K均值算法

摘要： 为了克服传统机器学习算法及其框架的弊端,深入分析了K-均值算法与随机森林分类算法,提出了改进的AKM与ARF算法,建立了基于Spark平台技术的AMLF机器学习应用框架.由验证结果可知,AKM算法在各数据集中的分类准确率皆接近100％,具有较强的数据聚类能力,再者AKM算法在各数据集中的加速比皆较高,因而可升级性亦较强.而ARF验证结果显示,其不仅分类准确率较高,且可升级性较强.

摘要： 为了实现渗碳齿轮内氧化自动测量评级,课题组提出了一种基于图像处理的内氧化最大深度测量方法,并设计了一种内氧化定量分析软件。首先,对采集的金相图进行预处理,降低金相图的噪声并去除点状形态的内氧化组织;其次,针对光学显微镜成像过程中边缘模糊问题,提出了一种基于灰度变化率的K均值算法,改进后的算法能够有效地分割内氧化组织与背景区域;最后,利用亚像素对内氧化组织边缘进行计算,提高了最大深度测量的精确度。对15组齿轮内氧化金相图进行了测量实验,结果表明误差均在2%以内,验证了测量算法的有效性和可靠性。该系统实现了内氧化自动评级功能。

摘要： 目的:采用数据挖掘技术对中医辨治对于人工流产术后并发症的临床医案数据进行解构,从中研究中药运用与组方规律。方法:基于K均值聚类算法的挖掘方法,对目标医案数据库进行药物、方剂2个维度的挖掘分析与临床解构。结果:本研究涉及医案58人次,109诊次,临床症状68种,药物176种。K-means聚类运算挖掘后,药物K-means聚类24类,方剂K-means聚类20类。结论:名老中医辨治人工流产术后状态及并发症用药主要脏腑为肝、肾,配伍注重多脏合治,临床对血虚、血瘀、血溢复合辨证,兼顾补肾、养肝、养血、止血的扶正药物与化瘀、利湿、降气、散结祛邪之品组合运用,方剂结构多为复法小方,以四物汤为核心基础加减化裁,常复合偏于补肾的六味地黄丸、五子衍宗丸、右归丸、二仙汤等方剂。

摘要： 提出融合K均值与改进磷虾群算法的多目标文本聚类算法。利用K均值的局部快速寻优和改进磷虾群的全局搜索能力,以K均值聚类解作为改进磷虾群的初始种群,引入遗传交叉和变异改善个体多样性,提升全局搜索能力;通过磷虾种群的诱导运动、觅食运动和随机扩散进行位置更新,引入余弦相似度和欧氏距离的多目标适应度函数评估磷虾位置优劣,搜索全局最优解。通过基准数据集实验确定磷虾群算法的关键参数,进行系统聚类测试,实验结果表明,该算法在聚类指标上表现更佳,聚类准确性更高,收敛速度更快。

摘要： 针对无线传感器网络中能耗不均衡、生命周期短的问题,提出WSN中能耗均衡的非均匀分簇路由算法。通过改进的K均值算法进行非均匀分簇,引入双簇首减轻簇首通信压力;利用基尼系数衡量簇内节点的能耗均衡性,以动态权值调整影响副簇首竞选的因素;簇间采用单跳和多跳相结合的传输方式,将剩余能量、传输距离、转发次数和节点数作为中继节点选择的依据,均衡簇间传输能耗。仿真结果表明,相比LEACH和EBRAA算法,提出算法能有效均衡节点能耗,延长生命周期和提高吞吐量。

摘要： 为维持高铁稳定运行,提升资源运输安全,在离线监督性学习算法的基础上,提出了一种轮轨关系在线检测技术。通过高速摄像机获取待检测图像,并进行拼接处理;计算加速度、轮轨力和轮轨间关系,依据关键部分的振动值得到列车的加速度值,以此判断列车是否处于平稳运行状态;通过间接测量法计算列车的横向力平衡方程和侧滚力矩平衡方程,得到轮轨力具体值;通过k均值算法聚类处理以明确各个样本的类中心,找出样本数量最少的类,设为异常类,完成高铁轮轨关系的在线检测。仿真实验结果表明,在稳定性、数据可靠性和实际应用方面,各项参数曲线变化幅度极为相同,曲线走向几乎一致,且使用后的轮轨接触状态较好,满足高铁轮轨关系在线检测技术的实际应用需求。

摘要： 针对大数据应用背景下因电网规模急剧扩大和电力系统结构更加复杂而造成的用户用电行为分析困难的问题,提出一种基于改进K均值算法—K-means++的电力负荷分类方法,并展开用户用电行为分析。首先导入负荷历史数据进行清洗,再将其导入模型进行聚类,同时得到每类用户用电的特征,最后进行用户用电行为分析。经过负荷聚类,可更直观地展现用户用电的特征,以方便供电公司给用户提供更合理的套餐服务,提高系统的能源利用率。

