基于K-means方法的热力运维辅助系统设计

热力系统的智能化故障预测、诊断与维护对提高热力系统运维水平,提高热力系统能源效率,保障热力系统安全性与可靠性具有重要意义。本文对基于SCADA设备信息使用无监督学习K-means方法,建立热力运维预警模型并最终给出相应的分类的问题进行了研究。最终,实现了基于此理论所构建的预警模型,并在此基础上建立了基于大数据分析的智慧热力运维辅助系统,显著提高了热力企业运营效率。

基于相对距离的改进粗K-means方法

对现有的两种基于绝对距离的粗K-means方法进行了讨论,指出了各自的不足之处。在此基础之上,讨论了用相对距离替代绝对距离的合理性,从而给出了基于相对距离的粗K-means方法。通过对随机数据、Iris数据和文本数据进行聚类效果比较,验证了基于相对距离的粗K-means方法的可行性和有效性。

树干与地面点云分类K-means方法的改进

随着激光雷达的发展,树木点云数据的获取更加简便、准确。为了实现树木点云的树干与地面分类,对K-means方法进行改进,通过计算高度和强度直方图确定k值和初始聚类中心点,用高度距离做聚类分析,实现单株树木原始三维点云数据聚类。结果表明:采用MATLAB对香椿树的31 394个点云数据和油松树的14 260个点云数据,分别进行了直方图处理和不同距离的目标函数做聚类分析的试验,得到树木点云数据的分类结果,并与DBSCAN算法和传统K-means算法结果对比分析,说明改进K-means方法,能够使得树干与地面更好的分离,提高了效率;采用改进的K-means方法对12颗树木点云进行应用分析,验证了方法的普适性,最终分类结果达到了树干与地面分离的标准。

改进k-means的多域光纤通信非线性失真补偿方法

为了解决光纤通信信号在传输过程中受到非线性影响而产生的失真问题,提高光纤通信系统的稳定性,提出了改进k-means的多域光纤通信非线性失真补偿方法。构建多域光纤通信传输模型,在传输端利用波长转换器将输入信号传输到光纤,结合干扰原理线性化脉冲恢复光信号。以信噪比描述光纤通信的色散特性,明确信号交互出现非线性失真变化。通过Dijkstra方法改进k-means方法,解调失真星座,避免聚类陷入局部最优,使全部簇信号尽可能接近原始调制中心,实现失真补偿。实验结果表明:利用所提方法对光纤通信非线性失真进行补偿后,聚类效果较佳,信息误码率可降至10^(-7),有效减少了网络传输消耗,提高光纤通信信号质量。

基于K-means方法的广播电视网络安全框架研究

广播电视网络安全系统是当前广播电视体系的主要研究热点,广播电视网络信息系统防护的核心就是对访问事件的合法性进行检测,该文选择通过访问事件的入侵检测来保护系统的安全。但传统的入侵检测方法不能适应网络的人工智能化发展。基于此,笔者引入机器学习方法,优化网络安全系统的网络入侵检测模型。最后,选择K-means聚类方法用于广播电视网络系统中,与广播电视网络安全系统框架的传统模型结合,提出了一种有效解决广播电视网络安全系统的模型。

基于K-means聚类的相控阵任意形状波束子阵综合方法

传统相控阵由于设计复杂性和成本过高,已经不能满足日益增长的应用需求,子阵划分等技术较好地解决了这个问题。本文提出一种任意形状波束相控阵子阵综合方法,在激励匹配策略下,将子阵综合问题转化为一个子阵布局优化问题,而子阵的复激励可解析地从参考阵列激励计算得到。利用一种无监督聚类K-means方法对子阵布局优化问题进行求解,该方法能同时对子阵的激励幅相进行优化,增加了子阵综合的自由度和灵活性。在任意形状波束子阵综合数值算例中,通过与传统智能优化方法在方向图逼近、激励匹配代价函数、阵列性能参数及计算效率等方面的比较,验证了所提方法的有效性。

