基于大数据的改进模糊K-means算法

针对传统模糊K-means算法易于采用局部最优解的缺陷,设计了一种基于大数据K-means聚类算法的优化算法。首先针对移动大数据的分析处理方法展开研究,再提出了通过欧氏距离来选出密度最大若干个初始点的改进方法,使数据的聚类的有效性及效率性有了很大的提高。实验仿真表明:该算法具有较好的聚类效果,提高了聚类的速度和准确性。

基于改进模糊K-means算法的大数据处理方法

本文设计了基于改进模糊K-means算法的大数据处理方法。建立大数据采集模块,完善预测及技术的预知能力;绘制改进模糊K-means算法流程图,分析大数据相似密度公式;基于改进算法计算大数据处理方法相似度,消除MAE值的误差。实验采用对比测试的方法,得出传统方法处理大数据的MAE值在±0.000200左右,而新方法的MAE值仅在±0.000001左右的结论,验证新方法的处理效果更佳。

基于改进K-means数据聚类算法的网络入侵检测

随着入侵手段的不断更新和升级,传统入侵检测方法准确率下降、检测时间延长,无法满足网络防御要求。为此,提出一种经过改进K均值(K-means)数据聚类算法,以应对不断升级的网络入侵行为。先以防火墙日志为基础转换数值,然后基于粒子群算法求取最优初始聚类中心,实现K-means数据聚类算法的改进;最后以计算得出的特征值为输入项,实现对网络入侵行为的精准检测。结果表明:K-means算法改进后较改进前的戴维森堡丁指数更小,均低于0.6,达到了改进目的。改进K-means算法各样本的准确率均高于90%,相对更高,检测时间均低于10 s,相对更少,说明该方法能够以高效率完成更准确的网络入侵检测。

基于改进K-means聚类和遗传算法的混合算法求解异构车辆路径问题

由于目前单一车型配送存在资源浪费和效率低下等问题,选取确定数量的不同车型对各客户点进行配送服务往往可以得到更优的配送路径方案。针对这一点,描述了一种异构车辆路径问题,并建立了具有固定车辆数且考虑固定成本、可变成本以及时间窗惩罚成本的混合整数规划模型。同时,提出了一种基于改进K-means聚类和遗传算法的混合算法对模型进行求解。实验仿真先求解不考虑时间窗的问题初步证明混合算法的有效性,再在带时间窗的问题中求解不同规模算例的单一及异构车型结果,以证明异构车型配送更优。最后,对该混合算法的求解结果与其他混合算法的求解结果进行对比分析,证明了混合算法的优越性。研究结果表明:该混合算法求解的异构车型结果优于单一车型,并且比其他混合算法求解的异构车型结果更优,异构车辆配送使用的配送车辆数更少,总成本也更低,该混合算法具有更好的效率和性能。

基于改进K-means算法的电力营销档案信息管理系统

为满足档案管理用户需求,实现不同营销档案管理信息分类,提出改进K-means算法的电力营销档案信息管理系统。设计电能信息收编、客户缴费管理、营销报表管理及系统开发等子系统功能;利用改进的K-means方法定义系统算法,引入权重概念,将元素分配到和中心点距离最近的簇中,实现档案分类统计。仿真实验证明,该系统可实现不同营销档案的准确分类,减少响应延时,提高系统吞吐量,满足电力营销档案管理用户需求。

基于改进k-means算法的电力负荷数据聚类方法

针对现有数据聚类方法难以对电力系统负荷数据进行有效聚类的问题,该文结合改进k-means算法,完成电力负荷数据聚类方法设计。该研究基于电力负荷数据中心点生成过程,构建中心点间距与类簇距离判定函数,筛选电力负荷数据聚类中心。确定聚类中心后,采用数据分离方法完成正常负荷数据和异常负荷数据的分离,在分离过程中应保证数据连续,以避免潜在有用数据丢失。利用改进的k-means算法分析电力负荷数据,计算不同种类数据间的欧氏距离。设定指针矩阵,融合不同类中心点,对原始数据区间规范化操作,获取不同簇的负荷数据聚类通道传输功率谱密度。将数据依次分配到不同簇上,实现电力负荷数据聚类。由实验结果可知,该方法站点1数据聚类范围为0.3~0.48 pu,站点2数据聚类范围为0.34~0.47 pu,优于对比方法,与理想聚类范围最贴近,具有良好的聚类效果。

