基于优化K-means算法的高校成绩聚类分析研究

针对经典K均值算法在聚类中心易受异常值影响,导致聚类结果不稳定的问题,提出基于样本分布密度的优化K-means算法,以提高聚类稳定性和准确性;聚类后通过CH指数和分类区间占比总体两种方法,客观评价3种离散化方法,结果表明,优化的K-means算法避免了区间分类不合理现象,更加准确地反映了成绩样本的分布特点。

基于K-means聚类分析和多元线性回归的相关流量数据处理方法

相关流量计在油井产出剖面测量中得到了成功的应用。但因传感器、调理电路以及流体本身噪声的影响,相关流量计所测量的渡越时间值会出现少量异常数据,使瞬时流速的计算结果与实际值相差很大,进而平均流量计算也出现较大的测量误差。对此提出基于K-means聚类算法对渡越时间样本数据聚类分析,并根据聚类结果建立多元线性回归预测模型,合理预测渡越时间值,以修正渡越时间的异常值。对预测值与实际值进行比较,最终获得准确的相关流量数据。采用多相流装置的实验数据对所建立的方法进行验证,结果表明,该方法可有效消除渡越时间的异常,优化流量测量的数据,对两相流流量测量有一定的实践意义。

基于K-means聚类分析的在线学习行为研究——以开放大学药学专业学习者为例

随着在线教育的迅速普及,如何利用在线课程平台的海量教育数据进行信息挖掘,识别学习者行为特征,从而实现数据驱动的因材施教,是在线教育发展的重要问题。以国家开放大学药学专业学习者为研究对象,采用K-means聚类算法分析学生在国家开放大学学习平台上的学习行为。将学生细分为4个类群,分别为“持续学习者”“消极学习者”“投机学习者”“突击学习者”,其比例分别为0.96%、18.41%、76.96%和3.67%,并探讨在线教育提升学习效果的可行对策,以期为开放教育和在线教育的因材施教提供一定的借鉴和参考。

基于K-means聚类分析处理遥感影像的河湖“四乱”因素识别

2018年水利部部署开展河湖“清四乱”专项行动,为提高河湖乱占、乱采、乱堆、乱建(“四乱”)问题的识别效率,应用K-means聚类分析方法对卫星遥感影像进行检测,分析了2020~2022年上海市26条(总长649 km)河道与淀山湖、元荡湖两个湖泊的“四乱”问题。结果表明:2020~2022年,28个河湖河口线外延6 m范围内有274处变化,其中疑似“四乱”问题82处。相比同期人工巡查,基于K-means聚类分析的遥感影像因素识别技术在识别河湖“四乱”中具有巡查效率高、巡查范围广、巡查成本低等优势。研究成果可以为下阶段河湖治理和保护监管以及信息化建设提供参考。

基于特征分箱和K-Means算法的用户行为分析方法

针对网购用户所产生的购物行为进行分析,首先通过数据处理构建客户关系管理模型(RFM模型),在此模型的基础上采用特征分箱法和K-Means聚类两种方法对用户进行细分,并对2种模型结果进行比较分析,讨论二者的差异性和具体的应用范围和意义.其中,基于特征分箱法的RFM模型将变量转化到相似的尺度上并将变量离散化,使得用户分类标签更加清晰,也可依据各类标签分类出不同类型的用户.K-Means算法通过轮廓系数评估聚类算法质量以至于选取最优K值.本文实验分析结果可为运营商提供更加可靠直观的数据,使得运营商可以根据不同用户的不同行为进行市场细分,进而进行精准营销和服务设置.

基于K-Means聚类分析的长沙市常规公交与轨道交通竞合关系研究

常规公交作为公共交通的主体,对促进城市可持续发展具有重要作用。在轨道交通快速扩张的背景下,常规公交客流量急剧减少,企业亏损严重。在轨道交通发展的新时期下,如何不断提高常规公交竞争力,推动公共交通共同发展是一个重要的社会问题。以长沙市为例,首先对常规公交现状及发展趋势进行了分析,提出常规公交面临出行效率低和线网规划不合理等问题;其次通过K-Means聚类算法探讨了常规公交线路与地铁线路的竞合关系,其中仅地铁1号线、3号线与公交线路关系较为理想,强合作关系公交线路比例在30%以上,地铁4号线、5号线与公交线路合作能力较差,多处于竞争关系和弱合作关系;最后针对长沙市公交线路规划存在的问题提出了调整方法,并结合实际情况提出常规公交未来的发展策略。

基于改进K-means聚类的轨道交通基础设施分布式光伏发电典型场景生成及出力特性分析

受限于自然条件,光伏出力具有很强的随机性。为准确评估轨道交通基础设施分布式光伏发电的光伏出力特性,提出一种基于改进K-means聚类算法的轨道交通基础设施分布式光伏发电典型场景生成方法,并基于此进行光伏出力特性分析。首先,基于分布式光伏发电设施以及气象数据,利用PVsyst软件模拟光伏发电出力数据。然后,针对基本K-means聚类算法聚类参数和初始聚类中心盲目性高的问题,结合聚类有效性指标(Density based index,DBI)和层次聚类对其进行改进并利用改进K-means聚类算法生成光伏典型日出力场景。最后,基于华中地区某地轨道交通基础设施分布式光伏系统对所提方法的有效性和优越性进行验证,并通过定性和定量分析各典型场景的出力特性揭示轨道交通基础设施分布式光伏出力的规律和特点。

