一种基于加权欧氏距离聚类方法的研究

聚类分析中最常用的距离度量方法是欧氏距离。针对传统的基于欧氏距离计算相似度的不足,提出了一种在领域知识未知的情况下基于加权欧氏距离的计算方法,并对此进行了分析与研究。实验证明,该方法不仅在一定程度上克服了欧氏距离的缺陷,而且能够提高聚类质量,优化聚类性能。

一种基于加权欧氏距离聚类方法的研究

针对传统的基于欧氏距离计算相似度的不足,提出了一种在领域知识未知的情况下基于加权欧氏距离的计算方法,并对此进行了分析与研究。实验证明,该方法不仅在一定程度上克服了欧氏距离的缺陷,而且能够提高聚类质量,优化聚类性能。

一种加权欧氏距离负载均衡云任务调度算法

云计算通常需要处理大量的计算任务,任务调度策略在决定云计算效率方面起着关键作用。本文提出一种加权欧氏距离负载平衡(EDW-LB)的任务调度解决方案。仿真结果表明:该方法能够在保证任务完成时间的条件下,通过新的任务调度策略来提高用户对云计算任务的满意度以及资源的利用率,是一种云计算环境下有效的任务调度算法。

加权欧氏距离模型在水环境质量评价中的应用

建立了利用加权欧氏距离法进行水环境质量污染评价模型 ,并研究 4个测点的水环境质量污染状况 ,和其它方法比较 ,取得了满意的结果 。

基于加权欧氏距离的空间Co-location模式挖掘算法研究

空间Co_location模式挖掘关注空间对象实例在一定区域内同时出现的关系。目前大多数研究都是把空间对象的各个实例按同等权重对待,但现实中容易发现同一类对象的不同实例其大小规模、重要程度或是影响力覆盖范围都是不一样的。因此考虑空间对象实例的影响力因素,引入加权欧氏距离阈值参与计算,能发现更具实际价值的Co_location模式。

一种加权欧氏距离聚类方法

聚类是数据挖掘的一种常用技术,最常用的距离度量方法是欧几里得距离,但运用加权欧氏距离需要对数据的实际意义有一定了解,并且要求分析者具有相关的专业知识,而在实际操作中这一点很难保证。本文提出了一种在对数据没有任何先验信息的情况下,如何运用加权欧氏距离有效进行聚类的方法。并结合实例,说明在一定条件下,这种加权欧氏距离聚类方法能显著提高聚类质量。

加权欧氏距离及其应用

本文定义了加权欧氏距离并讨论了它的性质 ,然后应用加权欧氏距离对 2 0 0 0年奥运金牌榜国家前 10名进行了聚类分析。

一种加权欧氏距离聚类算法的改进

聚类算法是一种无监督学习的算法,能够将相似度强的数据聚类到一个族内,并且能够将属性相异的数据划分到不同的族里。当今聚类算法可分为传统的聚类算法和非传统的聚类算法。传统的聚算法有:基于划分聚类算法、基于层次聚类算法等算法。人们在使用划分法和层次法进行聚类时,是通过计算聚类对象之间属性的距离来实现聚类,因此欧氏距离公式和加权欧氏距离公式在这两种聚类算法中常用的算法。加权欧氏距离计算公式在聚类时着重聚类对象属性权重的选择,所以此文从聚类对象的相似度和对象属性对应的权重,这两个方面来考虑聚类成功的概率。论文作者提出的算法思想是,如果某个聚类对象具有若干的属性,那么首先计算该聚类对象属性的相似度,再根据该属性对应的权重是否为关键权重,如果是此属性对应的权重是关键权重,那么该对象聚类的成功率较高。

加权欧氏距离在水资源价值评价中的应用

针对传统的水资源价值评价方法缺点,提出了加权欧氏距离水资源价值评价模型,并将其应用于泉州市山美水库水资源价值损失评价中。结果表明,该模型能较客观地计量水资源价值,且数据易得,计算量少,是一种比较实用的水资源价值评价方法。

