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.

改进的全局K′-means算法及其在数据分类中的应用

为了解决初始聚类中心的选择、簇个数的确定以及孤立点的避免等问题,提出了一种改进的全局K′-means算法.改进的算法不仅能够利用辅助聚类函数来计算初始点,而且能够利用目标函数在没有预定义聚类个数的前提下,找到实际的聚类中心个数,同时避免了孤立点问题.将改进的算法应用到实际数据集的分类中,并与改进的全局K-means算法以及K′-means算法进行了比较,实验结果证明所提出的算法能获得更好的聚类结果.

改进的k-means聚类算法在客户细分中的应用研究

聚类分析是数据挖掘的一种重要方法,将它应用在客户细分中,可以识别出不同的客户群,从而针对不同的客户群制定相应的营销政策,使企业效益最大化。针对聚类分析中k-means算法的不足,运用改进的聚类算法对旅游业客户进行细分,从而使企业能够更合理地细分、规划客户群组,针对不同需求的客户群体进行区别对待,得到了较好的效果,验证了改进算法的可行性和高效性。

基于改进粒子群优化的K-means算法在学生状态分析系统中的应用

研究学生状态分析系统,旨在收集学生的综合数据,并对这些数据进行分析给出学生的状态,为老师和学生提供一个交流平台.使用基于改进粒子群优化的K-means算法来分析学生的数据,可以提高K-means聚类算法的全局搜索能力,缓解粒子群优化算法的早熟收敛现象.与基于标准粒子群优化的k-means算法和基于遗传算法的k-means算法的收敛结果相比,本文研究的算法有更好的搜索能力.将系统得到的学生评估结果与人工评价得到的相比,从系统获得的评价更全面、更客观.系统还可以提供视觉信息.最重要的是系统还能帮助老师更好地了解学生,及时引导学生,提高管理学生的效率.

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。

基于划分的数据挖掘K-means聚类算法分析

为提升数据挖掘中聚类分析的效果,在分析数据挖掘、聚类分析、传统K⁃means算法的基础上,提出一种改进的K⁃means算法。首先将整体数据集分为k类,然后设定一个密度参数为ϑ,该密度参数反映数据库中数据所处区域的密度大小,ϑ值与密度大小成正比,通过密度参数优化k个样本数据的聚类中心点选取;依据欧几里得距离公式对未选取的其他数据到各个聚类中心之间的距离进行计算,同时以此距离为判别标准,对各个数据进行种类划分,从而得到初始的聚类分布;初始聚类分布得到之后,对每一个分布簇进行再一次的中心点计算,并判断与之前所取中心点是否相同,直到其聚类收敛达到最优效果。最后通过葡萄酒数据集对改进算法进行验证分析,改进算法比传统K⁃means算法的聚类效果更优,能够更好地在数据挖掘当中进行聚类。

基于改进的K-means法的高分辨率遥感影像道路提取

针对高分辨率遥感影像中道路提取存在的特征利用问题,提出一种基于改进的K-means算法的道路提取方法。首先根据遥感影像的具体场景进行相应的预处理;在此基础上,利用改进的K-means算法融合道路的光谱特征和纹理特征对图像进行分类,得到初始道路区域;然后利用道路的几何特征滤除非道路区域;最后采用数学形态学方法完善道路信息,得到最终结果。实验结果表明,该方法能实现复杂场景中道路提取,并拥有较好的效果。

K-means聚类算法初始中心选择研究

传统K-means聚类算法中聚类初始中心点是随机确定的,实际聚类数据集中可能有孤立点,造成了每次聚类的结果不同,聚类质量不同,有时陷入局部优化状态.针对这些问题,研究者曾试图用距离法解决孤立点的判断和确定初始聚类中心.这种思路存在不科学性.因为孤立点不仅指远离其他点,同时它的周围点稀疏;另外,当数据量过大、数据特征值过多时,算法的运算量大,需要占用大量的计算机资源,运算速度过慢.对传统的K-means聚类算法进行研究,提出了基于密度参数和距离理论的初始聚类中心的确定和孤立点的判断,对传统的K-means聚类算法进行改进.

机载双站聚束SAR改进ωK算法

双站SAR能够获取目标不同方向的雷达散射系数,有助于图像分类和识别。双站聚束SAR分辨率高,目标识别能力更强。针对机载双站聚束SAR长合成孔径时间特点,该文引入改进双曲等效方法,修正了双曲等效距离模型的三次项精度;推导了2维波数域信号表达式,给出波数域图像重建方法;建立了距离-方位波数域的距离空变补偿项,提高了ωK算法的距离空变处理能力。计算机仿真结果验证了机载双站聚束SAR改进ωK算法的精确性和有效性。

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.

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。

一种改进的自适应K近邻聚类算法

为解决传统聚类算法不能处理非球形分布数据的问题,文犤5犦提出了一种自适应k近邻聚类算法。该算法在无需聚类数目的前提下,能有效解决非球形分布数据的聚类问题。但进一步的研究表明,该算法在处理带“奇异”样本的数据集时失去效果。为此,该文给出了一种改进的自适应k近邻聚类算法。仿真结果表明,新算法不仅保持了原算法在处理非球形分布数据时的优良特性,还成功解决了“奇异”样本问题。

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。

基于初始中心点K均值聚类算法的改进方法研究

传统聚类算法随机选取初始中心不能有效处理不规则数据集的边缘数据.该文主要叙述了K均值聚类算法基本思想和流程,详细分析了其算法的优点及存在的问题,提出对现有基于初始中心点K均值聚类算法的改进方法.

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。

改进PSO与K均值聚类肤色分割的人脸检测算法

为了提高在强光照等复杂环境下人脸图像检测的鲁棒性和准确率。提出在YCgCr彩色空间,通过改进的粒子群(Particle Swarm Optimization,PSO)与K均值聚类综合的方法进行肤色分割,提升了聚类方法的全局检索能力;再对分割后的肤色区域进行二值形态学和人脸几何形状特征处理,去除人脸区域以外噪声,得出候选人脸区;最终通过改进AdaBoost算法对候选人脸区域进行检测验证。仿真实验表明,该算法人脸检测正确率高,鲁棒性和适应性好,具有很强的运用价值。

基于改进遗传算法的无向加权图的k点连通扩充

加权图的连通扩充问题已被证明是NP完全问题.作者提出一种改进遗传算法来解决无向加权图的k点连通扩充问题,通过改进遗传算法中的交叉和变异操作有效地改善了群体的效果,有助于搜索解空间中新的区域,能以较大概率搜索到全局最优.仿真结果表明,该算法在原来简单遗传算法上做了进一步改善,为解决加权图的扩充问题提供了新的方法.

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。