基于核的自适应K-Medoid聚类

针对K-Medoid算法不能有效聚类大数据集和高维数据的弱点,将核学习方法引入到K-Medoid算法,提出了基于核的自适应K-Medoid算法。该算法利用核函数将输入空间样本映射到一个高维的特征空间,在这个核空间中进行K-Medoid聚类,在聚类过程中,数据可以自适应地加入到最适合它的簇当中,并且聚类结果与初始k个中心点的选取无关,该算法可以完成对大数据集和高维数据的聚类。实验结果表明,与K-Medoid算法相比,该算法具有较高的聚类准确率。

基于FAHP和K-Means聚类的边坡稳定性模型

为了解决实际工程中边坡安全系数不能准确描述边坡状态的问题,基于定性分析和定量分析相结合的思想,运用FAHP法和K-Means聚类算法,通过对滑坡样本的关键因素进行评价和聚类得到各因素的聚类中心,再通过构建联系数向量的方法,建立基于FAHP和K-Means聚类的边坡稳定性模型。根据边坡中的关键性因素运用基于FAHP和K-Means聚类的边坡稳定性模型完成对未知边坡样本进行预测。将该模型应用于新建南昌到赣州铁路客运专线项目,结果与实际情况相符合,避免了实际工程中单纯考虑边坡安全系数来确定边坡状态的局限性。通过构建基于FAHP和K-Means聚类的边坡稳定性模型,揭示了高度、边坡角、孔隙水压力比等因素与边坡稳定性的非线性关系,此模型可以为边坡的设计、施工、监测提供参考。

火电机组耗差分析及信息平台设计实现

能源日益减少对火电厂节能降耗提出更高的要求,降低机组煤耗是减少电厂运行成本的关键问题。依据机组不同运行方式及参数各自特点,提出采用机组设计值、K-means聚类算法优化运行试验值及变工况计算这三种目标值确定方法。采用锅炉热偏差计算模型与循环函数法对某600 MW火电机组进行耗差分析计算,最终设计实现耗差分析信息平台,为电厂节能降耗给予有效指导。

K-means算法在玉米良种选育中的应用

为降低k值选取对聚类效果的影响,用改进的聚类有效性函数来选取k值。综合考虑了类内相似性、类间差异性,通过UCI数据库中的几个数据集和k-means算法来验证其正确性,并应用于玉米良种选育。为确保得到的玉米良种集中不混有劣种,对聚类得到的玉米良种集进行主成分分析和熵值法的综合评价。实验结果表明,采用该函数在玉米良种集中得到了优良的玉米种子,验证了其正确性。

Monte-Carlo方法和K-means聚类法对手功能康复治疗仪参数的控制

手部疾病的发生率在逐年增多,手部功能障碍最常发生的部位是第二至第五指掌指关节出现僵直.设计了手功能康复治疗仪用于被动锻炼掌指关节的活动度,该仪器由关节活动次数等参数控制利用Monte-Carlo方法设计手康复治疗仪的参数,并采用K-means聚类算法对患者特征进行聚类以收集参数,并按照聚类分析后的结果赋值于新患者的起始参数.

基于3种分析方法的板栗果实营养品质综合评价

通过对燕山地区12个板栗品种(系)的7个品质指标进行测定,对各营养指标进行差异显著性分析,并应用隶属函数法、主成分分析法、K-均值聚类法对果实品质进行综合评价,最后比较不同分析方法对综合评价的影响,以期为选育优良板栗品种提供参考。结果表明:12个板栗品种(系)的果实单粒质量、单粒质量标准差、可溶性糖含量、淀粉含量、脂肪含量、蛋白质含量、含水量差异显著,其中,淀粉含量和脂肪含量存在极显著正相关,可溶性糖含量和含水量存在显著负相关。通过建立各指标的线性隶属函数,根据最低隶属原则进行品质排序,前5名分别为迁西42号、抚宁12号、燕宝、燕龙、兴隆1号。采用SPSS进行主成分分析,根据整体评价指标可分别提取3个主成分,累计方差贡献率为84.647%,根据3个主成分得分及相应权重累加综合计算得分,确定前5名分别为燕宝、兴隆1号、青龙47号、迁西42号、抚宁12号。通过K-均值聚类法,根据果实品质指标对12个板栗品种(系)进行聚类,确定优质板栗品种(系)为燕龙、抚宁8号、燕京8号、燕宝、青龙47号、兴隆1号、迁西42号。3种分析方法对不同板栗品种(系)的算法和评价侧重点有所不同,在3种评价方法中综合品质均优质的有燕宝、兴隆1号和迁西42号3个品种(系)。在实际生产中,使用多种方法进行板栗坚果品质的综合评价可以获得更加准确的结论。

