改进的给水管网节点K均值空间聚类

利用自适应精英保留遗传算法优选初始聚类中心,信息熵确定属性权重改进K均值空间聚类,应用于给水管网节点聚类.实例验证表明,改进的K均值空间聚类方法在聚类精度、稳定性、耗时、权重计算方面具有明显的优越性:相对于传统的K均值空间聚类,自适应精英保留策略遗传算法和信息熵确定权重的K均值空间聚类得到的类内距离均值和标准差分别由6.92\1.06下降至4.39\0,聚类精度和稳定性均有较大程度提高;普通遗传算法、自适应精英保留策略遗传算法和模拟退火遗传算法优化的K均值空间聚类消耗时间分别为342、123、383s,自适应精英保留策略遗传算法消耗时间最短;管网拓扑图表明,信息熵权重能客观计算属性权重,结果更加合理.

一类基于贝叶斯信息准则的k均值聚类算法

典型k-均值算法中的聚类数k必须是事先给定的确定值,然而,实际应用中k很难被精确地确定。同时该算法对初始聚类中心的依赖性而导致聚类结果可能陷入局部极小,使得该算法对一些实际问题无效。采用基于密度聚类算法(DBSCAN),在筛选局部代表点时结合贝叶斯信息准则(BIC),得到少量精准反映局部数据分布的BIC核心点。然后,以BIC核心点为初始聚类中心,BIC核心点数量为类别数,对全局数据进行k-均值聚类。实验结果表明,优化的k-均值算法是一种有效可行的聚类算法。

基于子空间K均值聚类的概率配准算法

针对现有点集配准算法准确性较差问题,将聚类算法运用到配准过程中,提出一种基于聚类的概率配准算法。该算法首先运用子空间K均值聚类将需要配准的两个点集分别聚类,得到两个聚类中心集合;然后对两个聚类中心集合进行配准,将得到的聚类中心对应关系投影到两个点集的对应关系;最后使用一致性点漂移算法作为配准框架,在投影得到的两个点集的对应关系基础上保持局部拓扑,完成对两个点集的配准。实验结果表明:该算法与当前先进的全局-局部拓扑保持算法相比,在3种不同的三维数据集中准确率分别提高1.67%、4.91%、2.17%,表明该配准算法有效提高了点集配准的准确性。