摘要： 以准确识别电力缴费过程中的敏感用户为目标,文章基于改进词向量模型设计了一种新的电力缴费用户画像方法。首先通过改进K-均值算法对电力用户缴费行为大数据展开聚类处理,实现电网部门缴费用户的电量、电价、电费、停电类诉求数据聚类。然后基于改进词向量模型设计用户画像方法,并将聚类结果导入其中,通过构建用户画像识别电力缴费用户敏感类型。实验结果显示,该方法对4种敏感类型用户的分类结果较准确,分类结果差值仅有1个。且该方法对电网部门缴费用户的电量、电价、电费、停电类诉求数据聚类效果较好,查全率、准确率、F值均大于0.95,证明其聚类效果较好,可准确识别电力缴费过程中的敏感用户。

摘要： 经典算法对火灾烟气层高度判定存在无法划定烟气层纵向区间、计算步骤繁琐等问题,而K-均值算法具有自动进行类别划分的特征。以K-均值算法为基础构建了烟气层高度判定计算模型,针对K-均值算法易陷入局部最优的问题,利用分步设置最优聚类中心的方式优化了计算流程,利用搜寻边缘样本方法得出了烟气层高度值判定准则,并通过火灾烟气试验,对比分析了积分比值法、视觉标尺法、K-均值算法3种烟气层高度判定方法得到的烟气层高度值,以验证K-均值算法的有效性。结果表明:在烟气层温度数据梯度较小的位置,K-均值算法与积分比值法结果具有较好的一致性,而在烟气层温度数据梯度较大的位置两者的差异较为明显;K-均值算法所自动解算出的各纵向区间烟气层高度值具有均一性,能够更加突出表征烟气层高度的纵向区间分布特征。

摘要： 为了进一步提高网络安全趋势大数据的挖掘性能,提出一种基于Hadoop平台的网络安全趋势大数据深度挖掘方法。考虑网络安全趋势大数据信息缺失的情况,在Hadoop平台中筛选数据特征,剔除无用特征以降低数据维度。选择数据覆盖节点,重新确定聚类质心,改进大数据挖掘算法。融合Hadoop平台与改进大数据挖掘算法,将网络安全趋势大数据按照体量顺序排列,实现深度挖掘。实验结果证明,该算法在挖掘过程中未偏离数据密集区域,并在查全率与查准率方面均具有优势。

摘要： 针对目前验证码识别工作中图像切割的难点,提出了一种改进型的验证码图像切割算法,实验结果表明,本方法可以有效地对验证码图像中的字符进行识别并切割.

摘要： 针对目前验证码识别工作中图像切割的难点,提出了一种改进型的验证码图像切割算法,实验结果表明,本方法可以有效地对验证码图像中的字符进行识别并切割.

摘要： 针对目前验证码识别工作中图像切割的难点,提出了一种改进型的验证码图像切割算法,实验结果表明,本方法可以有效地对验证码图像中的字符进行识别并切割.

摘要： 针对目前验证码识别工作中图像切割的难点,提出了一种改进型的验证码图像切割算法,实验结果表明,本方法可以有效地对验证码图像中的字符进行识别并切割.

摘要： 信息融合技术己广泛地应用于军事领域，包括空间和海上监视、空空和地空防御、战略预警和防御、战场情报等。目标分群是态势估计的关键问题之一.目标分群的结果可以决定态势要素之间的关系,是指挥员确定战术战略的一个重要依据,这也就是目标分群的意义所在.本文采用聚类分析的方法来解决目标分群问题,分析了经典K-means算法以及其用于解决态势估计中目标分群问题的局限性,之后针对传统K-means的局限性,设计了基于熵权重的全局K-means算法,并应用UCI数据集进行验证,仿真结果表明本文方法具有更高的稳定性和聚类准确率.

摘要： 信息融合技术己广泛地应用于军事领域，包括空间和海上监视、空空和地空防御、战略预警和防御、战场情报等。目标分群是态势估计的关键问题之一.目标分群的结果可以决定态势要素之间的关系,是指挥员确定战术战略的一个重要依据,这也就是目标分群的意义所在.本文采用聚类分析的方法来解决目标分群问题,分析了经典K-means算法以及其用于解决态势估计中目标分群问题的局限性,之后针对传统K-means的局限性,设计了基于熵权重的全局K-means算法,并应用UCI数据集进行验证,仿真结果表明本文方法具有更高的稳定性和聚类准确率.

