K-S 函数与模函数法的统一

提出了极小极大（ｍｉｎｉｍａｘ）问题统一解法的变换求和反演表达．论证了Ｋ－Ｓ函数法、广义指数罚函数法和模优化法都可以统一在这一表达之中，并且提出了一种新函数Ｓ－Ｙ函数．数值结果表明Ｋ－Ｓ函数法、模优化法和Ｓ－Ｙ函数法具有相同的数值规律，其统一解法是合理的．

基于K-S检验法的雪荷载统计分析

近年来由于强风暴雪等极端天气频繁发生,致使许多结构尤其是轻钢结构在这种极端气候下发生破坏,究其破坏原因是多方面的,比如设计因素、施工质量等,荷载取值的不足也是其中之一.由于气候的变化,现行荷载规范的雪荷载取值是否可能被低估是当前工程界普遍关心的问题.为验证这种假设的真实性,以中国辽宁省2007年发生的一场56年罕见的暴雪为背景,对辽宁省内8个主要城市近50年雪荷载实测值进行统计分析,利用K-S检验法对辽宁地区雪荷载的概率分布函数进行假设检验,根据极值Ⅰ型分布分析这8个城市的代表值.将计算结果与GB 50009—2001《建筑结构荷载规范》比较,结果表明荷载规范取值在一些城市偏低.

一级反应动力学数据的K-S处理法

用物理方法跟踪化学反应速率时,一般是测定某一个与组分浓度有单—函数关系的物理量,如旋光度、电导率、折光率、吸光度等。如在反应开始时刻(t=0)、t时刻及反应完毕时刻(t=∞)分别测得某物理量的值分别为Ⅰ_0、Ⅰ_t及Ⅰ_∞,则对一级反应有:

基于K-均值聚类法和EOF分析的贵港市台风暴雨特征分析

利用实况观测资料、中国气象局台风最佳路径数据集,采用K-均值聚类法,结合经验正交函数(EOF)分析方法,分析研究2010—2023年间影响贵港市的65个台风造成的暴雨特征。结果表明:(1)有39个台风造成暴雨,每年平均有2.8次台风暴雨,7、8月是台风暴雨的集中期,港南区南部、覃塘区中西部及桂平北部山区台风暴雨多且高发。(2)根据K-均值聚类分析,将65个台风分为A、B、C类。A、B类台风源地为西北太平洋,C类台风多来自南海。A、B类台风以西北行为主,C类台风路径复杂且在北部湾活跃。B类台风强度最强,C类台风强度最弱。(3)根据贵港市三类台风暴雨第一特征向量空间分布情况分析,A、B类台风暴雨年降雨量表现为全市普遍偏多或者普遍偏少分布型式,C类台风暴雨的年降雨量变化趋势主要为桂平东北部、南部和平南西北部偏多,其余地区偏少,或者桂平东北部、南部和平南西北部偏少,其余地区偏多。

基于RS、GIS及k-近邻法的森林蓄积量估测

为了解决利用空间技术(RS、GIS)以及数量化方法进行森林蓄积估测预报精度较低或是应用范围有限等问题,提出了一种新的森林蓄积估测方法以提高估测精度,即基于遥感(RS)及地理信息系统(GIS)技术提取光谱信息及地形信息作为估测的自变量,利用k-近邻法进行估测。通过在白河林业局调查取样,进行实例分析,方法精度达到90%以上。最后对于使用该方法应该注意的条件及问题进行了说明。

基于振动采用k-近邻法的机器人地形分类

由于地形分类对于提高移动机器人的自治移动性能十分重要,尤其在行星表面探测时尤为突出。在四轮移动机器人左前轮轮臂上安装x,y,z向加速度计和z向传声器,使之在沙、碎石、草、土、沥青地面上分别以6种速度行驶,通过提取车轮与地面相互作用的振动信号来进行地形分类。该方法避免了视觉分类方法受光照变化影响大、易被地形表面的遮盖物蒙蔽的缺陷。对原始信号进行时域幅值分析,采用k-近邻法及投票决策法实现分类,并提出了票数相同情形下的新算法。实验验证了该算法的有效性。