基于改进K-means算法的通勤交通小区识别

通勤是具有周期性和稳定性的城市居民出行行为,是城市发展规划和公共交通管理的重要研究内容。出租车GPS(Global Position System,全球定位系统)轨迹数据在一定程度上反映了城市交通状况和市民出行模式。针对出租车区域性通勤模式识别问题,本文提出一种基于改进K-means算法的通勤交通小区识别方法。该方法主要包括3个步骤:划分交通小区、生成交通小区之间的流量转移矩阵和识别通勤交通小区对。参考现有的交通小区划分方法,本文提出一种基于细粒度单元的自下而上的交通小区划分方法。在通勤交通小区对识别模型中,以高峰时段的流量及其离散系数作为输入特征,基于改进K-means算法识别通勤交通小区对。最后,基于重庆市出租车GPS数据集进行实验验证,结果表明该方法效果显著。

光伏波动平抑下改进K-means的电池储能动态分组控制策略

针对电池储能系统(battery energy storage system,BESS)进行光伏波动平抑时寿命损耗高及荷电状态(state of charge,SOC)一致性差的问题,提出了光伏波动平抑下改进K-means的BESS动态分组控制策略。首先,采用最小最大调度方法获取光伏并网指令。其次,设计了改进侏儒猫鼬优化算法(improved dwarf mongoose optimizer,IDMO),并利用它对传统K-means聚类算法进行改进,加快了聚类速度。接着,制定了电池单元动态分组原则,并根据电池单元SOC利用改进K-means将其分为3个电池组。然后,设计了基于充放电函数的电池单元SOC一致性功率分配方法,并据此提出BESS双层功率分配策略,上层确定电池组充放电顺序及指令,下层计算电池单元充放电指令。对所提策略进行仿真验证,结果表明,所设计的IDMO具有更高的寻优精度及更快的寻优速度。所提BESS平抑光伏波动策略在有效平抑波动的同时,降低了BESS运行寿命损耗并提高了电池单元SOC的均衡性。

基于改进蝴蝶搜索算法的DGPS整周模糊度快速解算

为了快速准确地解算差分全球定位系统(DGPS)整周模糊度,提出了一种改进蝴蝶搜索算法(IBOA)求解整周模糊度。首先在蝴蝶优化算法(BOA)的香味系数中加入一个自适应权重,弥补BOA算法觅食行为中较弱的搜索能力;其次使用动态切换概率权衡BOA算法中全局搜索与局部搜索的比例;最后在全局搜索和局部搜索阶段引入新的迭代位置更新策略,提升了算法全局搜索能力和跳出局部最优能力。与最小二乘模糊度降相关平差算法(LAMBDA)算法进行1000个历元数据的解算对比实验,结果表明所提算法的平均搜索成功率比LAMBDA算法提高了5.07%。

基于改进遗传模糊算法的混合动力推土机能量管理策略

以提高整车燃油性为控制目标进行了混合动力推土机的遗传模糊能量管理策略的研究。首先考虑当前状态下超级电容的荷电状态值设计了模糊控制器,以整车需求功率和超级电容荷电状态值作为模糊控制器的输入量,以发动机目标输出功率、发电机输出功率以及超级电容需求功率作为输出,设计了25条控制规则,然后采用改进遗传算法优化隶属度函数,最后利用200 s典型推土机工况在整车平台验证策略的有效性和可行性。研究结果表明:基于改进遗传模糊算法的混合动力推土机与原机型相比节油达19.04%,整机燃油经济性得到明显提高。

