基于改进K-means聚类和皮尔逊相关系数户变关系异常诊断

用电信息采集系统易出现台区户变关系错误问题,传统诊断技术主要针对少用户台区出现异常用户情况,但对于多达数百用户台区,存在多相邻台区异常用户特征提取难题。文中首先通过主成分分析对GIS系统获取台区总表和用户电表电压数据实现降维,建立改进K-means聚类提取电压数据特征,提出改进皮尔逊相关系数算法分析待检测用户,据此建立基于改进K-means聚类和改进皮尔逊相关系数的户变关系异常诊断方法,实现多异常用户所属正确台区诊断。实际算例分析结果表明,文中提出算法在识别同一台区一个及多个异常用户、不同台区多个异常用户情况下均能有效实现异常用户的准确检测与分析,相比传统检测方法,实现简单且准确性更高。

基于改进K-means聚类的轨道交通基础设施分布式光伏发电典型场景生成及出力特性分析

受限于自然条件,光伏出力具有很强的随机性。为准确评估轨道交通基础设施分布式光伏发电的光伏出力特性,提出一种基于改进K-means聚类算法的轨道交通基础设施分布式光伏发电典型场景生成方法,并基于此进行光伏出力特性分析。首先,基于分布式光伏发电设施以及气象数据,利用PVsyst软件模拟光伏发电出力数据。然后,针对基本K-means聚类算法聚类参数和初始聚类中心盲目性高的问题,结合聚类有效性指标(Density based index,DBI)和层次聚类对其进行改进并利用改进K-means聚类算法生成光伏典型日出力场景。最后,基于华中地区某地轨道交通基础设施分布式光伏系统对所提方法的有效性和优越性进行验证,并通过定性和定量分析各典型场景的出力特性揭示轨道交通基础设施分布式光伏出力的规律和特点。

基于K-means与Word2vec的哺乳文胸评论主题挖掘研究

目的为了了解消费者在网络平台购买哺乳文胸时的关注侧重点,文章从在线评论中抽取有效关键词构建哺乳文胸主题,并通过计算主题的重要程度协助商家了解消费者关注重点方向。方法选用TF-IDF关键词抽取算法,结合K-means和Word2vec进行语义聚类、主题识别、主题词挖掘及主题重要度计算。结果哺乳文胸评论文本聚类后的主题重要程度排名是:产品品质(45.47%)、产品外观(35.83%)、产品服务(18.79%)。结论通过该方法能够有效的识别和构建哺乳文胸主题及主题词,同时,通过主题的重要程度,能够了解消费者对于网络平台购买哺乳文胸时关注的重点方向,为哺乳内衣企业进行产品改善及生产等提供理论参考。

基于K-means的水下控制系统集成测试风险分析

采用危险源辨识分析(HAZID)工具对南海某水下控制系统集成测试进行风险识别,研究水下电力和通信设备的联合测试等过程存在的风险,针对HAZID技术识别的测试风险,定义风险的3个指标,包括风险发生可能性、风险后果严重程度和风险预防控制能力,将风险进行K-means聚类分析,采用SPSS软件将风险分为重大风险、高风险、中风险、低风险等4个聚类等级,识别4类共21个测试风险。在实际运用中,该方法可为水下控制系统集成测试风险制定有针对性的措施,可高效、科学和系统地指导水下控制系统集成测试工作开展。

基于狄利克雷多项式过程模型与K-means结合的菌群分析

群体分型是一种有助于更好的理解人类身心健康等复杂生物学问题的有效方法,聚类是一种为了对样本分组来降低复杂性的定义肠型的方法,而传统K-means聚类算法的K值选取无法确定,本文在传统K-means聚类算法的基础上进行了改进,并公开数据集上进行了验证,实验表明改进算法能够解决K值选取无法确定的问题,且聚类结果的稳定性、准确性和聚类质量都得到显著提高。将改进后的模型运用于肠道菌群OTUs数据,发现不仅能够有效地区分2-型糖尿病患者样本间的相似性,而且能鉴定出影响菌群结构异质性最大的OTUs菌,为临床解决2-型糖尿病问题提供了一种新的思路。

基于K-means聚类分析的在线学习行为研究——以开放大学药学专业学习者为例

随着在线教育的迅速普及,如何利用在线课程平台的海量教育数据进行信息挖掘,识别学习者行为特征,从而实现数据驱动的因材施教,是在线教育发展的重要问题。以国家开放大学药学专业学习者为研究对象,采用K-means聚类算法分析学生在国家开放大学学习平台上的学习行为。将学生细分为4个类群,分别为“持续学习者”“消极学习者”“投机学习者”“突击学习者”,其比例分别为0.96%、18.41%、76.96%和3.67%,并探讨在线教育提升学习效果的可行对策,以期为开放教育和在线教育的因材施教提供一定的借鉴和参考。