利用加权欧氏距离测评期刊的核心著者群

以《情报探索》为例,依据发文量和被引量两个计量指标,利用加权欧氏距离测评其1998～2006年的核心著者群。

加权欧氏距离及其应用

定义了加权欧氏距离并讨论了它的性质，然后应用加权欧氏距离对２０００年奥运金牌榜国家前１０名进行了聚类分析．

基于加权欧氏距离度量的目标再识别算法

针对传统欧氏距离在特征相似性度量中存在区分能力弱的缺陷,提出了基于加权欧氏距离度量的目标再识别算法.首先,针对现有目标再识别算法中目标分割易受衣着和背景颜色干扰的缺陷以及忽略人体头部特征的现象,提出了一种简单的比例分割方法,即根据VIPeR和i-LIDS数据集上目标各部件的比例统计将目标按比例分割成3部分.然后提取各部件的多种互补特征来增加其对光照变化等因素的鲁棒性.在部件特征描述过程中,文中提出了以显著性因子为权重的显著性局部二值模式(SLBP)特征来增加局部二值模式(LBP)特征对目标显著性的描述.最后综合各部件的相似性度量结果来判断目标是否匹配.在VIPeR和i-LIDS数据集上的对比实验结果显示,文中算法的目标再识别准确率优于其他算法.

利用加权欧氏距离评价科技期刊

以我国37种师范大学自然科学版学报为研究实例,建立了利用加权欧氏距离评价科技期刊学术质量的模型,该评价模型简单、实用,为科技期刊的学术质量评价提供了一种新方法。

基于加权欧氏距离的光谱重构训练样本选择

目的研究光谱反射率重建过程中训练样本的选取,以提高光谱反射率的重建精度。方法根据检验样本与训练样本间的欧氏距离判断两者的相似度,并将样本向量各维度分量"标准化"到均值、方差相等,使得各维度分别满足标准正态分布,同时将其方差的倒数作为权重赋予训练样本。实验以Munsell色卡为总的训练样本集,经Mohammadi方法、Cao方法以及文中方法选择出的样本作为最终的训练样本,用Color Rendition Chart 24色卡为检验样本,采用伪逆法分别对选择出来的训练样本进行光谱反射率重建。结果通过Matlab软件仿真实验,文中方法的平均色差为0.7918△Eab^*,最大色差为1.7148△Eab^*,平均均方根误差为0.0060,最大光谱均方根误差为0.0127。结论基于加权欧氏距离的训练样本选择可以有效地提高光谱的重建精度,能更好地实现颜色再现。

加权欧氏距离法和模糊综合评价法在阳泉市主要河流水质评价中的比较分析

为对比加权欧氏距离法及模糊综合评价法在阳泉市7条主要河流水质评价中的优劣性,以2019年1月河流水质监测结果为依据,采用加权欧氏距离法和模糊综合评价法综合评价阳泉市地表水体环境质量。对比分析表明,模糊综合评价法采用评价标准的依据,会造成最终评价结果无法有效反映水体的实际状况;加权欧氏距离法在给出评价断面水质级别的同时,反映评价断面对于某一水质标准的贴近度及水质的变化趋势,评价结果显示的信息更加真实多元,在水质评价中的表现更加优良,可在水环境治理中更好地发挥作用。

修正的加权欧氏距离的实证分析

在聚类分析中,常常考察两个变量的距离大小,其中比较常用的是欧氏距离.然而每个评价指标的贡献程度是不同的,所以需要对评价指标进行加权处理,因此加权欧氏距离在实践中得到了广泛的应用.基于加权欧氏距离的计算公式对其权数进行了修正,修正后的形式为:D_(ij)=∑mk=1(((ω_k)^(1/2)x_(ik)-(ω_k)^(1/2)x_(jk))~2)^(1/2).由此可以将加权聚类分析转换成非加权聚类分析,使聚类分析过程更方便、简单.采用夹角余弦赋权法对某市公安局"一标三实"的数据应用修正的加权欧氏距离进行了实证分析.

