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。

重心随机漂移KMeans聚类算法的设计

利用KMeans聚类算法进行聚类过程中,有可能会产生孤立聚点,这种情况一旦发生,会严重影响算法的聚类效果。为避免产生孤立聚点,本文改进了KMeans聚类算法,设计了一类重心随机漂移(Center Random Drift,简称CRD)KMeans聚类算法。该算法会首先判断生成的聚点是否是孤立聚点,利用CRD算法对孤立聚点进行替换,从而有效避免了孤立聚点的产生。通过在Matlab环境下进行图像聚类对比实验发现,针对色彩丰富的图片,新算法和传统KMeans算法性能没有明显差异,而针对图片色彩比较单一的图片,传统的KMeans聚类算法聚类效果不佳,新算法依然可以有效聚类。

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Hadoop的多核果蝇-Kmeans聚类算法

针对Kmeans算法对海量数据聚类效率过低的不足,基于Hadoop的分布式架构思想,提出一种多核果蝇-Kmeans聚类算法(MKFOA-Kmeans)。以每次迭代后果蝇位置为聚类中心进行一次Kmeans聚类算法,综合了果蝇优化算法强全局搜索能力以及Kmeans算法强局部搜索能力的优点。MapReduce框架简化了算法执行过程,避免了由于存储空间不足而造成的算法失效。在由普通硬件搭建的Hadoop平台下进行仿真实验,表明MKFOA-Kmeans算法对大数据的聚类准确率高,并且随着数据量的增加,聚类效率优势也愈加明显。

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。

基于聚类算法的路径频散曲线拾取方法

多道地震资料面波分析方法是目前确定近地表横波速度的有效工具,但由于反演的一维横波速度模型仅反映了检波器排列中点垂直方向上的横波速度变化,因此其横向分辨率较差。与面波分析方法相比,面波层析反演方法具有更大的潜力来提高近地表特征的横向分辨率。但是面波层析反演方法需要从大量检波器对之间(路径)的平均频散能量谱中拾取频散曲线,人工拾取将耗费大量的时间成本。针对这个问题,本文进行了聚类算法自动从路径平均频散能量谱中拾取相速度频散曲线的研究。理论模型正演数据以及实际资料面波数据的实验结果都验证了本文方法的正确性。

基于反向最近邻的密度估计聚类算法

基于相互最近邻的密度峰聚类算法(DenMune)通过相互最近邻计算数据点的局部密度,是一种有效的聚类手段。但该算法存在构建聚类骨架不合理的问题,在分配弱点时采用硬投票策略,易产生错误。因此提出一种新的基于反向最近邻的密度估计聚类算法(RNN-DEC)。该算法引入反向最近邻来计算数据点的局部密度,将数据点分成强点、弱点和噪声点。使用强点构建聚类算法的骨架,通过软投票的方式将弱点分配到与其相似度最高的簇中去。提出了一种基于反向最近邻的簇融合算法,将相似度高的子簇融合,得到最终的聚类结果。实验结果表明,在一些合成数据集和UCI真实数据集上,相比较于其他经典算法,该算法具有更好的聚类效果。

IIoT环境下基于聚类的工作流多雾协同调度算法

为解决在IIoT(industrial internet of things)环境下,现有的调度算法调度工作流中通信频繁、数据传输量大的任务所带来的完工时间上升、成本增加等影响的问题,提出一种基于聚类的工作流多雾协同调度算法。通过二分K均值算法对工作流中的任务进行聚类,基于聚类结果,在多个雾服务器之间使用改进的免疫粒子群优化算法进行任务调度。实验结果表明,该算法相比其它一些传统的调度算法在完工时间、成本、负载均衡方面都有一定提升。