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。

基于改进粒子群算法的机械手抓取力自整定模糊PID控制

为提高欠驱动机械手在易碎零件分拣过程中的稳定性,通过改进粒子群算法,给出一种优化其抓取性能的模糊PID控制算法。首先,分析欠驱动机械手抓取力控制系统的特性,提出粒子群算法与模糊PID抓取力控制系统相结合的具体策略。其次,将动态惯性权重等方法引入粒子群算法中,以提高其迭代速度并防止其陷入局部最优。在此基础上,利用改进后的粒子群算法优化模糊PID控制器的相关参数,实现了对模糊规则权重及量化因子的在线自整定,解决了PID参数无法动态调整的问题。最后,对其进行仿真分析。结果表明:该控制算法可以在0.8 s内达到稳定抓取力,稳态误差小于0.2%,扰动整定时间为0.262 s,系统的瞬态响应速度、控制精度以及稳定性均有明显提高。

基于模糊控制与改进NMPC算法的机器人轨迹控制方法研究

机器人的运动轨迹具有强非线性和强耦合性的特点,在运动过程中包含多种不确定因素,故提出了基于模糊控制与改进NMPC算法的机器人轨迹控制方法。首先通过动力学理论建立运动轨迹方程,逐步分解轨迹位置姿态,根据轨迹误差设计虚拟变量并进行推导,矫正轨迹姿态误差;然后使用模糊控制确定变量隶属函数,规范轨迹运动范围;最后利用改进NMPC算法构建控制模型,实现机器人轨迹控制。实验证明,该方法可有效跟踪不同类型的轨迹,具有重要的应用价值。

一种改进樽海鞘群算法优化K-Means的小麦覆盖度提取方法

针对K-Means算法对初始聚类中心的依赖性较高,容易出现局部最优停滞的问题,提出一种改进樽海鞘群算法优化K-Means的小麦覆盖度提取算法。首先,将小麦图像转换到HSV色彩空间;然后,用改进樽海鞘群算法进行全局寻优,以获得全局最优值作为K-Means算法的初始聚类中心,接着运用K-Means算法进行局部寻优,直到迭代完成;最终,输出经过分割的小麦图像。为了评估算法性能,使用12个基准函数对ISSA及其他智能优化算法进行对比测试,同时将改进樽海鞘群算法优化K-Means应用于小麦覆盖度提取。结果表明,ISSA算法在优化精度和收敛速度上均超越其他算法,鲁棒性也得到了显著提高。与其他算法相比,ISSA-K算法分割后的小麦图像纹理比较清晰,效果更佳,同时具有更加高效的优势,可用于小麦覆盖度的提取,具有较强的实用性。

基于改进模糊聚类算法的大数据随机挖掘仿真

大数据挖掘是从大量有噪声的、随机模糊的大数据中提取有价值信息的过程,由于海量大数据具有多维性、稀疏性以及动态性等特点,准确获取其分布特征的难度较大,随机挖掘难以直接实现。为此提出基于改进模糊聚类算法的大数据随机挖掘方法。利用建立的语义概念树模型获取大数据的特征分布关系,并根据模糊语义分析法得出大数据的语义相似性、关联性条件,提取大数据特征。优先确定最佳聚类数,采用改进模糊聚类算法对其聚类,实现基于改进模糊算法的大数据随机挖掘。实验结果表明,上述方法的大数据模糊聚类效果较好,随机挖掘准确率可达到95%以上,实验所得结果验证了上述方法较强的应用有效性。

运用改进鲸鱼算法优化纯电动汽车再生制动模糊控制策略

为了提高纯电动汽车再生制动能量回收效率,同时保证车辆制动效果,提出了运用改进鲸鱼算法优化纯电动汽车再生制动模糊控制策略。引入电池荷电状态(State of Charge,SOC)、车速和制动强度作为模糊控制输入,以再生制动比例系数K作为输出,利用改进鲸鱼算法优化控制参数,从而提高前轴电机制动力占比。同时,改进鲸鱼算法的自适应权重避免了算法迭代过程中陷入局部最优。通过仿真分析验证了在NEDC工况下,优化后的模糊控制策略相比优化前和传统控制策略在提高能量回收效果的同时,也满足了制动的有效性。

