基于Kmeans聚类对14个新疆陆地棉萌发期耐碱性评价

为了解新疆陆地棉品种萌发期的耐碱性差异,本研究采用沙培法对14个新疆陆地棉品种萌发期进行不同浓度(0(ck)、25 mmol/L、50 mmol/L、75 mmol/L、100 mmol/L)Na_(2)CO_(3)胁迫处理,测定了与棉花耐碱性相关的指标,并利用主成分分析、隶属函数综合评价和Kmeans聚类分析等方法对其萌发期耐碱性进行排序。结果表明,各品种棉花种子的发芽率、发芽势、发芽指数、株高、根长、干质量、鲜质量、相对含水量均随着碱浓度的增大而呈下降趋势。利用隶属函数和权重系数方法对14个新疆陆地棉花品种萌发期的耐碱性进行综合评价,基于D值进行Kmeans聚类分析,将14个棉花品种划分为四类:第Ⅰ类有2个棉花品种,D值为0.296,属于碱敏感型材料;第Ⅱ类有3个棉花品种,D值为0.535,属于弱耐碱型材料;第Ⅲ类有5个棉花品种,D值为0.684,属于中度耐碱型材料;第Ⅳ类有4个棉花品种,D值为0.788,属于强耐碱型材料。

基于SSA-Kmeans聚类算法的青菜杂质图像分割

为解决青菜包装生产线在加工过程中的杂质在线检测问题,提出一种基于SSA-Kmeans的青菜杂质图像分割算法。首先利用直方图均衡化进行彩色图像增强以降低光照影响;其次基于麻雀搜索算法对初始聚类中心寻优,根据得到的最佳聚类中心,选取包含颜色信息的ab二维数据进行Kmeans聚类;然后对聚类后的图像二值化处理并用形态学滤波方法校正,最终完成图像分割。利用该算法对落叶、枯叶和黄叶等杂质进行图像分割试验,杂质平均匹配率为93.22%,平均误分率为0.70%,平均准确率为92.52%。与FCM算法、Kmeans算法、PSO-Kmeans算法的对比试验表明:本文算法分割精度更优,对不同杂质的分割均表现出良好的鲁棒性,为实现青菜杂质在线检测提供一种新方法支撑,对提高青菜机械化生产水平具有一定的实用价值。

基于Kmeans聚类的配网变压器绕组材质辨识算法

近年来由于日益白热化的配电变压器市场竞争,不少中小型企业“以铝代铜”生产变压器,对电力系统的稳定性留下隐患。当前变压器材质无损辨识方法和技术欠缺,而谐波电阻法所需设备简便、成本低,有很高的工程实用价值,但缺乏科学严谨的算法支撑。为了准确高效地对变压器绕组材质进行辨识,在已有研究的基础上提出了一种基于Kmeans聚类的辨识算法,并对算法进行了优化。该方法对统计得到的变压器绕组谐波电阻进行聚类分析,再通过方差选择法、主成分分析(PCA)降维对算法进行优化,验证了优化算法的可行性,并利用优化算法展开现场应用。分析结果表明该算法能准确地鉴别变压器绕组材质,有广阔的工程应用前景。

FPC-Kmeans++专利聚类分析与技术主题识别研究———以无人机领域为例

针对专利技术主题识别效率偏低、识别难度大等问题,文章提出了FPC-Kmeans++(Kmeans plus plus with feature phrase clusters)专利聚类分析与技术主题识别方法,该方法创新性地使用特征短语替代传统的分词结果,作为专利数据分析的基础。文章以无人机专利为例,对该方法进行了实证检验。实验结果表明,相较于传统的Kmeans++(Kmeans plus plus)和LDAKmeans++(Kmeans plus plus with Latent Dirichlet Allocation)方法,该方法能更精确地判断出最佳主题数和得到层次更鲜明的聚类效果,展现了其在专利主题识别上的优势。并且,相较于其他对比算法,文章提出的NER-FPP(Named Entity Recognition with Feature Phrase Probability)算法在专利特征短语提取上效果最好,F1值分数最高,达到了93.36%。

基于反向K近邻和密度峰值初始化的加权Kmeans聚类入侵检测算法

传统Kmeans聚类算法的性能易受初始类簇中心随机性和类簇中心计算的迭代过程中边缘点和离群点反复计入的影响,为了避免这些影响,该文提出一种基于反向K近邻和密度峰值初始化的加权Kmeans聚类算法。通过样本的近邻信息计算每个样本的反向K近邻,针对不同规模、不同密度分布数据集,可以自适应地搜索密度峰值点作为初始类簇中心;自适应设定相对簇半径,并通过样本加权进行类簇中心迭代,在不同数据分布下可以有效降低边缘点和离群点对聚类结果的影响。试验结果证明,该算法在聚类性能提升的同时迭代次数大幅降低,随着入侵行为类型和数据规模的增加,该文聚类算法仍体现出较好的性能,且在发现未知攻击类型上效果显著。