基于改进K-means算法的排水管网监测点位优化

为切实提高工程监测成效,合理利用资源,提出基于改进K-means算法的排水管网监测点布置优化方法。以华东区域H市排水管网为案例,以23个原始监测点的监测数据为基础,通过原始数据处理,BIRCH预聚类确定优化监测点个数和初步优化监测点,再用K-means聚类确定最终优化监测点后,输出16个保留监测点位。经验证,监测点优化后对H市排水管网的数据输出无影响。

K-means聚类方法在中考标准设定中的信度分析

中考的标准设定是划分考生分数等级的统计技术,其质量高低关系到分数报告的可靠性和公平性。从我国东、中、西部地区各随机抽取3000名考生的中考数据,探讨K-means聚类方法在中考标准设定中的信度问题,从经典测量理论、概化理论和项目反应理论三个角度开展分析。结果显示,K-means方法在分数等级为四或五级时分类信度符合测量学标准,而对低分段的考生分类信度高于高分段的考生。总体来看,K-means方法适用于较低分数等级的标准设定中,可为中考标准设定提供分界分数的参考。

基于融合改进K-means聚类算法的数据检测技术

针对现有医疗财务数据分析系统平台老旧,采用传统K-means算法进行数据处理时性能较差的问题,文中设计了一种财务异常数据检测算法。对于传统K-means算法存在的分类效果不佳、运行效率偏低等不足,该算法结合密度峰值法对样本点的局部密度和高密度距离进行计算,进而优化簇中心的选择。同时融合PCA降维算法减少了数据的冗余信息,进一步提高了运行效率。通过引入LOF离群检测算法对分簇后的数据进行检测,从而得到异常数据结果。实验测试中,所提算法在人工数据集上的平均ARI指标为0.844,真实数据集的准确率则达到了79.2%,在所有对比算法中均为最优,表明该算法具有良好的性能,可以对财务异常数据进行准确地检测。

基于改进K-means聚类的电网抢修资源优化技术

针对传统电网抢修资源配置中存在主观性强、处理突发状况能力较弱的问题,文中基于改进K-means聚类算法提出了一种电网抢修资源的分配策略。该策略采用改进算法分析平台的工单数据,以获得聚合数据包,并利用主成分分析法完成对数据的降维。降维后的数据经过深度稀疏自编码器的训练,得到的数据特征被K-means++算法聚类,进而输出工单任务的优先级。所提改进算法考虑了多种复杂因素的影响,相比传统算法其综合性能更为理想。多项实验结果表明,所提算法的聚类性能和数据训练性能在多个对比算法中均为最优,可以准确地识别出测试用例中的任务等级,为电网抢修资源的分配与决策提供技术支撑。

基于K-Means-NCS-ANOVA的八大民窑颜色聚类与应用偏好研究

中华陶瓷文化源远流长,颜色作为陶瓷的一种装饰,可以表达不同的设计理念、情感意识、地域特征和服务对象。为了更好地传承陶瓷艺术文化,本研究提出了一种基于K-means-NCS-ANOVA的颜色分类研究方法。首先,采用K-means颜色聚类、NCS颜色体系提取宋代八大民窑的颜色特征,分析八大瓷窑的区域特征及设计理念;基于上述分析结果制作问卷调查;并利用描述性分析、单因素方差分析(One-Way ANOVA),探究现代设计师对八大民窑颜色的应用偏好。由实验结果可知,设计师性别、专业、工龄也会对八大民窑颜色的应用偏好产生影响;景德镇窑的颜色最受现代设计师欢迎,而耀州窑、磁州窑、定窑的颜色已经不太符合现代审美。本研究采用现代人工智能技术识别八大民窑特征,调研现代设计师对八大民窑颜色的使用偏好,为文物识别、陶瓷文化传承及人才培养提供理论和技术支持。

融合k-means与多维特征分析的生物医学图像分类算法

为了提高生物医学图像分类的准确率与速度,提升医学研究者及临床工作者的工作效率,文中提出了一种融合k-means与多维特征分析的生物医学图像分类算法。该算法利用局部二值模式LBP与方向梯度直方图HOG分别提取医学图像中的纹理特征及局部特征两种不同维度的特征信息,并将k-means聚类算法与这种多维特征分析相融合,实现了对生物医学图像的高精度分类。在公开生物医学图像数据集BreakHis上进行的仿真实验结果表明,在二分类实验中,所提算法的准确率为99.03%、精确率为99.12%、召回率为98.96%、F1值为99.04%,在八分类实验中其性能也较为理想,优于SVM、ELM及ResNet等分类算法。

基于K-means和主成分分析的京张体育文化旅游带冰雪运动旅游市场研究

使用问卷调查、K-means聚类分析和主成分因子分析等方法对后冬奥时期京张体育文化旅游带的冰雪运动旅游市场进行分析发现,该市场可细分为青年冰雪爱好者、家庭亲子游客、中老年休闲游客和高端商务游客等类别。其中:青年和家庭市场为主力,市场需求集中在专业冰雪设施服务和冰雪文化体验等方面。据此,提出提升冰雪运动品质安全、丰富文化内涵和满足个性化需求等策略,以挖掘市场潜力,促进该地区冰雪旅游经济的可持续发展。

