照密度可达规则对所有的核心点进行分析，确定核心点之间是否存在密度可达关系，并将存在密度可达关系的核心点连接在一起形成聚类簇。
58.上述技术方案通过dbscan聚类算法对稳定点基于密度进行分析，能够把具有足够高密度的区域划分为簇，并且能够在稳定点与不稳定点并存的数据中识别出稳定点形成任意形状的聚类，此外，在聚类过程中邻域半径和密度阈值是可以根据需求进行设置的，方便设置，而且还能够提高dbscan聚类算法的灵活性。
59.本发明提供的一个实施例中，在获得所述桥梁结构的第二模态参数识别结果时，将所述桥梁结构的稳定模态的数据信与所述桥梁结构的稳定模态邻域范围内模态的数据信息构成分析矩阵，然后针对所述分析矩阵进行奇异值分解得到所述桥梁结构的第二模态参数识别结果。
60.上述技术方案在获得桥梁结构的第二模态参数识别结果时，将桥梁结构的稳定模态的数据信息与桥梁结构的稳定模态邻域范围内模态的数据信息构成分析矩阵，然后针对分析矩阵进行奇异值分解，在模态特性满足正交条件时，得到桥梁结构的第二模态参数识别结果。
61.上述技术方案在获得桥梁结构的第二模态参数识别结果的过程中通过efdd算法能够直接得到振型，识别模态，而且不会产生虚假模态，并且操作流程简单，只需要获得桥梁结构的测量数据就能够轻松获得模态参数识别结果，易于实施，适用性还强。
62.本发明提供的一个实施例中，针对所述桥梁结构的第一模态参数识别结果和所述桥梁结构的第二模态参数识别结果分别进行模态置信度检验时，针对所述第一模态参数识别结果和所述桥梁结构的第二模态参数识别结果通过模态置信度准则公式进行模态置信度计算，获得模态置信度值，然后再通过模态置信度阈值将所述模态置信度值大于所述模态置信度阈值的模态筛选出来，得到所述桥梁结构的第一有效模态和所述桥梁结构的第二有效模态。
63.上述技术方案在针对桥梁结构的第一模态参数识别结果和桥梁结构的第二模态参数识别结果分别进行模态置信度检验时，针对第一模态参数识别结果和桥梁结构的第二
模态参数识别结果通过模态置信度准则公式进行模态置信度计算，获得模态置信度值，然后再通过模态置信度阈值将模态置信度值大于模态置信度阈值的模态筛选出来，得到桥梁结构的第一有效模态和桥梁结构的第二有效模态，其中，模态置信度阈值的取值为0到1范围内的数据，在这里取的是0.5。
64.其中，通过模态置信度阈值将模态置信度值大于模态置信度阈值的模态筛选出来时通过如下公式进行筛选：
[0065][0066][0067]
上述公式中,αi表示第i个模态的筛选判断值；h和z均为参数，而且h的取值为大于1的数，z的取值为正整数，在这里取3；k表示模态置信度阈值；maci表示第i个模态的模态置信度值；max表示取较大值；min表示取较小值；gm表示筛选结果，当gm＝t时，表示该模态是有效模态，需要保留下来，当gm＝f时，表示该模态不是有效模态，无需保留下来。
[0068]
上述技术方案通过模态置信度检验分别确定桥梁结构的第一模态参数识别结果中模态和桥梁结构的第二模态参数识别结果中振型相关性，从而结合模态置信度阈值筛选出相关模态，实现桥梁结构的第一模态参数识别结果和桥梁结构的第二模态参数识别结果之间的相互核验，进而提高有效模态的准确性。此外通过公式进行筛选能够增加模态置信度阈值和模态置信度值的有效位数，放大模态置信度阈值与模态置信度值之间的差异，提高模态置信度值在筛选时的准确度，通过能够直接直观得到筛选结果。
[0069]
如图4所示，本发明提供的一个实施例中，针对所述桥梁结构的第一有效模态和所述桥梁结构的第二有效模态进行温度修正时，包括：
[0070]
s501、选取一段时间内的桥梁结构的加速度数据，并通过传感设备获取选取的一段时间内的桥梁结构的加速度数据在采集加速度数据时的环境温度；
[0071]
s502、针对获取的桥梁结构的加速度数据进行分段，得到时间窗口数据；
[0072]
s503、根据所述时间窗口数据确定所述时间窗口数据的温度数据；
[0073]
s504、获取所述时间窗口数据的第一有效模态和第二有效模态，并针对所述时间窗口数据的第一有效模态和第二有效模态中的模态参数建立模态参数与所述时间窗口数据的温度数据之间的线性拟合关系；