K-means聚类方法在中考标准设定中的信度分析

中考的标准设定是划分考生分数等级的统计技术,其质量高低关系到分数报告的可靠性和公平性。从我国东、中、西部地区各随机抽取3000名考生的中考数据,探讨K-means聚类方法在中考标准设定中的信度问题,从经典测量理论、概化理论和项目反应理论三个角度开展分析。结果显示,K-means方法在分数等级为四或五级时分类信度符合测量学标准,而对低分段的考生分类信度高于高分段的考生。总体来看,K-means方法适用于较低分数等级的标准设定中,可为中考标准设定提供分界分数的参考。

基于K-means聚类方法的早期聚落规模等级研究

选择聚落面积、文化层厚度、重要遗物、重要遗迹四大影响聚落规模等级的因子作为参评因子,通过数据预处理、数据归一化操作,利用K-means聚类方法对华夏文明核心区——环嵩山地区在裴李岗、仰韶、龙山、夏商4个时期的聚落规模等级进行划分。结果表明:(1)不同时期一级聚落的面积越来越大,在每个文化时期聚落中所占的比例却是越来越小。(2)各个文化时期的聚落数量有明显的等级分布特点,呈金字塔型层级结构,等级越高数量越少,等级越低数量越多。(3)裴李岗时期聚落等级规模之间的差异不明显。仰韶时期,聚落规模等级开始出现,龙山时期聚落规模等级进一步分化,夏商时期聚落规模等级最终形成。K-means聚类方法是早期聚落规模等级划分的科学有效的定量方法,可为区域文明化进程及聚落分布形态、聚落功能等问题研究提供重要依据。

K-means聚类方法在黑龙江省低山丘陵区坡耕地类型区划分中的应用

[目的]探索K-means聚类方法在黑龙江省坡耕地类型区划分上应用的可行性,为各市(县)坡耕地水土保持规划和治理提供依据。[方法]利用K-means聚类方法对黑龙江省70个低山丘陵区市(县)进行科学区划。[结果]低山区市(县)共21个,丘陵区县市共49个。[结论]所选16个分类指标的显著性均小于0.05,证明分类结果令人满意。

基于改进的K-means聚类方法的多站数据关联异常检测

在传统的水文时序数据研究中,我们通常只关注单个测点的时序数据,这不仅造成数据大量的冗余,还大大增加了工作的繁琐度。本文针对时间序列数据聚类的统计特征和结构特征,基于滑动窗口特征提取算法提出了改进的K-means聚类方法,来探求水文时间序列数据是否在空间上存在某种关联,并在此基础上对多水文站数据进行关联异常检测。

基于K-means聚类方法和Ⅰ Index聚类有效性检验指标的岩体结构面自动分组及应用

岩体结构面产状数据的统计分组是工程地质、水文地质工作中基础但十分重要的环节。常用的倾向、走向玫瑰花图和极点等密度图人为主观因素大,需借助合适的数学手段对结构面产状数据进行客观划分。基于Kmeans聚类方法和Ⅰ Index聚类有效性检验指标,提出了一种岩体结构面自动分组方法,并开发了岩体结构面自动分组程序RDAP。通过与经典文献进行对比,验证了所提分组方法的可靠性。最后,以某工程为例,使用RDAP对实测涌水裂隙资料进行了预处理,初步计算了灌浆钻孔的最佳方位,为工程涌水的防治提供了依据。

水系沉积物化探元素组合的空间分布及其控制因素分析——k-means聚类分析法的应用

科学有效的化探数据处理方法一直是深受重视的研究课题。本文利用k-means聚类法将研究区内的3620个化探样品采用不同的k值(即预设类别数)进行分类,经多方案试验,发现k=4(所有样品分为4类)是较优方案,即各类样品的空间分布与区域地质特征(地层岩石建造和区域构造)较明显表现出分布的一致性。结果表明,利用K-means对水系沉积物地球化学元素进行聚类分析,可以揭示地球化学过程的特征和规律,具有实际意义。

基于μPMU的智能配电网预想故障集组合筛选方法

智能配电网预想故障集筛选是系统安全态势评估的重要基础。为了全面精准感知智能配电网的安全风险,引入具有实时性、同步性、准确性和量测数据全面性的微型同步相量测量单元(μPMU),提出一种基于其高密集采样数据的融合类内与类间距离的加权K-means聚类方法(KICIC)和云理论的预想故障集组合筛选排序方法。首先遍历智能配电网各节点发生各故障类型的场景构建故障数据集;然后采用KICIC算法进行故障数据集聚类分析,进而基于云模型的云数字特征客观量化评估故障类严重度不确定性的危害并输出预想故障集;最后算例结果表明:融合KICIC聚类和云模型的预想故障集组合筛选排序方法从数据挖掘层面实现高风险预想故障集的可靠筛选。