摘要： 信息融合技术己广泛地应用于军事领域，包括空间和海上监视、空空和地空防御、战略预警和防御、战场情报等。目标分群是态势估计的关键问题之一.目标分群的结果可以决定态势要素之间的关系,是指挥员确定战术战略的一个重要依据,这也就是目标分群的意义所在.本文采用聚类分析的方法来解决目标分群问题,分析了经典K-means算法以及其用于解决态势估计中目标分群问题的局限性,之后针对传统K-means的局限性,设计了基于熵权重的全局K-means算法,并应用UCI数据集进行验证,仿真结果表明本文方法具有更高的稳定性和聚类准确率.

摘要： 信息融合技术己广泛地应用于军事领域，包括空间和海上监视、空空和地空防御、战略预警和防御、战场情报等。目标分群是态势估计的关键问题之一.目标分群的结果可以决定态势要素之间的关系,是指挥员确定战术战略的一个重要依据,这也就是目标分群的意义所在.本文采用聚类分析的方法来解决目标分群问题,分析了经典K-means算法以及其用于解决态势估计中目标分群问题的局限性,之后针对传统K-means的局限性,设计了基于熵权重的全局K-means算法,并应用UCI数据集进行验证,仿真结果表明本文方法具有更高的稳定性和聚类准确率.

摘要： 信息融合技术己广泛地应用于军事领域，包括空间和海上监视、空空和地空防御、战略预警和防御、战场情报等。目标分群是态势估计的关键问题之一.目标分群的结果可以决定态势要素之间的关系,是指挥员确定战术战略的一个重要依据,这也就是目标分群的意义所在.本文采用聚类分析的方法来解决目标分群问题,分析了经典K-means算法以及其用于解决态势估计中目标分群问题的局限性,之后针对传统K-means的局限性,设计了基于熵权重的全局K-means算法,并应用UCI数据集进行验证,仿真结果表明本文方法具有更高的稳定性和聚类准确率.

摘要： 在RoboCup救援仿真中,警察智能体清理阻塞道路、搜索地图环境信息对整个灾难救援有着至关重要的作用.分区策略是警察任务分配的重要策略,同时有助于对地图的搜索遍历.提出一种基于K-means算法的警察分区方法,根据距离将所有建筑物进行聚类分析形成建筑簇并分开成为不同的区域,然后分配给对应的警察智能体.通过仿真实验和实战比赛验证了该方法的有效性.

摘要： 本发明提供一种基于K均值聚类算法生成逐字歌词文件的系统与方法，所述方法包括：获取需要生成歌词文件的音频数据和文字，再将所述的音频数据至少分割成一个音频片段，对所述音频片段进行傅里叶变换，得到对应的频域片段，获取所述频域片段能量在频域分布范围值，利用K均值聚类算法根据频率能量变化差异度数值确定频率变化明显的时间节点，再结合所述音频数据中的文字，将所得的时间节点与所述文字根据先后次序一一对应，生成逐字歌词文件。通过上述方案解决了目前歌词文件逐字歌词时长不精确的问题。

摘要： 本发明涉及计算机技术领域，提供一种基于k均值聚类算法的搜索引擎聚合分析方法及系统，所述方法包括：批量导入数据，并分析导入的批量数据的各个变量所对应的数据类型以及数据分布特征；利用k均值聚类算法对分析后的所有变量数据进行横向聚合分析，从而丰富用户对搜索引擎Elastisearch聚合分析的操作，方便对搜索数据进行整体的探索分析，通过引入KMeans算法，增强了实际应用性及广泛性。

摘要： 本发明涉及一种基于深度学习和传统分割算法结合的脑肿瘤分割算法，特别是一种全连接CRF级联FCN和K均值脑肿瘤分割算法。DenseCRF将原始图像中的所有像素与FCN算法的分割结果中的每个像素进行匹配，寻找具有相同属性的像素，对输入进行补充平滑，改善分割结果的细节信息，提高分割精度。同时，在不同的分割算法中，其分割的标准也会有所不同，通过融合具有不同分割标准的深度学习算法FCN和传统分割算法K均值聚类，基于不同分割标准的算法得到的分割结果互相补充，使分割的结果更接近于真实分割图像。从而更精确地分割脑肿瘤核磁共振图像，为脑肿瘤核磁共振图像的高精度的重复性测量和评估提供更精确的肿瘤图像。

摘要： 基于K均值算法的双层结构无线传感器网络节点部署方法，包括以下步骤：根据待覆盖目标点位置和传感器节点感知半径，以及K均值聚类算法计算待部署的传感器节点数量与位置；根据传感器节点坐标和其通信半径，以及K均值聚类算法计算覆盖传感器节点的中继节点数量与位置；然后生成所有已知待部署中继节点与基站构成完全图的最小生成树；最后根据中继节点通信半径、最小生成树中边的权值大小与K均值聚类算法，获得面向目标覆盖与网络连通所需的传感器节点与中继节点位置；本发明具有所部署网络节点的利用率高，算法复杂度低，适用于双层结构的无线传感器网络节点的覆盖与连通部署。