中国各省区竞技体育效率评估的模式研究

竞技体育效率研究可用于评估一个国家或地区向体育运动的投资效率,寻找竞技体育效率发展的影响因素,为进一步提高当地的体育水平提供思路。采用包络分析方法和基于面板数据的K-中心函数聚类方法分析中国31个省、市、区在1994-2013年期间的经济、人口和全运会奖牌情况,发现区域竞技体育效率发展趋势明显存在较大差异;结合各省区的实际情况,具体地将31个省(市)具体分为经济主导型高效率组、人口主导型高效率组、经济优势型低效率组、人口优势型低效率组、双优势型低效率组五种竞技体育效率发展模式;研究讨论了每种模式下竞技体育效率上升或下降的原因,为将来提升各省、市、区的竞技体育效率提供建议。

基于聚类的我国各地区水资源利用效率分析

根据我国水资源利用现状和变化趋势,采用BC^2数据包络分析法,对2003~2015年全国31个省市自治区的水资源利用效率进行了综合评价分析;同时,还利用K-均值聚类法,对各地区水资源利用的纯技术效率指数和规模效率指数进行了Q型聚类,把31个省市自治区划分为3种类型,阐述了导致各地区用水效率差异的原因。根据分析结果,对全国及各地区水资源合理开发和利用提出了相应的对策与建议,可为各地区社会经济发展策略、规划的制定提供参考。

SAINT快速抗抑郁和缓解自杀意念的动态功能连接研究

目的结合滑动窗口法分析斯坦福加速智能神经调控疗法(SAINT)治疗重度抑郁症(MDD)患者大脑网络的动态功能连接(DFC)特征。方法本文结合DFCN滑动窗口法和K均值聚类动态方法,研究SAINT快速抗抑郁和缓解自杀意念的神经环路的DFC变化,通过神经影像数据与临床特征,贝克自杀意念量表中文版、汉密尔顿抑郁评定量表(HAMD-17)的相关性分析,探索其动态网络的连接变化。结果聚类结果显示为正强度低频率的状态Ⅰ,负强度高频率的状态Ⅱ,DFC指标状态转换次数和分数窗口在治疗前后有显著差异,平均停留时间状态Ⅰ和状态Ⅱ与HAMD-17呈负相关,分析发现,抑郁症状与高频稀疏的网络有密切关系。下额回(IFG)、岛屿回(INS)、扣带回(CG)、基底神经节(BG)、枕外侧皮质(LOcC)等节点功能连接强度和变异性发生改变。结论SAINT治疗后的MDD患者IFG、INS、CG、BG、LOcC回路DFC存在异常,可能为探索SAINT的潜在机制提供新启示。

基于新径向基函数网络的变压器故障诊断法

油中溶解气体分析(DGA)是判别变压器内部绝缘状况及发现内部潜伏性故障的重要手段,而多层前馈网络(MLFNN)是应用广泛的故障诊断模型。为此,提出了以DGA数据为特征参数的新型径向基函数神经网络(RBFNN)诊断变压器故障。在分析传统k-均值聚类算法RBFNN的缺点和最优聚类特性的基础上,介绍了RBFNN的新算法-自适应k-均值聚类算法,它既能避免传统k-均值聚类算法的局部收敛的缺点,又能动态调整学习率。最后,大量聚类实验结果显示自适应k-均值聚类算法在收敛速度和聚类性能上比传统k-均值聚类算法显著提高;故障诊断实验结果显示所提出的模型故障诊断准确度高于传统BPNN、RBFNN及IEC三比值法。

一种新的聚类初始化方法

K-means聚类算法会收敛到求解问题的多个局部最优解中的一个,而且它对初始条件十分敏感。给出了一种基于数据集的多个子集和山函数的初始条件方法,它可以较稳定地收敛到一个更好的局部最优解。此初始方法同时适用于原空间和核空间的K-means算法,相对作用于完整数据集的山函数方法,该方法的时间复杂度和空间复杂度都只有它的p2(p是采样率,p<1)。

基于频响函数的动车组构架传感器优化布置

为了实现传感器布置的位置和数量双重优化,提出了一种基于频率响应函数的传感器优化布置方法.首先,对结构进行模态分析并提取模态振型,计算结构的频率响应函数;然后,基于独立分量分析和K-均值聚类法优化传感器布置位置;最后,计算不同传感器数量对应的布置结果的Fisher信息矩阵及其熵,信息熵的极小值对应的传感器数量即为传感器布置最优的数量. CRH3型动车组构架传感器优化布置结果表明,传感器均布置在符合国际铁路联盟标准UIC615-4规定的所有工况下构架产生最大应力位置附近,并且布置结果可以使数量有限的传感器获得的信息量最大化.