基于K-means算法的建筑群震害分析模型缩减方法

基于建筑群模型和弹塑性时程分析的精细化城市震害模拟技术能够为防震减灾及应急救援决策提供必要的依据和参考。为了减小城市建筑群震害模拟的计算量和计算时间,本文提出一种基于聚类算法的建筑群模型缩减方法。该方法采用K-means聚类算法,首先基于建筑结构属性向量对建筑群进行聚类,将相似的建筑结构聚为一组;然后从每组选取一个代表建筑组成建筑群缩减模型,通过减少需要分析的建筑结构数量来减少建筑群震害模拟的计算量。本文对传统的K-means算法进行改进,通过设定组内建筑结构的差异上限自动调整聚类分组数量;提出将具体地震动作用下结构地震损伤指数作为结构属性向量进行聚类,并通过算例对比分别采用两种缩减模型,即基于损伤指数聚类的缩减模型与基于结构力学模型参数聚类的缩减模型,计算结构损伤状态准确程度。对比结果表明:在聚类分组数量相同的情况下,基于损伤指数的分组明显优于基于模型参数的分组,采用模型缩减方法能够在保证足够计算精度前提下显著减少建筑群震害模拟计算量和计算时间。

管制扇区运行稳度K-means聚类与分析

为更好地分析管制扇区运行存在的稳定亚安全状态和不稳定亚安全状态,使用K-means算法划分超容比(ECR)、滞留度和飞行姿态混合比3个管制扇区运行稳度评价指标聚类,确定管制扇区运行稳度最佳等级划分;聚类分析单一指标,获得各等级对应的指标阈值,结合熵权法计算的指标权重,遵循隶属度最大原则,获取各时间段的管制扇区运行稳度等级,构建管制扇区运行稳度综合评价模型;选取厦门01号扇区的实际飞行数据,从稳度和趋度2个角度更加全面地分析管制扇区运行态势。结果表明:管制扇区运行稳度等级划分为3类时效果最好;稳度受空中交通流和管制状况的影响会随时间而变化,尤其7:30—9:15和20:00—21:00这2个时间段管制扇区运行稳度的变化最为明显,需引起管制员高度重视,提高空域运行安全。

基于改进K-means与机器视觉的档案数据分析技术

为了提升医疗信息系统对健康档案数据的分析效率,文中采用图像采集、降噪、配准与差分等技术提取医疗图像信息,进而有效提升信息系统的数据采集效率。同时还对传统的K-means算法加以改进,并提出了一种基于类间、类内距离的聚类初始化评价指标体系(BWP),将其应用于采集到的档案数据中,以实现快速的聚类分析。将所提算法在CUDA计算平台上进行了实现,测试结果表明,该方法的聚类精度和运行效率较现有算法均有显著提升。此外,改进后K-means算法的正确聚类样本数量占比提升了4.88%,高于现有的主流指标体系,且当聚类数k的取值为16或32时,运行时间大幅降低。

基于K-means算法的校园网用户行为聚类分析

在给出K-means算法流程的基础上,以校园网认证计费系统日志为研究对象,实现一个基于K-means算法的校园网用户行为聚类分析,得到不同特征的用户组,为今后进一步了解用户行为特征、更好制定校园网络策略奠定基础。

基于K-means的北京地铁路网重要度聚类分析

以图论为基础,以北京地铁为研究对象,结合地铁运营客流时空分布的特点,构建北京地铁有向加权路网模型;采用K-means聚类分析方法,根据地铁路网中车站和区间的两个基本的物理拓扑属性(度、介数),以及客运量对其进行分类,确定关键车站和区间.其中,度反映的是节点的局部聚集能力,介数反映的是节点和边对全局的影响能力,而客运量则反映了不同时间段节点和边在运输中的重要性.实证分析表明,该方法可以从系统网络的角度动态辨识系统中的关键车站和区间.

基于K-means聚类分析的不同种植区烤烟外观质量区域分类

根据全国烤烟主产区生态特点,采集了全国112个典型生态点初烤C3F烟叶样品,运用快速聚类法(K-Means Cluster)分析了各烟草种植区烤烟外观质量区域特征及分布。结果表明,5大烟草种植区中部烤烟外观质量均可分为3类;"油分"和"色度"指标在北方烟草种植区烤烟样品间差异极显著,"叶片结构"指标在黄淮烟草种植区烤烟样品间差异极显著,"身份"和"色度"指标在长江中上游烟草种植区烤烟样品间差异极显著,"身份"和"油分"指标在东南烟草种植区烤烟样品间差异极显著,烤烟外观各项指标在西南烟草种植区烤烟样品间差异均达极显著水平。