摘要： 本发明用于人工智能领域，涉及区块链领域，公开了基于K均值聚类算法的问答匹配方法、装置、设备及介质，其中，方法包括：获取用户输入的用户问题，并对用户问题进行向量转换，以获得用户问题的问题向量；根据预设匹配方法确定用户问题的多个候选答案，并确定每一候选答案的K个答案语义向量，K个答案语义向量为基于K均值聚类算法，对候选答案进行聚类后获得的语义向量；根据问题向量对K个答案语义向量进行基于注意力机制的向量计算，以获得候选答案的候选答案向量；根据候选答案向量与问题向量的匹配值，在多个候选答案中确定用户问题的正确答案；本发明编码速度较快且减少了信息丢失的可能，提高了候选答案向量以及匹配结果的准确性。

摘要： 本申请实施例提出了基于改进K均值算法的异常项目筛选方法，包括获取全部项目对应的待处理的项目数据，剔除项目数据中的异常值，对剩余的项目数据进行归一化处理；计算归一化后项目数据的基准值，获取待处理的项目数据与基准值之间的偏差值，对基准值和偏差值分别进行聚类分析，基于两个聚类分析后的结果进行加权得到结果；根据得到的结果筛选得到异常数据。在对项目数据进行依托于K均值聚类算法时，还对每类项目数据的偏差值进行同类型的聚类处理。由于引入了基于偏差值的聚类处理过程，相对于现有技术中的单一K均值聚类算法能够更为精准的进行数据聚类，缩小单一K均值聚类的范围，从而提升了项目数据异常筛选的精度。

摘要： 本发明属于电池分选领域，提供了基于K均值聚类算法的退役电池快速综合分选方法及系统，获取退役电池测试数据；对退役电池测试数据进行预处理，建立每一个退役电池的综合特征向量并构建所有退役电池综合特征数据集；基于退役电池综合特征数据集和K均值聚类算法，通过不断优化初始化聚类中心和聚类数K，聚类得到每个退役电池的类标签；将类标签相同的退役电池划分到同一类，计算它们综合特征的标准差和平均值，分析其整体情况与离散程度；根据不同梯次利用场景的要求进行匹配度计算，并将匹配度最大的退役电池重组进行梯次利用，实现退役电池的快速综合分选，延长退役电池使用寿命，最大化其使用价值。

摘要： 本发明提供了一种基于K均值聚类算法的主机工况特征值提取方法及系统，该方法先采集船舶数据并进行预处理，从预处理后的船舶数据中选取多个特征参数，计算得到单位时间内各特征参数平均值，然后采用F检验法提取出与特征参数中主机功率平均值相关性最大的特征参数平均值，作为相关特征参数平均值，并采用K‑means聚类算法对主机功率平均值和相关特征参数平均值进行第一阶段工况划分，得到多个主机工况，采用K均值聚类算法，结合海水温度平均值和主机扫气箱温度平均值继续对轮廓系数最低的主机工况进行第二阶段工况划分，得到多个主机工况，最后分别提取上述划分出的各个主机工况的特征值，提高主机工况划分的精准度。

摘要： 本发明公开一种基于k均值聚类算法的自适应调制方法，包括：步骤S1，根据所有节点的地理位置以及簇的数量K，通过k均值聚类算法对于所有的节点进行分簇，并得到所有簇的中心坐标；步骤S2，在簇内选择单一节点作为簇头，并确定该簇头节点至基站上行无线传输采用的调制方式；步骤S3，判断所有簇头采用的调制方式是否满足簇内成员节点数据汇聚后的传输速率要求，如果满足则执行步骤S5，否则执行步骤S4；步骤S4，增加簇的数量K＝K+1，转至步骤S1；步骤S5，根据已确定的分簇以及调制方式，簇成员节点和簇头节点进行数据传输。本发明可以改善无线传感器网络拓扑结构，克服簇头节点传输速率无法满足簇内成员节点并发汇聚转发的弊端，有效提高无线传感器网络的网络吞吐量。

摘要： 本发明公开了一种基于k均值算法的异步机风电场暂态稳定预测方法，包括以下步骤：根据改进后的全功率型笼型异步机风机的组成结构及原理，得出风电场并网对系统稳定性、暂态稳定性的影响因素，建立笼型异步风电场的数学模型及多台风机等值简化模型；用PSASP设置不同风速、负荷、出力等工况，计算得到系统的潮流，并设置不同故障条件，进行时域仿真法暂态电压稳定计算，获得预测所需的原始数据集；构建一个M×2n原始特征矩阵，做归一化变换，按在状态改变时变量值波动的剧烈程度排序，提取前12组变量作为输入特征量；采用k均值算法，无需进行训练，可直接用数据进行聚类得到结果并提供发电机有功调整稳定的预防控制措施，提高计算速度、聚类精度。