改进的K-means聚类k值选择算法

空间聚类算法中,聚类的效果在很大程度上受制于最佳k值的选择。典型的K-均值算法中,聚类数k需要事先确定,但在实际情况中k的取值很难确定。针对手肘法在确定k值的过程中存在的"肘点"位置不明确问题,基于指数函数性质、权重调节、偏执项和手肘法基本思想,提出了一种改进的k值选择算法ET-SSE算法。通过多个UCI数据集和K-means聚类算法对该算法进行实验,结果表明,使用该k值选择算法相比于手肘法能更加快速且准确地确定k值。

使用遗传算法实现K-means聚类算法的K值选择

针对无导师聚类K 均值算法中K值的选取问题 ,提出了使用遗传算法 (缩写为GA)优化K值参数的方法。通过对UCI机器学习数据库中 7类数据的实验 ,表明本方法是比较有效的。

基于自适应K值选择的K近邻算法研究

针对室内定位中基于位置指纹的K近邻法采用固态K值无法得到最优定位结果的问题,提出自适应K值选择的K近邻法。算法利用相邻定位点短时间间隔内空间位置变化引起的信号强度变化规律推测运动趋势,并与不同K值的定位结果构建的空间矢量进行匹配,从而自适应地从K近邻法的不同K值中选取最优的K值。同时依据室内AP的几何布局特征划分多个矢量域内,并对定位结果进行区域改正。试验结果表明,该算法能够很好地抑制较大误差的出现,提高定位的实时性、定位精度和稳定性。

基于改进的K-means聚类算法的学生成绩分析

从开放大学教务系统中选取2021年春季学期计算机科学与技术本科期末考试相关成绩作为数据样本,使用改进的K-means聚类算法对开放教育学生成绩进行聚类分析,从而获取学生成绩与年龄之间的潜在关系。研究结果表明,改进的K-means聚类算法可以更好地分析不同年龄段学生的相关学习数据,为教师提供更多的学生学习数据信息。教师可以根据结果采取相应的措施,从而提升学生的学习效果。

管材周向横波检测的条件

管材超声波横波检测中,沿管材外圆做周向扫查的横波检测是检测的主要方式。为使周向检测简洁、准确,必须根据管材结构制定合适的检测工艺;要实现纯横波探伤,必须对管材结构做限定;在可以纯横波探伤时,最重要的就是根据被检管材的结构确定探头K值。通过声路分析,确定了管材纯横波周向检测的条件,同时给出探头K值的选择依据。

课程推荐预测模型优化方案及数据离散化算法

本研究基于k-NN算法建立了课程推荐预测模型.由于原始样本数据的局部不均衡和数据叠交性,预测模型在不进行任何参数调整和数据优化的情况下,模型预测评分并不理想.针对上述问题,本研究设计了一套预测模型参数优化方案和样本数据优化方案,包括最优k值选择算法设计、距离公式优化、数据离散化算法设计.本研究提出的"数据离散化算法"驱使kd树的分类空间排序按照我们期望的特征向量的权重排序,该算法对提升模型预测评分起到了积极作用.上述优化方案和算法设计使课程推荐预测模型的评分从0.67提升到0.85,预测结果的准确度提高了27个百分点,学生对课程推荐的满意度得到显著提升.

蒸发器超声检测工艺分析

简单介绍在制蒸发器超声检测,并对超声检测产生的波形进行分析。

蒸发器超声检测

简单介绍在制蒸发器超声检测,并对超声检测产生的波形进行分析。