[0074]
s505、通过所述线性拟合关系去除所述桥梁结构的第一有效模态和所述桥梁结构的第二有效模态中温度影响，得到获得修正温度影响后的第一有效模态和修正温度影响后的第二有效模态。
[0075]
上述技术方案在针对桥梁结构的第一有效模态和桥梁结构的第二有效模态进行温度修正时，首先，选取一段时间内的桥梁结构的加速度数据，并通过传感设备获取选取的一段时间内的桥梁结构的加速度数据在采集加速度数据时的环境温度，这里的一段时间至
少是一天时间；然后，针对获取的桥梁结构的加速度数据进行分段，得到时间窗口数据以及根据时间窗口数据确定时间窗口数据的温度数据；接着，获取时间窗口数据的第一有效模态和第二有效模态，并针对时间窗口数据的第一有效模态和第二有效模态中的模态参数建立模态参数与时间窗口数据的温度数据之间的线性拟合关系；最后，通过线性拟合关系去除桥梁结构的第一有效模态和桥梁结构的第二有效模态中温度影响，得到获得修正温度影响后的第一有效模态和修正温度影响后的第二有效模态。
[0076]
上述技术方案通过选取一段时间的桥梁结构的加速度数据来建立模态参数与温度之间的线性拟合关系，从而根据线性拟合关系针对有效模态进行温度修正，从而消除温度对模态参数的影响，进而提高融合得到的桥梁结构的模态参数识别结果的精准度。
[0077]
本发明提供的一个实施例中，在将所述修正温度影响后的第一有效模态和修正温度影响后的第二有效模态进行融合时采用逆方差加权算法对所述修正温度影响后的第一有效模态和修正温度影响后的第二有效模态的模态参数进行融合。
[0078]
上述技术方案在将修正温度影响后的第一有效模态和修正温度影响后的第二有效模态进行融合时采用逆方差加权算法对修正温度影响后的第一有效模态和修正温度影响后的第二有效模态的模态参数进行融合，其过程包括对模态频率、模态振型和模态阻尼分别进行融合，例如采用逆方差加权算法对模态频率进行融合时包括：
[0079]
确定修正温度影响后的有效模态的模态参数中模态频率数据；
[0080]
ω
p
＝[ω
p1
,ω
p2
,
…
,ω
pλ
]
[0081]
其中，ω
p1
,ω
p2
,
…
,ω
pλ
分别表示从1到λ时间的模态频率。
[0082]
通过多个正态分布叠加来拟合模态频率的概率分布，模态频率的累积概率分布函数f
fre
(x)表示如下：
[0083][0084]
其中，count表示计数函数，x为模态频率数据。修正温度影响后的有效模态的模态参数中模态频率数据是服从正态分布的，因此对于拥有k阶频率的分布来说，可以用k个正态分布的叠加进行拟合，即
[0085]nfre
(x)≈f
fre
(x)
[0086]
因此可以求得模态频率的概率密度分布为：
[0087][0088]
右上角的n表示该分布是使用正态分布拟合后的概率密度分布，此时ωi即为所求的第i阶模态频率值的均值，σi即为第i阶模态频率所对应的标准差。
[0089]
对第一有效模态和第二有效模态，根据上述方法可分别得到其模态频率的概率密度分布与相应的，对于第i阶模态频率也分别可以得到ω
i,ssi
、ω
i,efdd
和σ
i,ssi
、σ
i,efdd
，则根据拟方差加权公式得到融合后频率为：
[0090][0091]
以上仅仅是以模态参数中的模态频率为例具体说明在进行融合过程中的详细情况，模态振型和模态阻尼与模态频率类似，在此就不再赘述。
[0092]
上述技术方案通过采用逆方差加权算法对修正温度影响后的第一有效模态和修正温度影响后的第二有效模态的模态参数进行融合将有效模态中的参数数据整理到一起形成桥梁结构的模态参数识别结果，使得能够在桥梁结构的模态参数识别结果中直观比对分析，不仅清晰明了，而且还方便工作人员读取桥梁结构的模态参数识别结果中蕴含的有效信息。
[0093]