基于K-Means聚类分析法的高等农林院校师资队伍结构优化研究——以福建农林大学为例

高校教师作为高校教学活动的主要实施者,其素质的高低直接影响教学质量。研究以福建农林大学为例,应用K-Means聚类分析法,通过对7大学科门类本科专业师资的高职称教师比例、中青年教师比例、高学历教师比例、具有外校学缘教师比例这4个指标变量进行分析。结果表明,农科、工学、理学、管理学等4个学科的师资为"好"和"较好"类别,经济学等1个学科为"中等"类别,法学、文学等2个学科为"较差"类别。根据该校各学科本科专业师资的优势和劣势,提出优化其师资结构的策略。

K-means聚类分析在人体体型分类中的应用

讨论了K－means聚类分析在人体体型分类应用时分类数的确定方法和迭代收敛两个重要问题．参考GB／T1335—2008，以219名青年女性人体数据为检验样本，以胸腰差为实例进行论证．结果表明：采用基于系统聚类的距离评价函数法，样本最佳分类数为7类，如限制分类数为3～5时，则最优分类数为4；抽取容量分别为219和10O的两组样本进行不同迭代次数的聚类分析，发现聚类收敛所需的迭代次数受数据离散程度影响，采用SPSS软件进行聚类分析时应该设定较大的迭代次数以确保聚类收敛．

基于图像K-means聚类分析的频谱感知算法

近年来,基于能量检测的协作频谱感知算法被广泛应用于频谱感知领域。由于该方法在计算能量检测的判决门限受噪声影响较大以及受限于认知用户的数量等问题,导致其检测性能受到影响。为了解决这一问题,本文提出一种基于图像K-means聚类分析的频谱感知算法。这种方法利用主用户信号存在与否的两种认知信号状态映射成图像,经过调整图像强度和高斯滤波预处理之后利用提取图像像素分布直方图的方法提取出特征向量,然后利用改进的K均值聚类算法对这些特征向量进行训练得到分类模型。最后利用训练好的分类模型对未知信号进行检测,从而实现频谱感知。仿真结果表明,本文所提出的频谱感知算法,在检测性能上优于传统能量检测以及协作频谱感知算法,尤其在低虚警概率、低信噪比的环境下效果更加突出。

Kmeans聚类分析算法中一个新的确定聚类个数有效性的指标

K means算法是聚类分析中使用最为广泛的算法之一。然而,该算法通常受到初始聚类条件的影响。关于这个问题的详细讨论可参看文献[1]。该算法的另一个不足之处是,聚类数目K必须作为参数由用户提供。笔者提出了一个新的有关聚类有效性的度量指标和优化的K means算法。它能自动确定最佳聚类个数。

基于k-Harmonic means聚类分析的物流中心选址模型研究

通过对传统物流选址模型运输成本的讨论,运用k-Harmonic means聚类分析方法对传统物流选址模型中运输费用进行重新构建,将以往的辐射状点对点送货路径替换为更贴近实际的连续圈式送货路线,克服了传统模型不符合实际情况的弊端,并通过较大规模的数值实验验证了方法的优越性。

基于K-means聚类分析算法的2型糖尿病动态血糖监测数据分析

目的:探讨分析基于K-means聚类分析算法的2型糖尿病动态血糖监测数据,以解决动态血糖测量仪所测数据中的噪声和干扰信号问题,得到适用于灰色关联度分析法的实验数据。方法:引入K-means聚类分析算法处理和分析由动态血糖仪测得的糖尿病患者60 min血糖值的数据,去除误差较大的数据点,使平均数值更加可靠。结果:K-means聚类分析算法对生成所需的、无干扰地对患者60 min内间隔5 min的血糖值实验数据进行处理,并与采用K-means分析算法处理之前的数据进行对比。结论:K-means聚类分析法能够有效去除干扰和噪声信号,获得高质量的实验数据,有利于对动态血糖监测数据进行处理和分析。

K-means算法在高速公路ETC数据分析中的应用

为了更高效地利用高速公路ETC数据集并提升数据处理速度,深入分析ETC用户的主要特征和高速公路存在的潜在问题。以我国某省份某高速公路出入口2023年6月的ETC通行数据为例,通过Python编程语言对数据进行清洗,采用环形特征编码处理时间数据,并运用K-means聚类算法对数据进行处理。重点关注入口时间、出口时间、本省通行里程等指标,对用户的收费里程、速度以及行驶时间3个核心特征进行分析,借助聚类中心点和雷达图进行可视化展示。分析结果显示,傍晚时段的通行效率较低,晚间疲劳驾驶和午夜超速问题较为突出。根据通行里程分析,白天主要以短程和中程用户为主,长程用户倾向于在上午进入高速公路,同时,该高速公路存在大量的通勤车辆。在速度分析方面,低速组多为短途车辆。K-means聚类算法的应用使得数据处理过程快速且可靠,结合更多的ETC数据,可以进一步深入了解高速公路通行的主要群体和状况。研究成果可为制定差异化收费政策提供有力依据。例如,通过聚类分析进入高速公路的时间,确定高峰时段和低谷时段,适时提高高峰时段的费用,降低低谷时段的费用,从而提高通行效率、平衡路网流量。这具有重要的现实意义。