基于改进K均值聚类的光谱重建训练样本选择研究

光谱反射率重建过程中,训练样本的选择方法及样本容量与重建精度密切相关,寻找一种高效的训练样本选择方法是光谱重建的目标之一。K均值聚类计算复杂度小,计算效率高,但因聚类初始值选择的随机性,以及离群点的影响致使聚类结果不稳定,进而影响光谱重建的精度。基于此,提出了一种改进K均值聚类的训练样本选择方法。首先,将训练样本集的几何中心作为聚类中心的初始值;其次,基于高斯函数构建样本空间分布概率密度函数,并以欧几里德(欧式)距离作为其他聚类中心的度量依据;最后,在训练样本集中,基于簇内平方差度量光谱反射率样本间的相似度,将每个聚类子集中与中心距离最近的样本作为训练样本。为验证该方法的有效性,通过主成分分析法进行光谱重建。实验结果表明,所提的方法相较于传统的方法,光谱重建精度有一定的提高,重建光谱的平均均方根误差小于4%, CIE DE2000色差小于3.756 7。提出的改进的K均值聚类的训练样本选择方法,能够一定程度上提高了光谱重建精度,基本满足复制再现图像的要求。

基于改进K均值聚类的光伏板缺陷检测方法

为了能够对光伏组件热斑部分准确地识别和提取,提出了一种基于HSV空间模型的改进K均值聚类图像处理方法。首先,将红外图像进行HSV空间转换和双边滤波处理,去除噪声并提高图像对比度;其次,使用高斯核函数估计实现图像灰度概率密度函数提取,并以此获取初始聚类中心;最后,利用先验知识对图像进行K均值聚类,提取和量化热斑缺陷。研究结果表明,该方法能够快速地检测定位热斑位置并统计出光伏板损坏程度,具有较高的精度以及较好的灵敏性和稳定性。

驾驶员避撞转向行为的改进K-means聚类与识别

本文中根据不同工况驾驶员转向行为数据,提出了基于驾驶员避撞转向行为特征的聚类算法。首先搭建驾驶模拟器,采集了定半径转向、常规换道和紧急避撞转向工况下的驾驶行为数据,通过对比正常行驶和紧急避障工况下驾驶员转向行为数据,定性分析了紧急避撞转向特点。之后,利用皮尔逊相关系数法分析了描述驾驶员转向行为的观测变量与紧急避撞转向行为的相关性,得出转向盘转速与转向工况的相关性最高。接着,以转向盘转速作为聚类特征参数,利用改进K均值(K-means++)聚类方法对转向行为数据进行了聚类,将转向行为划分为正常转向和紧急避撞转向,实现了紧急避撞转向工况的识别。最后,通过实车试验验证了所提出的紧急避撞转向行为K-means++聚类方法可有效识别驾驶员紧急避撞转向行为,聚类精度达96.7%。

基于PCA和改进K均值算法的动作电位分类

微电极阵列记录的神经元信号往往是电极临近区域数个神经元的动作电位信号以及大量背景噪声的混叠,研究神经系统的信息处理机制以及神经编码、解码机理需了解相关每个神经元的动作电位,因此需从记录信号中分离出每个神经元的动作电位。基于此,提出基于主元分析(PCA)和改进K均值相结合的动作电位分类方法。该方法采用PCA提取动作电位特征,使用改进K均值算法实现动作电位分类。实验结果表明,该方法降低了动作电位的特征维数以及K均值算法对初始分类重心的依赖,提高动作电位分类结果的正确率及稳定性。尤其是在处理低信噪比信号时,分类正确率仍能达到理想水平。

基于改进k值能量算子改进Chirp-Z变换的闪变包络参数提取

能量算子快速和实时提取闪变波动信号优势突出,但易受噪声影响,制约了信号解调精度。该文深入研究能量算子的解调特性,为减小由噪声干扰引起的测量误差,建立基于改进k值能量算子的闪变包络信号的快速、准确提取方法,再将包络参数进行Rife-Vincent窗改进Chirp-Z变换谱分析与校正,提出并建立基于改进k值能量算子改进Chirp-Z变换的闪变包络参数提取算法。仿真与实验结果表明,所提算法能有效克服单一调制频率变化、多调制频率闪变信号、电网基波频率变动、谐波和间谐波以及白噪声对检测结果的影响,该方法对于噪声干扰下的闪变参数检测有更高的准确度。

一种学习稀疏BN最优结构的改进K均值分块学习算法

目前贝叶斯网络(Bayesian networks,BN)的传统结构学习算法在处理高维数据时呈现出计算负担过大、在合理时间内难以得到期望精度结果的问题.为了在高维数据下学习稀疏BN的最优结构,本文提出了一种学习稀疏BN最优结构的改进K均值分块学习算法.该算法采用分而治之的策略,首先采用互信息作为节点间距离度量,利用融合互信息的改进K均值算法对网络分块;其次,使用MMPC(Max-min parent and children)算法得到整个网络的架构,根据架构找到块间所有边的可能连接方向,从而找到所有可能的图结构;之后,对所有图结构依次进行结构学习;最终利用评分找到最优BN.实验证明,相比现有分块结构学习算法,本文提出的算法不仅习得了网络的精确结构,且学习速度有一定提高;相比非分块经典结构学习算法,本文提出的算法在保证精度基础上,学习速度大幅提高,解决了非分块经典结构学习算法无法在合理时间内处理高维数据的难题.