本发明提供的一个实施例中，所述建立模态参数与所述时间窗口数据的温度数据之间的线性拟合关系，包括：建立模态频率与温度的线性拟合关系和建立模态阻尼比与温度的线性拟合关系；而且在建立模态频率与温度的线性拟合关系时或在建立模态阻尼比与温度的线性拟合关系时，包括：针对所述时间窗口数据进行模态频数或模态阻尼比获取，得到所述时间窗口数据的模态频数或模态阻尼比；将所述时间窗口数据的模态频数或模态阻尼比与对应时间窗口数据的温度数据进行拟合，得到时间窗口子线性拟合关系；对所述时间窗口子线性拟合关系进行分析确定所述时间窗口子线性拟合关系的特征，并进行特征提取，获得时间窗口子线性拟合关系的特征点；针对所述时间窗口子线性拟合关系的特征点按照时序进行拟合，得到模态频率或模态阻尼比与温度的线性拟合关系。
[0094]
上述技术方案在建立模态参数与时间窗口数据的温度数据之间的线性拟合关系时针对模态频率和模态阻尼比分别建立模态频率与温度的线性拟合关系和建立模态阻尼比与温度的线性拟合关系，在建立模态频率与温度的线性拟合关系和建立模态阻尼比与温度的线性拟合关系时，首先，针对时间窗口数据进行模态频数或模态阻尼比获取，得到时间窗口数据的模态频数或模态阻尼比，然后，将时间窗口数据的模态频数或模态阻尼比与对应时间窗口数据的温度数据进行拟合，确定拟合关系中的参数数值，从而得到时间窗口子线性拟合关系；接着再对时间窗口子线性拟合关系进行分析确定时间窗口子线性拟合关系的特征，并进行特征提取，获得时间窗口子线性拟合关系的特征点；针对时间窗口子线性拟合关系的特征点按照时序进行拟合，得到模态频率或模态阻尼比与温度的线性拟合关系。
[0095]
上述技术方案针对时间窗口数据采用了分段拟合的方式先针对时间窗口数据分别建立模态频率或模态阻尼比与温度的线性拟合关系，得到时间窗口子线性拟合关系，然后再针对时间窗口子线性拟合关系的特征点进行拟合从而得到模态频率或模态阻尼比与温度的线性拟合关系，不仅能够使得模态频率或模态阻尼比与温度的线性拟合关系具有时间窗口子线性拟合关系的特点，在模态频率或模态阻尼比与温度的线性拟合关系中体现每个时间窗口数据中模态频率或模态阻尼比与温度的关联关系，而且还比整体直接进行拟合的效果好，能够减小拟合误差，提高模态频率或模态阻尼比与温度的线性拟合关系的精度，从而更加准确地消除温度效应值，剥离温度影响。
[0096]
本发明提供的一个实施例中，确定所述核心点之间是否存在密度可达关系时，包括：在所有核心点中选取一个作为目标核心点；对所述目标核心点对所有核心点中除所述目标核心点以外的核心点进行初步筛选，得到目标分析核心点；针对所述目标核心点和所
述目标分析核心点进行分析，计算所述目标核心点与所述目标分析核心点之间的距离，并结合所述邻域半径进行判断，如果所述目标核心点与所述目标分析核心点之间的距离小于所述邻域半径，则所述目标分析核心点在所述目标核心点的邻域范围内，则所述目标分析核心点由所述目标核心点密度可达。
[0097]
上述技术方案在确定核心点之间是否存在密度可达关系时，首先，在所有核心点中选取一个作为目标核心点；然后，对目标核心点对所有核心点中除目标核心点以外的核心点进行初步筛选，得到目标分析核心点；接着，针对目标核心点和目标分析核心点进行分析，计算目标核心点与目标分析核心点之间的距离，并结合邻域半径进行判断，如果目标核心点与目标分析核心点之间的距离小于邻域半径，则目标分析核心点在目标核心点的邻域范围内，则目标分析核心点由目标核心点密度可达。在所有的核心点中重复上述步骤直至所有的核心点都进行分析完成。
[0098]
上述技术方案通过进行初步筛选能够将除目标核心点以外的核心点中明显不可能出现在目标核心点邻域范围内的核心点剔除点，从而有效减少分析任务量和计算量，进而提高核心点的分析效率，而且针对目标核心点和目标分析核心点进行分析时，通过计算目标核心点与目标分析核心点之间的距离以及结合邻域半径进行判断不仅简单不易出错，而且准确率还高。
[0099]
本领域技术人员应当理解的是，本发明中的第一、第二仅仅指的是不同应用阶段而已。
[0100]
本领域技术客户员在考虑说明书及实践这里公开的公开后，将容易想到本公开的其它实施方案。本技术旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
[0101]
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。