一种RBF网络结构优化方法

通过对ＲＢＦ网络结构的分析，结合奇异值分解方法，提出了一种ＲＢＦ网络结构优化的标准，并在此基础上实现ＲＢＦ网络结构的优化。

具有动态拓扑结构的聚类粒子群算法研究

从增加种群多样性和信息交流能力出发,结合K-means聚类算法和Ring型拓扑结构的特点,提出了一种动态拓扑结构的改进算法(KPSO)。在粒子信息交流中,提出两种位置和速度更新方式,并通过Bench-mark函数优化问题测试,比较了KPSO算法与经典PSO的各种性能。对KPSO的重要参数聚类数K、种群规模N的选择进行了组合实验测试。结果表明,改进后的KPSO求解复杂优化问题性能良好,在搜索精度和速度上优势明显,对于不同的种群规模选择不同的聚类数对算法有重要影响。

空间点格局分析和社会研究

空间因素长期以来在社会学研究中被忽视。造成这种现象的原因很多,一个可能的原因在于缺少适合于研究空间影响的研究方法。幸运的是,由于许多统计学家卓越的工作,在环境流行病学的研究中,空间点格局分析的方法日渐成熟起来。因为诸多社会学研究对象在一个较大的尺度上存在空间性的特点,所以我们认为可以借用这些分析方法来研究社会问题。本文向社会学界介绍几种空间点格局分析中的经典方法。

基于核的自适应聚类及其在入侵检测中的应用

针对k-medoid算法不能有效聚类大数据集和高维数据的弱点,将核学习方法引入到k-medoid算法,提出了基于核的自适应k-medoid算法,使其能够对大数据集和高维数据进行聚类。用KDD99标准数据集进行实验研究,结果表明该算法性能是优良的,并且能获得令人满意的检测效果。

基于改进YOLOv3模型的车辆前方路面坑洼检测

首先,对道路坑洼图片进行预处理以获得坑洼数据集Pothole-set;其次,将YOLOv3的激活函数修改为Mish激活函数,以提高模型准确性和泛化能力;接着,将YOLOv3的3个输出尺度进行融合以减小复杂度;然后,使用K-Means方法对坑洼数据集边界框尺寸进行聚类,同时,对坑洼数据集进行网格划分,获得最终的输出特征图;最后,将余弦退火、Mixup、标签平滑技术应用于训练过程中以提高检测精度,获得最终的坑洼检测模型YOLOv3-Pt。实验结果表明:相比于YOLOv3,YOLOv3-Pt在复杂环境下对坑洼的检测精度提升了13.99%,能够满足坑洼检测精度的需要。

基于山方法的分类型数据核聚类

为了提高分类型数据集聚类的准确性和对广泛数据集聚类的适应性,引入3种核函数,再利用基于山方法的核K-means作分类型的数据聚类,核函数把分类型数据映射到高维特征空间,从而给缺乏测度的分类型数据引入了数值型数据的测度。改进后用多个公开数据集对这些方法进行了实验评测,结果显示这些方法对分类型数据的聚类是有效的。

基于蛋白质相互作用网络图的聚类方法

依据人类AD(Alzheimer's Disease)相关蛋白质相互作用网络图,利用基于算术平均最小值——AAMV(Arithmetic Average Minimum Value)的K-means聚类方法对蛋白质进行聚类并预测4个孤立蛋白质的功能。分析结果表明:所得结果与用Maryland Bridge法及Korbel法所得结果非常相似。

基于质量机能展开(QFD)的供电服务质量管理研究

供电企业提高竞争力的有效途径是良好的供电服务质量管理。从将电力顾客需求有效转化为供电企业服务设施/技术要求的思路出发,运用质量机能展开方法对供电企业服务质量管理进行研究,设计了供电企业服务质量QFD模型,并运用K-means算法进行聚类分析,给出供电企业服务管理方法。