基于K-means算法的在线学习行为聚类研究

在线学习是近年来随着互联网的发展而逐渐兴起的一种学习方式,它的便捷性和丰富的学习资源吸引了越来越多的学习者。随着在线学习平台日益普及,海量的用户数据也随之产生。如何从这些数据中提取有价值的信息,促进教育教学质量提升是当前值得思考的重要课题。文章介绍了基于K均值聚类算法(K-means Clustering Algorithm,K-means)的在线学习行为聚类分析方法,为在线学习平台提供了重要的数据分析和应用支持,帮助教师及平台管理者及时调整教学模式和教学策略,以提升学习者的在线学习效果。

基于K-Means聚类分析的长沙市常规公交与轨道交通竞合关系研究

常规公交作为公共交通的主体,对促进城市可持续发展具有重要作用。在轨道交通快速扩张的背景下,常规公交客流量急剧减少,企业亏损严重。在轨道交通发展的新时期下,如何不断提高常规公交竞争力,推动公共交通共同发展是一个重要的社会问题。以长沙市为例,首先对常规公交现状及发展趋势进行了分析,提出常规公交面临出行效率低和线网规划不合理等问题;其次通过K-Means聚类算法探讨了常规公交线路与地铁线路的竞合关系,其中仅地铁1号线、3号线与公交线路关系较为理想,强合作关系公交线路比例在30%以上,地铁4号线、5号线与公交线路合作能力较差,多处于竞争关系和弱合作关系;最后针对长沙市公交线路规划存在的问题提出了调整方法,并结合实际情况提出常规公交未来的发展策略。

基于改进K-Means算法的电动汽车充电负荷特性分析

电动汽车充电行为具有较大的随机性,一定程度上影响电网的稳定运行和规划。为更准确地分析电动汽车充电负荷的特性,提出一种基于改进K-Means算法的聚类分析方法。针对K-Means算法在初始聚类中心选取上的随机性和不稳定性,首先利用Mini Batch K-Means算法的随机抽样能力优化初始聚类中心的选择,随后结合K-Means算法进行迭代优化,有效解决K-Means算法聚类结果不稳定的问题。以云南某城市充电桩负荷数据进行算例分析,结果表明,所提算法相比传统方法相比能更加准确地对多个不同负荷特性的用户进行分类,从而更有效地指导有序用电管理策略的制定。

基于K-means聚类分析处理遥感影像的河湖“四乱”因素识别

2018年水利部部署开展河湖“清四乱”专项行动,为提高河湖乱占、乱采、乱堆、乱建(“四乱”)问题的识别效率,应用K-means聚类分析方法对卫星遥感影像进行检测,分析了2020~2022年上海市26条(总长649 km)河道与淀山湖、元荡湖两个湖泊的“四乱”问题。结果表明:2020~2022年,28个河湖河口线外延6 m范围内有274处变化,其中疑似“四乱”问题82处。相比同期人工巡查,基于K-means聚类分析的遥感影像因素识别技术在识别河湖“四乱”中具有巡查效率高、巡查范围广、巡查成本低等优势。研究成果可以为下阶段河湖治理和保护监管以及信息化建设提供参考。

Optimization of constitutive parameters of foundation soils k-means clustering analysis

The goal of this study was to optimize the constitutive parameters of foundation soils using a k-means algorithm with clustering analysis. A database was collected from unconfined compression tests, Proctor tests and grain distribution tests of soils taken from three different types of foundation pits： raft foundations, partial raft foundations and strip foundations. k-means algorithm with clustering analysis was applied to determine the most appropriate foundation type given the un- confined compression strengths and other parameters of the different soils.

基于min-max准则与区域划分的I-k-means-+聚类算法

针对I-k-means-+算法聚类结果不稳定、求解精度较低的问题,提出一种基于min-max准则与区域划分的I-k-means-+聚类算法.首先,提出min-max准则,计算每个数据点到最近中心的距离,优先选择距离最大的数据点作为新的聚类中心,避免多个初始中心聚集在同一个簇中的情况;其次,将分裂簇中的数据点分割到不同区域,在每个区域中选取一个数据点作为候选中心,以增加候选中心的多样性;最后,对于配对失败的簇,通过增益重新选择新的分裂簇与原删除簇再次配对,以提高配对成功率,进一步降低目标函数值.实验结果表明,与I-k-means-+算法相比,本文算法在运行效率基本相当的前提下,求解精度平均提高6.47%,且聚类结果更稳定;与k-means、k-means++算法相比,本文算法的求解精度更高.

基于K-Means聚类分析法的大数据环境下电商精确营销策略

通过对陇南农产品电商销售大数据的挖掘分析,用回归分析找到商品收藏量与销售量的相关程度,利用K-Means聚类算法对商品的特征进行聚类分析。以特征分析为基础,从时令商品预售、价格层次、智能推送、直播带货和物流配送五个方面为陇南农产品电商销售制定出更为高效的营销策略。