基于改进加权欧氏距离的光谱反射率重建样本选择方法研究

获取物体的光谱反射率是准确再现物体在各种光照条件下真实颜色的关键保证,这对纺织服装、出版印刷、网络电商、远程医疗等对颜色有较高要求的行业有重要作用。光谱反射率重建的目的是利用训练样本建立数码相机等通用设备所获取的RGB三色值和光谱反射率高维向量间的映射关系,从而避免使用分光光度计等专业设备所带来的成本高、操作复杂、分辨率低等问题。训练样本的选择是影响光谱反射率重建算法效果的重要因素。从物理角度看,光谱反射率是一条关于波长的光滑曲线,光谱反射率向量最大的相关性特征就是其光滑性,因此,训练样本的选择应同时考虑空间距离和形状的相似性。针对局部学习方法中局部样本选择问题,提出一种能同时考虑光谱反射率向量形状相似和空间距离相近的更加有效的训练样本选取方法,以提高光谱反射率重建的精度。该方法利用待测样本与训练样本之间的加权欧氏距离与向量夹角距离结合后赋予不同权重作为相似性度量,根据样本容量动态地选出相似度较高的样本。实验以孟赛尔半光泽数据集(munsell matte)为样本集,基于伪逆法进行光谱反射率重建,以光谱均方根误差和色差为评价指标,与加权欧氏距离方法从样本选择的有效性和重构精度两方面进行比较。实验结果表明,基于改进加权欧氏距离的样本选择,能够在保证均方误差最小的条件下,显著降低色度误差,同时添加不同噪声水平后,文中方法的均方根误差和平均色差依旧保持最小,该方法能够更好地利用局部样本的信息,而且具有较好的抗干扰能力,可以有效地提高光谱反射率重建的实际应用效果,进而为颜色的真实再现提供保障。

欧氏距离变换光栅扫描算法的改进及扩展

提出了一种新的欧氏距离变换算法,该算法是对原有的欧氏距离变换算法中光栅扫描算法的一种改进.和光栅扫描算法一样,该算法以8邻域为模板,通过顺序和逆序两次扫描实现欧氏距离变换,不同的是该算法在信息传递的时候用了最近目标点的行列号,而不是与最近目标点行列号的差异,通过这些行列号不仅可以轻松实现欧氏距离变换,而且扩展后还可以用于加权欧氏距离变换、全形态图形加权Voronoi图的生成.通过实验证明该算法简单、快速、易于实现,且其精度可以通过邻域模板和栅格单元大小加以控制.

WiFi指纹定位中改进的加权k近邻算法

针对WiFi指纹定位中传统的信号欧氏距离不能很好地反映各位置点间物理距离的问题,提出了改进的加权k近邻定位算法。首先,在信号距离的计算中引入接收信号强度的方差;然后,根据接收信号强度和物理距离之间的非线性关系引入加权系数,设计了一种信号加权欧氏距离;最后,利用信号加权欧氏距离进行指纹匹配和位置估计,改进了加权k近邻算法。在真实环境下的实验结果表明,信号加权欧氏距离能够更准确地衡量各点之间的物理距离并选择更合理的最近邻参考点。与现有的加权k近邻算法相比,改进的加权k近邻算法能够明显地提高WiFi指纹定位的精度。

基于极限学习机模型参数优化的光伏功率区间预测技术

提出一种基于极限学习机(ELM)模型参数优化的光伏功率区间预测技术.首先,提出加权欧氏距离作为光伏功率预测区间评估指标,筛选历史样本单元并优化ELM训练集;然后,提出ELM参数混合寻优算法,利用精英保留策略遗传算法与分位数回归优化ELM模型隐层输入及输出权重与偏置参数,并采用训练后的模型预测光伏功率区间;最后,基于光伏电站与气象站历史数据构建实际算例,预测光伏功率区间,并与其他方法得到的结果进行对比.算例结果表明:所提方法在增加区间预测可信度的同时,能较大程度提高区间预测准确度.