基于灰色关联度k-近邻法的房性心律失常识别

目的研究用灰色理论的灰色关联度结合k-近邻法快速准确地识别窦性、房扑和房颤信号。方法将心电信号分成训练集和测试集,首先用多尺度小波将心电信号变换到时频域,然后提取小波系数矩阵的奇异值作为信号的特征向量,将所有训练样本的特征向量作为标准模板,求出测试样本特征向量与标准模板之间的灰关联系数,最后结合k-近邻法对测试样本做出判断。分别用MIT-BIH心律失常数据库和犬心外膜信号数据库来评价提出的基于灰关联度的k-近邻法识别心律失常信号的特异性、敏感性和准确率。结果实验结果表明:和常规灰关联度法、常规k-近邻法、BP神经网络相比,本方法对窦性、房扑和房颤信号有较好的识别性能,且具有识别速度快的优点。结论本方法不需要大量的训练样本,计算简单,能较准确快速地识别窦性、房扑和房颤信号,有望应用于治疗心律失常的可植入装置。

基于加权K-近邻法和SVC的雷达辐射源信号识别

为提高支持向量聚类法对分布复杂、不均匀雷达辐射源信号样本聚类的正确率,提出一种结合剪辑近邻法、K-近邻法和支持向量聚类的无监督分类新方法。先采用支持向量聚类对所有未知样本作预分类,再按照一定的剪辑规则剪掉错误类别,最后利用K-近邻法对剪掉的样本按各已知类别不同分布进行加权分类。IRIS数据和辐射源信号聚类实验结果表明,此方法能平衡数据样本各局部分布,获得全局最优聚类分配。

基于k-中心点法的改进粒子群算法在旅行商问题中的应用

为将面向连续优化的粒子群优化算法应用于旅行商问题的求解,提出了旅行商问题的权重编码方案。该方案将属于组合优化的旅行商问题转化为连续优化问题,同时保留了粒子群算法的易操作性和高效性。针对粒子群算法易陷入局部最优的问题,提出了适合旅行商问题的基于k-中心点法的改进措施。该措施利用简单匹配系数构建粒子群的相异度矩阵,在此基础上采用k-中心点法对粒子群进行聚类分析,实现了粒子之间的信息交换,扩大了粒子的搜索空间,避免算法陷入局部最优。最后,用旅行商问题标准库的4个算例验证了权重编码方案和改进粒子群算法的有效性。

增强现实中基于LBS的矩形区域K-匿名位置隐私保护方法

基于位置服务(LBS)和增强现实技术快速发展的同时,促进了基于位置服务的应用范围扩大,同时也带来了用户位置隐私泄露的隐患.因此,如何确保基于位置服务中数据的安全性,成为该项技术推广应用的关键问题.本文借助k-匿名法,提出矩形区域k-匿名法,将k-匿名法的理念引入该方法中,实验结果表明该方法提高了相对匿名度和匿名区域面积,从而有效地保护了用户的位置隐私.

基于K-近邻法及移动agent技术的垃圾邮件检测系统研究

为了解决日益严重的垃圾邮件问题,设计了一个新型的基于K-近邻法及移动agent技术的垃圾邮件检测系统。简单介绍了K-近邻法及移动agent技术,详细阐述了基于K-近邻法及移动agent技术的垃圾邮件检测系统的体系结构、工作流程和关键技术。实验结果表明,与同类系统相比,该系统执行速度提高了,对网络稳定性的要求比较低,能够有效阻止垃圾邮件的传播。

用K-均值聚类法改进地震灾害FAPE分类模型

运用K-均值聚类法改进了FAPE地震灾害分类模型,提出了K-FAPE分类法。该方法充分利用已有成灾地震的自身信息,消除了FAPE模型分类的人为干预因素,理论上改进了FAPE模型,从实际结果来看,该分类结果更加合理,能更好地解释现有地震灾害的分类现象,可为今后地震应急响应研究和实际工作提供参考。

基于GIS的K-近邻法在成矿预测中的应用:以新疆东天山地区铁矿预测为例

K-近邻法(K-Nearest Neighbor,KNN)是一种应用广泛的人工智能方法,可用于线性不可分的多类别样本的识别。该方法的基本原理是在多维空间中找到与未知样本最近邻的k个点,并根据这k个点的类别来判断未知样本的类别。以新疆东天山地区铁矿预测为例,利用GIS采集、分析和管理数据,采用K-近邻法分析成矿有利度并圈定找矿有利地段。从预测结果看,研究区内绝大多数矿床(点)落入到成矿有利度的高值区域,表明该方法预测结果的可信度高,可以有效地用于成矿预测。