基于改进K-means的网络舆情热点事件发现技术

基于网络舆情监控的需要,设计一个网络舆情热点事件自动发现模型,包括舆情信息采集、中文分词、特征选择、文本分词和聚类分析。对K-means算法进行改进,减少算法对孤立点的敏感性和降低算法的时间和空间复杂度。利用F1值对改进的K-means算法和传统K-means算法进行性能比较,证明了该模型的可行性与有效性。

改进K近邻算法在风功率预测及风水协同运行中的应用

风电输出功率的不确定性和不可控性成为了制约风电发展的根本问题。研究风功率预测技术,为电网运行提供准确的风电输出功率预测数据和信息,是解决风力发电发展的根本途径。提出基于改进K最邻近算法的风功率预测模型,并将模型应用到了风水协同运行中,在风水协同运行计划的基础上增加了数据实时修正。通过Python语言实现仿真,通过实际仿真结果表明该方法具有较好的预测精度,提高了协同运行系统的精度和准确性。验证了该方法的有效性。

基于改进K均值算法的移动图书馆用户评论需求聚类研究

对移动图书馆用户评论的自动聚类研究有助于更准确高效地获取用户需求。本文结合移动图书馆评论特征,在传统K均值算法的基础上,使用HT-LaD算法对初始聚类中心进行算法改进,并使用移动图书馆的用户评论数据进行实证。结果表明,利用改进后K均值算法完成移动图书馆用户评论文本的需求聚类是可行的,且聚类精度和稳定性得到提高。

海杂波实测数据的改进K分布模型分析

鉴于目前最常用的K分布模型对各种海态下特别是低海态海杂波的统计特性拟合程度不高,提出了改进K分布模型.通过运用实测海杂波数据分析验证表明,改进K分布模型对于不同海态下海杂波模拟吻合程度更高,在对海杂波的统计特性分析和目标检测中具有一定优势.

基于改进K近邻算法的海量不完整数据近似查询系统

由于现行海量不完整数据近似查询系统存在概率查询能力较差、查询时间过长、查询误差过大等问题,基于改进K近邻算法设计了一种新的海量不完整数据近似查询系统,并对系统的硬件和软件进行设计。通过信息源端、切换整合平台、查询端构建整体架构,选用4路模拟量差分输入、8632C004的P1同两片TKB730的输入/输出连接、SJW000电路、82B250电路、CAN总线连接电路构成系统硬件结构。由数据采集、数据查询、数据判断实现软件查询,同时设定嵌入式仿真软件、用户审计控制软件完成信息查询。实验结果表明,基于改进K近邻算法的海量不完整数据近似查询系统能够有效提高概率查询能力,缩短查询时间,降低查询误差。

改进K均值聚类法在变压器故障诊断中的应用

将改进K均值聚类法在模式辨别和分类方面的优势应用到变压器故障诊断中。对K均值聚类法的不足进行分析,采用改进K均值聚类法和油溶气体分析技术中改良三比值法相结合的方法对变压器的多种常见故障进行诊断,并将诊断结果同K均值聚类法进行对比分析,应用MATLAB对两者的结果进行仿真。结果表明,改进K均值聚类法不仅能正确、有效地进行变压器故障判断,而且优化了K均值聚类法在初始聚类中心选择方法上的不足,使诊断结果更趋于准确真实。

基于改进K均值聚类算法的汽车行驶工况构建

汽车行驶工况是描述汽车速度-时间曲线,中国一直采用欧洲工况作为标准,但研究表明,中国的实际道路和欧洲差异很大,甚至每个城市都各不相同,所以中国急需构建属于自己的汽车行驶工况,研究汽车行驶工况具有重要意义。首先建立有效的数学模型,使用T4253H滤波算法进行数据预处理,筛选和消除异常存在的数据;其次采用主成分分析法对原始数据进行降维,来确定主成分的个数,进一步增加了选择的特征参数的代表性;最后结合改进K均值聚类算法对降维后的特征参数进行聚类分析,选择适用的运动学片段,进行汽车行驶工况信息的构建。经过与实测数据进行对比分析,研究结果表明:构建的工况数据与实测数据的误差均小于7.4%,更能真实反映实际车辆行驶的运行状况。

基于改进k~*-means算法的不完整公交到站时间填充

为了有效填充不完整的公交到站时间信息,提出了一种基于改进k~*-means算法的不完整到站时间的填充方法.根据到站流动人数、到站所属时段、站点间距离、站点间运行时间特征加权度量站点间相似性,对现有kmeans算法进行改进以构建公交站点间运行时间完备信息表.以北京市地面公交运行数据为例,验证了该方法的可靠性,并与线性拟合、最近邻插值、k-means算法等填充方法进行了对比试验.结果表明:该方法对不完整到站时间的填充率高于97%,且对已知到站时间平均填充误差不高于100 s.

