基于K平均最近邻法的开关柜现场验电安全检测

为避免开关柜出现绝缘缺陷,保证电网设备安全稳定运行,提出基于K平均最近邻法的开关柜现场验电安全检测研究。分析开关柜放电原因,建立针板、悬浮等常见的放电模型;设置电磁波探测装置,通过计算机控制各模块工作,为减少探测过程中脉冲和噪声干扰,引入向量位与标量位探究场强变化情况,采集开关柜现场状态信息;针对采集到的电磁波频谱做数据转换,提取功率的平均值与有效值;采用矩阵简化方式计算样本数据和参考点间最佳距离,确定最优参考点;将验电安全检测问题变换为样本数据分类问题,引入位置差异因子,计算样本与参考点间的欧式距离,完成状态数据分类,达到验电检测目的。实验结果表明,所提方法对样本数据采集具有高度敏感性,能够准确检测出开关柜的实时状态。

一种优化初始中心点的K平均文本聚类算法

文本聚类在信息过滤,网页分类中有着很好的应用。但它面临数据量大,特征维度高的难点。由于K平均算法易于实现,对数据依赖度底,在文本聚类中得到应用。然而,传统K平均以及它的变种会产生有较大波动的聚类结果。因此对K平均算法进行了改进,通过优化聚类初始中心的选择,得到一种适合对文本数据聚类分析的改进算法。大量实验显示,该算法可以生成质量较高而且聚类质量波动性较小的结果。

基于RB-K平均带宽设定的Adaptive Mean shift

M ean sh ift是一个用在图像滤波、图像分割中的迭代过程。对于迭代过程,带宽的设定很重要。固定带宽的M ean sh ift方法对于输入数据适应能力差,而现有可变带宽估计方法有的对于固定带宽的方法改进并不明显,有的时间复杂度较高,因此对现有带宽估计方法做了改进,提出了一种新的带宽估计方法,即采用K平均聚类算法进行带宽估计,并通过实验证实了该方法的有效性。

基于半监督学习的k平均聚类框架

为克服k-means算法难以探测出一些局部分布稀疏不均、聚类区域的形状与大小不规整数据点集的聚类分布结构这个缺点,在半监督学习思想的指导下,针对混合属性空间区域中具有同一分布性质的带有类别标记的小样本数据集和无类别标记的大样本数据集,提出了一种基于半监督学习的k平均聚类框架。仿真实验表明:该框架经常能取得比k-means更好的聚类精度,从而说明这个半监督学习框架具有一定的有效性。

基于K平均算法的自由空间光信号检测方案

为了控制自由空间光通信系统的成本、体积和功耗,便于系统的维护与运行,针对现有的自由空间光通信系统一般采用强度调制/直接解调的方式,提出了一种新型的基于K平均算法的接收机结构,并从执行复杂度、鲁棒性和差错性能等方面与经典算法进行比较分析。结果显示,当数据块长度达到1 000时,所提算法性能可以逼近理想接收机性能。

一种基于K邻域平均法的小波图像恢复算法

小波图像压缩及图像消噪算法近年来得到了广泛的重视和发展,其处理的核心部分就是图像的边缘,各种算法都会产生图像边缘的锯齿状震荡,即Gibbs现象。针对小波图像压缩中的振荡现象,首先应用Kirsch算子检测图像边缘,然后利用区域内像素灰度的相关性及小波系数的相关性,提出一种基于小波变换的K邻域平均法,最后通过仿真及信噪比的比较说明了此算法的有效性和可行性。

Anti-de Sitter空间中具有常k阶平均曲率及两个不同主曲率的完备类空超曲面

刻画了anti-de Sitter空间中具有常k阶平均曲率和两个不同主曲率的完备类空超曲面的黎曼积结构.

平均K值法绘制标准曲线

标准曲线绘制是临床生物化学检验工作中进行物质定量检测的基本要求。绘制标准曲线的方法很多,本文介绍了采用平均K值法绘制标准曲线的方法,并同其它方法比较。提示本方法具有灵敏准确、快速简便的特点。

基于k近邻平均距离的异步航迹关联算法

针对异步不等速率下局部节点航迹关联复杂问题,提出了基于k近邻平均距离的异步航迹直接关联算法。首先,给出不等长航迹序列间的k近邻平均距离计算规则,进而计算得到不等长航迹序列间的灰色关联度,再利用经典分配法进行航迹关联判定。算法无需时间同步,避免估值误差传播积累。仿真数据表明,算法正确关联率高、耗时较短、局部节点采样周期和开机时机不一致等异步因素对算法影响不明显,并且算法不受噪声分布形式和目标数目变化的影响。