复杂网络社团的谱分检测方法

为有效地检测复杂网络中的社团结构,优化模块密度函数,展示模块密度函数怎样被优化框定到谱分聚类问题,提出一种谱分算法,进一步对该算法进行时间复杂度分析。在一个经典的真实世界网络中检验该算法,并与基于模块密度的直接核方法及基于模块函数的谱分方法做比较。特别地,当网络中社团结构变得模糊时,实验结果显示,该谱分算法在发现复杂网络社团上是有效的。

基于有效数据段选取的多谐波源责任划分方法

针对多谐波源谐波责任划分时存在的可获得测试样本有限的不足,提出一种基于选择有效数据段的多谐波源谐波责任划分方法,在有效数据段内,只有一个谐波源负荷变化而其他谐波源负荷基本保持稳定。采用改进的k-means聚类方法,对要计算谐波贡献的谐波源以外的各谐波源谐波电流进行阶梯式的聚类处理,最终划分成多个有效数据集合。然后利用偏最小二乘法估计各数据集合对应的谐波源谐波责任,并加权求和所有集合的谐波责任作为关注时间段总的谐波责任。该方法克服了传统数据选择法难以获得有效时间段的缺点。为验证方法的有效性,在IEEE 14节点标准配电网络上进行仿真分析,结果表明,所提方法能有效解决数据段选择问题,并且优于传统数据选择方法。

基于聚类分析的四川省职业院校学生的创新创业能力实证研究

本文基于四川产业发展、结合四川省“十四五”规划、四川地区高职高专学生的地域性格特性作为创新精神和实践能力的评价体系的重要参考,建立了四川省高职学生创新创业能力的评价指标体系,分别从创新能力和实践能力两个方面各选取三个准则层指标,并针对每个准则层指标选取三个指标层指标,使用德尔菲法,专家评分法,并运用层次分析法进行赋权,得到综合评价指标体系,以该体系为基础,对四川省内部分高校的高职学生进行分层抽样调查,采用k-means聚类方法,归纳总结了其在创新创业能力上的特征表现。并针对性的对四川省高职学生创新创业能力的提升提出了对策建议。

室内定位系统中指纹库的优化方法

指纹库的好坏直接影响到室内定位的定位精度,而现有的室内定位算法大都是建立在原始指纹库的基础之上的,缺乏对指纹库的优化处理.笔者利用k-means算法优化指纹库的构建过程,通过聚类的思想剔除已采集指纹库中的"噪点",从而为室内定位算法提供较好的数据样本源.实验结果表明,与现有的室内定位系统相比,利用优化后的指纹库进行定位能够明显提高室内定位的精度.

一种基于人工标签数据的行为识别模型迁移方法

针对通用模型对新用户行为识别准确率的问题,给出一种基于人工标签数据的模型迁移方法。对新用户采集少量带标签数据,经过带通滤波、特征提取和归一化预处理,将其加入到通用模型训练集中。对更新后的训练集进行重新训练,以所得模型与通用模型对新用户数据识别准确率的差值作为迁移必要性度量阈值,利用K-均值算法以及由底至顶的决策树子节点属性平均值替代法,对模型进行迁移。实验结果显示,与原通用模型相比,由所给方法迁移学习得到的个性化模型的识别准确率有明显提高。

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LDA主题模型的图像场景识别方法

针对传统潜在狄利克雷分布(latent Dirichlet allocation,LDA)主题模型在进行图像场景识别时存在聚类方法效率低以及不能有效利用图像主要特征的问题,提出改进图像场景识别模型的方法。采用K-Means++聚类算法生成视觉单词,使用加权统计直方图完成图像表示,通过引入特征函数加强重要特征在分类识别中的作用,提出有特征函数的潜在狄利克雷分布(featured latent Dirichlet allocation,FLDA)主题模型。实验结果表明,对比于改进前的模型,该模型可缩短执行时间并提高识别准确率。