改进K-medoids算法对小麦籽粒挤压数值的分析应用

通过应用传统PAM算法、快速K-medoids算法及自行设计提出的基于领域的改进K-medoids算法与对西旱2号小麦籽粒挤压破碎负载进行聚类分析比较,实验结果表明:基于领域的改进K-medoids算法的聚类时间与快速K-medoids算法基本持平,并明显优于PAM算法,在小麦籽粒挤压破碎负载的分析时间上分别减少了0.005s和0.331s,较后两种算法的聚类误差平方和小、聚类准确率高(90%以上),该算法能够为小麦籽粒面粉加工数据整理提供参考。

基于改进K均值特征点聚类算法的作物行检测

精准施药是现代精准农业发展不可或缺的一部分,而准确地提取作物行是进行精准施药的关键环节。为此,以苗期的玉米为研究对象,提出一种基于改进K均值特征点聚类算法的作物行检测方法。该方法根据距离函数最值关系求出最佳聚类数目,再依据点密度大小和邻域半径确定初始聚类中心,减少了迭代次数,提高了算法的执行效率和划分效果。首先,采用改进的超绿法(1.27G-R-B)进行灰度化和Otsu方法进行二值化,得到作物行的二值图像;然后,利用左右边缘中间线算法提取作物行特征点;最后,采用改进K均值算法和最小二乘法对作物行中心线特征点进行聚类和直线拟合。试验数据表明:提出的改进K均值特征点聚类算法识别效果好,精确度高,可为精准施药提供理论依据。

基于故障敏感分量和改进K近邻分类器的故障状态识别

针对故障状态下的滚动轴承振动信号非线性非平稳性强、噪声干扰大导致的故障敏感特征提取难的问题,在对轴承振动信号进行局域均值分解(local mean decomposition,LMD)的基础上,提出了一种基于故障敏感分量的特征提取与改进K近邻分类器(K-nearest neighbor classifier,KNNC)的故障状态辨识方法。该方法采用相关系数法对LMD分解出的振动分量进行故障敏感性的量化表征,然后对筛选出的信号分量进行时域/频域的特征提取,构建不同故障状态下的特征样本集。为加快故障状态识别速度,排除不良样本的影响,提出一种基于二分K均值聚类的改进KNNC算法,精简了大容量的训练样本,有效去除不良特征样本和干扰点。实验结果表明,以敏感分量特征作为输入的改进KNNC算法能够快速准确地识别轴承不同故障状态。

一种基于改进K均值聚类的输电线路覆冰状态侦测方法

输电线路覆冰是影响电网在寒冷季节正常运行的一大隐患。因此,必须对输电线路覆冰状态进行侦测,以确保及时发现覆冰现象并采取应对措施。本文提出一种基于改进K均值聚类的输电线路覆冰状态侦测方法。首先,获取输电线路图像,并进行预处理;之后,依次使用直线段检测(LSD)算法、改进K均值聚类、最小二乘拟合确定导线位置;最后,计算导线宽度,并根据覆冰前后宽度变化评估其覆冰状态。综合分析现场与实验环境的实验结果,所提方法能够快速、可靠地辨识导线覆冰状态,且具备较高精度。

基于改进K中值聚类的苹果病害叶片分割方法

针对复杂背景下的苹果病害叶片分割问题,提出一种基于改进的K均值聚类的苹果病害叶片病斑分割方法。首先将原始叶片图像由RGB(R为红,G为绿,B为蓝)颜色空间转换到Lab(L为亮度,a为从洋红色至绿色的范围,b为从黄色至蓝色的范围)颜色空间,然后在Lab颜色空间中利用ab二维数据空间的颜色差异,以欧式距离度量像素间的相似度,使用K均值对图像进行聚类,利用数学形态学中的开闭交替滤波方法对聚类后的灰度图像进行校正,最后得到图像病斑。对3种常见苹果病害叶片图像进行分割,并与其他分割方法进行比较。结果表明,该方法效果好,其误分率为8.41%。

基于改进K最短路算法的公交线网优化研究

文章研究了公交场站选址和线网设计组合优化问题,建立以站间直达为关键约束的线网优化模型并给出求解算法。在所构建的公交网络中,利用改进的 K最短路算法和相应的路径筛选条件获得从节点出发的K最短路径树,找出符合条件的单个K最短路径树作为初始解;通过不同节点的K最短路径树的叠加、删除、替代的优化过程,获得最优的K最短路径树组合,得到最优的公交线路集、场站位置。算例结果表明:公交网络规模越大,所需场站越多;K值越大,所需场站越少;不同场站可相互配合进行布局,实现公交线网性能的提升。