基于层次的K-means初始化算法

K-means算法是一种常用的聚类算法,但是聚类中心的初始化是其中的一个难点。笔者提出了一个基于层次思想的初始化方法。一般聚类问题均可看作加权聚类,通过层层抽样减少数据量,然后采用自顶向下的方式,从抽样结束层到原始数据层,每层都进行聚类,其中每层初始聚类中心均通过对上层聚类中心进行换算得到,重复该过程直到原始数据层,可得原始数据层的初始聚类中心。模拟数据和真实数据的实验结果均显示基于层次抽样初始化的K-means算法不仅收敛速度快、聚类质量高,而且对噪声不敏感,其性能明显优于现有的相关算法。

基于聚类降维的改进KNN文本分类

特征向量的高维性以及训练样本分布不均影响文本分类器性能。提出了一种聚类模式下的KNN改进方法。首先使用一种改进的聚类方法对文本特征集进行初步筛选,随后使用一种基于类别的改进KNN分类器进行分类,减少了噪声样本对测试样本类别判定的干扰。试验结果表明本文提出的分类模型在分类效率上得到提高。

m叉平均树的差分隐私位置隐私保护方法

近年来位置感知设备和云计算服务引发了基于位置应用的广泛发展,由此引发了对位置隐私问题的高度关注.差分隐私的位置保护方法应用在连续查询环境时,噪声叠加会导致查询精度下降.针对这个问题本文在Hilbert曲线构建的k-匿名集基础上,提出了基于m叉平均树的差分隐私保护方法,该方法保证隐私保护强度的同时降低连续查询的数据噪声.利用m叉平均树结构拆分匿名集数据以增强数据效用,并通过严密推导得出具有较小误差上界的拉普拉斯隐私预算分配策略.通过实验验证,该方法在较大的范围内有较小的误差,算法运行效率高于同类提高查询精度的差分隐私算法.

一类关于弱对数性凸函数的对称平均

利用弱对数性凸函数定义了一类对称平均 ,建立了其基本不等式。得到了n元正数的第三 k次对称平均仅为该类平均之特例。同时简证了 Fan·ky不等式的一推广形式 ,作为应用 ,推广了

加权幂平均的几个不等式

证明了加权r阶幂平均的几个性质和几个不等式 ,它们是车贝雪夫不等式的加强与推广。

加权幂平均的几个不等式

证明了加权r阶幂平均的几个性质和几个不等式 。

一种基于ACO的RBF神经网络训练方法

针对k平均聚类径向基(Radial Basis Function简称RBF)网络算法的聚类结果易受初始参数选取的影响,并常收敛于局部极小值的问题,提出一种将蚁群优化算法用于径向基神经网络训练过程,优化径向基函数的中心点,建立相应优化模型的算法.实验结果表明,该算法精确度高于k平均聚类径向基神经网络算法,且函数的拟合程度也得到了改善.

一种选取初始聚类中心的方法

对k平均值聚类法中初始聚类中心的选取问题进行了深入研究,给出了一个较好的聚类中心选取算法。该算法也可以用于需要确定初始中心的其它聚类算法。实验结果表明该算法的效果较好。

改进的频域辨识方法及其在直升机建模中的应用

本文提出了一种改进的直升机状态空间模型的频域系统辨识方法.该方法根据飞行扫频数据,得到包含直升机动力学模型耦合特性的非参数频率响应.将模式识别中的K平均理论应用到搜索状态空间模型代价函数的最小值中,根据机理建模结果拟合频率响应得到线性的六自由度直升机状态空间模型中的待辨参数.频率响应的计算中应用了一种复合窗函数方法,该方法综合不同窗口长度的频率响应得到一组优化的结果,显著增加了动力学模型频带和频率响应的精度.比较辨识得到的模型和飞行试验数据响应结果表明,辨识得到的模型较好地反映了该型无人直升机在悬停状态下的动力学特性.

基于主题的分布式信息检索技术研究

介绍了一种基于主题的分布式信息检索方法,并对算法的有效性进行了深入的分析。该文通过文本聚类方法,把文档按照主题的方式来划分,经过实验发现查询答案明显地汇聚在少数的文档集合中。由此表明,基于主题的分布式信息检索方法比传统分布式信息检索方法在检索效果上有了显著的提高。

聚类分析在基因表达数据上的应用研究

文章讨论了自组织映射、K平均值聚类和一种有效性测度Silhouette指数。针对基因微阵列的数据特点,考虑到自组织映射的优缺点,设计并实现了一种基于聚类有效性测度的自组织映射和K平均值聚类相结合的一种聚类模型。将该模型运用于公开的结肠基因表达数据集和白血病数据集,实验结果表明该模型是行之有效的。