基于核KMeans和SOM神经网络算法的海况聚类分析

为了更加高质量地利用海况数据,避免由复杂因素导致的对海况误判问题,基于KMeans、核技巧、自组织映射(Self-organizing Mapping, SOM)神经网络构建了自组织映射混合核KMeans(SOM-Gaussian and Polynomial Kernel-KMeans, SGPK-KMeans)算法.克服了KMeans对复杂数据聚类效果不佳、核KMeans需要指定聚类数目和对初始聚类中心敏感的问题.通过海况数据聚类实验,将SGPK-KMeans算法的聚类效果与经典KMeans、单核KMeans和SOM神经网络算法进行对比分析.结果表明SGPK-KMeans对于海况数据聚类具有更加稳定的效果且能更加准确的识别出数据中的异常值.

基于Kmeans++算法和LGBM模型的城市燃气客户分类

为了方便天然气销售公司进行客户细分及客户关系管理,使销售公司能够以客户为中心进行个性化服务与专业化营销,通过收集天然气销售公司的城市燃气客户消费行为特征和消费动机特征数据,对客户进行了聚类分析研究,提出了利用Kmeans++算法聚类及训练LGBM分类模型实现对新进入客户的判别归类,形成了客户多维分类模型。研究结果表明:①针对某天然气销售公司中数量多且用气规模大的城市燃气客户进行客户细分研究,以手肘法辅助的Kmeans++聚类模型对采集的城市燃气客户消费数据进行聚类分析,聚类效果较好,各类客户群的业务特征较为明显;②构建LGBM分类模型实现对新进入客户的划分,LGBM分类模型准确率较高,对客户分类的结果与聚类得到的几大类客户特征较符合。

融合KMeans++与DBSCAN算法的工程车辆轨迹聚类研究

针对城市扬尘治理中工程车辆运输建筑垃圾倾倒撒漏产生的环境问题,分析车辆行驶数据(定位、时间、速度等),提出一种适合车辆轨迹大规模数据集快速自适应参数的改进DBSCAN聚类算法,采用KMeans++算法划分网格区域,优化聚类运算效率,减轻DBSCAN在大数据场景下过多冗余距离计算,平衡海量数据分析的准确性与效率,实现大规模轨迹运动的有效识别。南宁市扬尘治理场景应用结果表明:改进算法可快速有效分析聚类疑似非法源头,为扬尘治理提供可靠决策信息。

基于大数据聚类的通信网络安全态势预测技术

传统通信网络安全态势预测技术缺乏大数据支撑,难以对发生的攻击进行详细分类和追踪,导致在进行长时间的态势预测中收敛过慢,准确度降低.提出一种基于大数据聚类的通信网络安全态势预测技术.分析通信网络的属性以及特点,选择安全态势描述一级指标,将数据标准化处理之后,细分出二级指标;优化大数据聚类算法,计算最优聚类数量、确定聚类中心,建立关联规则库并优化预测流程,完成基于大数据聚类的通信网络安全态势预测技术的设计.通过实验结果表明,与两种传统的安全态势预测技术相比,设计的技术收敛速度更快,全体数据点没有出现残差扩散的现象,并且数据完整度较高.

基于层次分析灰色定权聚类的煤层气开发甜点预测方法——以柿庄北区块为例

随着煤层气产业的发展以及非常规油气勘探开发一体化的要求,当前煤层气的勘查评价工作逐渐由勘探选区向开发甜点选区推进。然而,受限于勘探开发阶段或资料占有程度,当前多数的选区评价体系对煤储层的可改性和煤层气的可采性考虑不足,在指导开发区井位优选或加密井方面效果不佳。基于沁水盆地柿庄北区块100余口煤层气参数井和开发井资料,分析区内3号煤层煤层气开发的资源条件、储层可改造性和煤层气可采性,采用层次分析和灰色定权聚类方法构建评价模型,评价了煤层气开发甜点区,为区内新井和加密井的部署提供依据。评价模型以煤层含气量、煤厚反映煤层气资源条件;综合考虑地应力环境和岩石力学性质,构建储层综合可改造性参数,评价储层可改造性;使用原始结构煤和碎裂煤占比、临储比和储层原始渗透率反映煤层气的可采性。每个参数采用word聚类方法分级,每个点位(每口井)计算出综合优度并排序,最终划分出煤层气开发甜点区。评价结果表明,研究区中部综合优度大于65的地区为进一步开展开发工作的甜点区。