基于模糊聚类与改进遗传算法的异常电力工程数据识别技术

针对传统人工核查电力工程异常数据存在耗时费力及准确度较低的问题,文中提出了一种基于模糊聚类与改进遗传算法的数据识别技术。该技术采用模糊聚类算法对数据进行自动归类,并对异常数据加以识别。同时还设计了一种改进遗传算法增强了数据的全局搜索能力,进而提升整体算法的识别效率。基于Matlab进行的仿真验证结果表明,所提技术方案可有效地自动识别出电力工程中的异常数据。而在结合改进遗传算法后,该算法的识别准确率得到了显著提升,且识别时间也缩短了60%以上,实现了数据搜索能力与效率的平衡。

基于改进模糊算法的节理分组软件开发

节理广泛存在于岩体中,其发育情况影响着岩体的稳定及渗流特性。由于节理数量众多,目前对其研究时需进行分组处理。传统的分组方法如依靠玫瑰图、极点等密度图等,无法确定每组节理的具体数据,同时对离散点的分组效果有限。当下使用机器学习的聚类算法也存在选择的聚类数影响分组效果的不足。鉴于此,在MATLAB平台上开发了基于改进模糊聚类算法的节理产状聚类程序(JOCP)。JOCP考虑节理的倾向倾角,使用基于聚拢度的模糊聚类算法进行分组,将结果使用Xie-beni指数判断优劣性,最终生成节理分组的最优解。JOCP以原始坐标数据及目标聚类数为输入,以节理产状数据、聚类中心、聚类结果分布图以及有效性指标为输出。将程序用于大连某边坡千条节理数据的分析中,结果证明程序可提高分组确定性,达到分组效果客观准确的目的。此程序可为地质勘探,灾害预测等领域提供技术支持。

基于改进K-means算法的沥青路面裂缝分割方法

沥青路面各类裂缝是影响沥青路面结构寿命的主要原因。针对现阶段沥青路面裂缝分割算法存在精确度低、分割结果与原图像不匹配等问题,提出一种基于改进K-means算法的沥青路面裂缝分割算法。首先对路面巡检车所获取到的沥青路面裂缝图像进行小波去噪处理,提出一种随小波分解层数变化的自适应阈值计算方法,并确定相应的小波阈值函数表达式。然后采用果蝇算法优化的K-means算法对去噪后的沥青路面裂缝图像进行分割。最后采用数学形态学对分割后图像中存在的细小噪点进行清除,并采用区域生长算子对断裂处裂缝进行连接。结果表明:改进小波阈值去噪算法整体表现较好,在峰值信噪比、信息熵与对比度3个评价参数上均存在一定的优势,去噪效果优于暗通道先验算法与CLAHE算法;改进的K-means算法有收敛速度更快,味道判定值更小的优势,对一幅图像的平均计算时间为1.15 s;对算法准确率进行相应的分析可知,新算法的准确率-召回率指标较高,准确率可达85.69,召回率R达到86.93,且综合评价系数为86.31,超过改进Sobel算子、最大熵分割算法与Otsu算法。综上所述,提出的裂缝分割算法具有图像去噪效果较好、裂缝分割精度较高且运行时间短的优势。

基于改进K-means算法的源荷匹配电网优化分区

针对电网分区问题中基于经验的启发式方法的局限性,考虑分区问题中的新能源和负荷之间的匹配特性,建立电网优化分区的衡量指标;基于源荷匹配度,通过求解各区域的源荷匹配度系数,实现对电网进行优化分区;在传统K-means算法中引入误差平方和,筛选最佳聚类数值,规避聚类模型对分析结果的不利影响。算例采用某地区6座500 kV变电站运行数据,分析并计算了各主变压器下的源荷匹配度系数,并根据系数对该区域电网进行分区。结果表明,所提算法能有效均衡分区之间的短路能力,明显提升在整体聚类上的效果。