基于时间加权K-近邻法的无线传感网系统故障诊断

针对无线传感网(WSN)系统故障的诊断问题,提出一种基于时间加权K-近邻法的无线传感网系统故障诊断方法。该方法按照系统故障机理确立特征值,根据WSN系统故障的时间相关性设计基于时间加权的故障诊断分类规则,并结合K-近邻法建立系统故障诊断模型。实验仿真表明,针对WSN系统故障诊断问题,时间加权K-近邻法具有较好的抗干扰性和适应性,与普通K-近邻法、SVM(支持向量机)相比诊断分类性能明显提升。

K-均值聚类法在机械设备铁谱监测技术中的应用

铁谱分析技术是润滑油液分析技术的主导技术,是机械设备工况监测和故障诊断的主要技术手段之一。铁谱片上磨损颗粒间的区分是磨损颗粒识别和诊断的基础。针对铁谱图像中磨损颗粒形状和颜色分布的复杂性,利用数字图像处理技术,采用K-均值聚类法,对铁谱彩色图像进行了分割处理研究。试验结果表明,K-均值聚类法可以有效地分割彩色铁谱图像,将磨损颗粒提取出来,为铁谱图像的后续处理工作奠定了基础。

基于GF-1 PMS影像和k-NN方法的延庆区森林蓄积量估测

应用高分1号(GF-1)全色和多光谱(PMS)影像和k-最邻近(k-NN)方法进行县域尺度的森林蓄积量估测,探讨GF-1 PMS影像以及k-NN方法估测森林蓄积量的适用性。以北京市延庆区森林资源二类调查数据为基础数据,森林蓄积量为研究对象,基于国产GF-1 PMS影像数据提取植被指数,采用k-NN法构建森林蓄积量估测模型,并引入偏最小二乘回归法予以比较,选出最优估测方法对全区森林蓄积量进行反演。结果显示:偏最小二乘回归法估测的森林蓄积量均方根误差为21.90 m^3·hm^(-2),相对均方根误差为27.5%,偏差为17.23 m^3·hm^(-2)。基于k-NN方法的森林蓄积量估测的均方根误差为12.80 m^3·hm^(-2),相对均方根误差为16.0%,偏差为15.02 m^3·hm^(-2)。与官方公布的全区森林蓄积量进行对比,结果显示:基于k-NN法反演的全区森林蓄积量统计结果(245.98万m^3,估测精度为86.0%)要好于偏最小二乘回归法(266.22万m^3,估测精度为76.6%)。最后生成了全区森林蓄积量空间分布图。

基于K-均值聚簇法的第三方物流供应商的选择

文章构造了第三方物流供应商选择评价指标体系,针对第三方物流供应商现状,采用K-均值聚簇法先对物流供应商进行分类,在最优类中选择最优的供应商作为合作伙伴,使得对第三方物流供应商选择更为科学、合理。

主分量分析法和K-近邻法应用于基因芯片数据分析

应用主分量分析法和K-近邻法对基因芯片（微阵列）数据进行分析。主分量分析法是一种提取海量数据有效特征的有效方法，可以获得与原来基因芯片数据更为接近的成分的提取特征的效果。实验结果表明，用主分量分析法预先对数据处理可以提高基因芯片数据分析的准确性。

基于模糊K-均值聚类法的煤与瓦斯突出危险性评价

鉴于煤与瓦斯突出对煤矿的安全生产的威胁以及其影响因素的复杂性,通过收集突出矿井的相关资料,分析并合理选取对矿井煤与瓦斯突出影响的主要指标,结合基于模糊数学理论的K-均值聚类法对煤与瓦斯突出矿井进行聚类分析,并利用最小二乘法获取合理的分类和聚类中心矩阵,来预测煤与瓦斯是否突出,以供技术人员参考,以便提前预防突发事故.结果表明此模型的评价结果与实际相符,为高瓦斯矿井的煤与瓦斯突出危险性评价提供了一种科学的理论方法.

基于K-近邻法的两种降维方法应用研究

本文主要采用两种降维的方法和k-近邻法(KNN)有监督分类的方法来对基因芯片(微阵列)数据进行分析。PCA,PLS是一种提取海量的数据有效特征的有效方法,可以获得与原来基因芯片数据更为接近的成分的提取特征的效果。比较PCA降维方法和PLS降维方法对KNN统计判别分类的效果。