采用混合策略联合优化的模糊C-均值聚类信息熵点云简化算法

针对传统聚类算法处理点云简化问题时精度低、耗时长且易丢失特征信息等问题,提出了一种基于动态精英自适应混合策略的鹈鹕算法(DEAMPOA)与加权熵法联合优化的模糊C-均值聚类(FCM)信息熵点云简化算法。采用动态自适应种群混合策略,同时融合了精英反向化思路,显著提升了鹈鹕优化算法(POA)的收敛趋势和全局寻优能力,提高了寻找FCM最优聚类中心的成功率;利用DEAMPOA结合加权熵法对FCM进行优化,提高鲁棒性的同时增强了搜索精度,得到较好的聚类结果;在8种UCI标准数据集上与4种算法对比进行聚类性能评估实验,验证了所提方法综合性能优越;将所提方法与信息熵融合,并应用在三维点云KITTI数据集简化中。实验结果表明:与包围框简化法、随机采样简化法和特征选择简化法对比,所提方法全局误差简化前后点集之间平均欧式距离(MED)指标分别降低了2.25%、6.93%、5.74%,点云简化效果最优且运行速度满足要求。

一种新的基于信息熵和PSO-Kmeans聚类算法的典型工艺路线发现与重用体系

制造企业在经营和发展过程中会积累大量的制造实例,对这些实例资源进行合理地挖掘和重用,是提高制造效率和支持创新的最有效途径之一。为了科学确定重用对象和提高重用灵活性,提出了一种基于信息熵和PSO-Kmeans聚类算法的典型工艺路线发现与重用体系。在该体系下,提出了一种基于多级最长公共子序列信息熵的机加工艺路线相似度度量方法。在此基础上,提出了一种基于谱聚类思想和PSO-Kmeans聚类算法的典型工艺路线发现方法,并分析讨论了2种基于典型工艺路线的机加工艺重用途径。通过3个验证实例,说明所提出的体系可以更好地支持制造实例重用。

基于谱聚类的中国绿色创新效率评价及影响机理研究

基于创新价值链视角,运用超效率SBM-Undesirable模型分别测算了中国30个省份技术研发和成果转化2个阶段的绿色创新效率;利用谱聚类算法将中国30个省份进行了绿色创新区域划分,并应用Kernel密度估计方法对各区域绿色创新效率的差异性进行了研究;构建了面板Tobit模型,探究影响因素对各区域绿色创新效率的影响机理.结果表明:从全国范围看,成果转化阶段绿色创新效率高于技术研发阶段,技术研发阶段仍然存在较大的提升空间;划分成的3个绿色创新区域绿色创新效率存在不均衡性,各区域绿色创新效率演变规律存在显著差异;不同阶段的影响因素对各区域绿色创新效率的影响程度和方向存在差异性.基于分析结论,从政府支持力度、环境规制等方面对不同区域提高绿色创新效率给出针对性建议.

基于多帧聚类的紧凑型HFSWR虚假点迹识别方法

紧凑型高频地波雷达发射功率低,目标检测时信噪比低、虚警率高,会产生大量虚假点迹,影响后续目标跟踪性能。为了滤除虚假点迹,利用目标的运动特性,提出了一种多帧聚类与极限学习机分类两级级联的虚假点迹识别方法。首先,利用基于最优邻域尺寸的多帧聚类方法,将连续多帧中与待识别点迹属于同一潜在目标的点迹聚类成簇。然后,计算簇内待识别点迹与其相邻帧内点迹的距离-多普勒速度的差分值,以其为特征利用极限学习机辨识虚假点迹。实验结果表明,所提方法能够准确将属于同一目标的点迹聚类,虚假点迹识别率达到95%。

基于局部密度聚类的WSN多Sink节点部署研究

针对无线传感器网络中传感器节点能量受限,网络生命周期短的问题,在考虑网络成本的情况下,提出一种基于节点局部密度聚类的多Sink节点优化部署算法。首先,基于多属性因子构建聚类决策函数确定Sink节点部署位置,完成传感器节点聚类;然后,根据下一跳节点与Sink节点间距离最短准则搜索并形成数据传输路径;最后,以网络生命周期成本比最大化为依据确定最优的Sink节点数目,实现多Sink节点优化部署。仿真结果表明:与已有算法相比,所提算法能够有效延长网络生命周期,具有较高的网络生命周期能效比。

基于累积和事件段识别与改进谱聚类的锂离子电池储能系统内短路故障检测方法

锂离子电池系统的内短路故障可能导致严重安全事故,其检测受到在线检测实时性以及故障特征获得性制约,是当下锂离子电池储能系统安全运行亟待解决的问题。该文提出一种基于累积和(cumulative sum,CUSUM)事件段检测与改进谱聚类的锂离子电池储能系统内短路故障检测方法。首先,考虑内短路故障时的电压/温度变化特性,基于累积和事件突变点识别方法,识别疑似内短路故障事件段。其次,构建三维故障特征,刻画检测对象内短路故障特征属性。然后,构建基于Wasserstein测度的内短路故障特征距离矩阵,检测三维空间各点稀疏特性,客观划定故障聚类,实现内短路故障检测。搭建锂离子电池内短路实验平台、建立锂离子电池电–热耦合仿真模型,算例结果表明该文方法能够准确识别疑似内短路故障事件段,在不同串并联形式及故障类型下实现故障检测,证明了该文方法的正确性与可行性。

基于软聚类的深度图增强方法

针对现有的深度获取方式存在数据缺失、分辨率低等问题,提出一种基于软聚类的深度图增强方法,称为软聚类求解器.该方法利用软聚类的强边缘保持特性提高深度图增强的精度.将软聚类仿射矩阵和加权最小二乘模型有机结合,构建了软聚类求解器中的置信加权最小二乘模型,提出了基于迭代的求解方法.为评估所提出的方法,在多项深度图增强任务上进行试验,包括深度图补洞、深度图超分辨率和深度图纠正,评价指标包含了峰值信噪比(PSNR)、结构相似度(SSIM)、均方根差(RMSE)和运行效率.结果表明:文中方法在深度图补洞任务中的平均PSNR达到了42.28,平均SSIM达到了98.83%;在深度图超分辨率、深度图纠正任务中的平均RMSE达到了8.96、 2.36.文中方法处理1张分辨率为2 048×1 024像素的图像仅需5.03 s.

基于融合矩阵的文本相似度计算实现检索结果聚类

目的/意义弥补医学文本语义表示方面的不足,实现PubMed数据库检索结果聚类。方法/过程采用Jaccard系数和TF-IDF构建融合矩阵方法,建立短语间、文档间、短语与文档内容间的相似性关系融合矩阵,训练聚类算法,将PubMed数据库检索结果集合分组,随后生成类别标签,描述每一类簇文档的含义。结果/结论基于融合矩阵的聚类效果较好,提取出描述类别的高频词能很好地区分类别含义,对检索结果文本聚类任务有效。

基于一致性图的权重自适应多视角谱聚类算法

随着移动设备和互联网的普及,多视角数据的采集和分享变得更加容易,其可以从多个视角更准确地描述数据。目前,一些多视角聚类算法忽略了不同视角间的一致性潜在知识和不同视角的重要性。针对该问题,提出一种平衡视角间一致性信息的多视角聚类算法。首先通过调节视角权重学习视角间一致的共享相似度矩阵,提升共享矩阵的一致性,其中相关性强的视角具有的一致性信息更多,视角权重越大,在一致性学习中发挥的作用越大,而差异性大的视角其权重越小,在学习中发挥的作用越小。其次学习视角间的一致性样本嵌入以及不同视角的特征嵌入,并将特征嵌入中包含的多样性特征信息迁移到样本嵌入中,以此促进样本嵌入的一致性表达。在不同视角特征中包含多样性信息,可补充上述共享相似度矩阵学习中单一样本关系的不足。因此,采用二部图协同聚类,通过建立样本数据、样本嵌入和特征嵌入的关系图,学习样本的特征嵌入,并将其迁移到样本嵌入中。最后将图学习、谱聚类和特征嵌入学习整合到统一的框架中进行联合优化,得到最优的样本嵌入。实验结果表明,通过对样本嵌入进行K-means聚类,将该算法运行于5个真实数据集并与7种聚类算法对比,其中在3-Sources、Yale、MRSCV1数据集上的正确率均高于对比算法5%以上,验证了该算法的有效性。

基于LMDI和系统聚类的电力行业碳排放影响因素分析

电力行业作为直接使用一次能源的最大部门,是落实我国碳减排目标的重点行业。为厘清电力行业碳排放的主要驱动或抑制来源,论文构建了LMDI模型,从国家及省域两个层面对2006—2020年电力行业碳排放的影响因素进行了分解。研究结果表明,从国家及省域两个层面来看,经济发展效应均为电力碳排放的主要促进因素,火电燃料转化效应和产业结构效应均为电力碳排放的抑制因素,电源结构效应、工业电耗强度效应在全国层面为电力碳排放的抑制因素,但在各省份中的影响效果及程度各有不同。论文以主要抑制因素为变量,利用系统聚类法将30个省份划分为六大区域,针对各区域影响因素的作用效果提出了因地制宜的减排政策。