基于k-means聚类的无线传感器网络低功耗路由算法

为提高无线传感器网络(WSN)中传感器节点的能量利用率以延长传感器网络的生命周期,提出基于k-means聚类的WSN低功耗路由算法。先按照距离乘积最大规则选取聚类初始簇中心,并在k-means算法迭代过程中引入能耗因子来优化k-means的分簇效果,降低基站附近节点的能耗和簇内的数据传输能耗;再使用Dijkstra算法搜寻簇首和基站间的最低功耗传输路径,以降低簇首能耗。仿真结果表明,该算法提高了网络的能量利用率,有效延长了网络的生命周期,使首个死亡节点延后出现,对WSN实现了更好的优化。

MSHC:一种多阶段超图聚类算法

超图作为普通图的高维推广,能够更加灵活地反映节点间的高阶复杂关系.超图聚类旨在发现超图结构中复杂的高阶关联关系.针对目前超图聚类结果不稳定、容易陷入局部最优等问题,结合超图划分思想,提出一种多阶段超图聚类(multi-stage hypergraph clustering,MSHC)算法,该算法将超图聚类过程分为超图约简、超图初始聚类以及优化迁移3个阶段.在超图约简阶段,提出一种不改变超图结构的快速约简方法,降低了后续算法的复杂度;提出基于集对分析理论的超图节点间相似性度量方法,并采用层次聚类方法对超图进行初始聚类,采用4种不同的类簇合并计算方法,增加聚类方案的多样性;将遗传算法应用于优化超图聚类方案的研究中,以此获得最优超图聚类方案.在3个不同规模的数据集上与4个经典的超图聚类方法进行对比实验,结果表明,MSHC算法在Songs_genres数据集和Papers_keywords数据集上超图模块度指数分别提高了0.0797和0.0777,在Movies_genres数据集上仅降低0.0060.

基于通信延迟聚类和节点信誉的PBFT共识算法

针对现有基于分组策略的拜占庭容错共识算法中存在的主节点不稳定、延迟高等问题,提出一种基于通信延迟聚类和节点信誉的PBFT共识算法(CD-PBFT)。首先,设计了新的基于通信延迟的聚类算法对网络中节点进行分组,将通信延迟融合进欧氏距离公式,让系统中的节点根据混合距离进行聚类,最终使各个集群中延迟之和达到最低,减少通信开销,提升共识效率;其次,提出了基于综合评价的信誉模型,综合考虑节点延迟指数、共识行为和历史信誉,对节点进行信誉评估,依据节点行为和延迟差异进行信誉奖惩;最后,优化主节点选取方式,建立了一种基于节点稳定性和信誉模型的主节点选择机制,通过信誉模型获得节点的信誉值后,引入方差来衡量节点的信誉波动,选择信誉高且方差小的节点担任主节点,提高主节点的安全性。实验结果表明,相较于PBFT,该算法平均吞吐量提高了126.8%,平均时延降低了68.3%。同时,与现有基于聚类的PBFT算法相比,CD-PBFT具有较为明显的性能优势,能够更灵活地应用在大规模节点的联盟链场景中。

改进RHGSO-FC算法的RGB-D图像GMM聚类分割

随着低成本深度图像传感器的引入,在RGB-D图像中进行可靠的图像分割是计算机视觉的一个目标,而如何对杂乱的场景进行图像分割具有挑战性。基于随机亨利气体溶解度优化算法的模糊聚类(RHGSO-FC),提出一种新的RGB-D图像分割方法。对亨利气体溶解度优化算法(HGSO)进行改进,提出改进的亨利气体溶解度优化算法(LRHGSO),并利用基于改进亨利气体溶解度优化算法的核模糊聚类(LRHGSO-KFC)生成初始化标签。将初始化标签传入到高斯混合(GMM)聚类中,得到多个聚类结果。最后对这些聚类结果通过聚集超像素方法进行分割合并,得到最终分割结果。实验数据集采用NYU depth V2室内图像,与现有的一些分割方法:阈值分割算法、硬C-均值、模糊C-均值、高斯混合聚类、核模糊聚类、模糊子空间聚类、混沌Kbest引力搜索算法和随机亨利气体溶解度优化算法进行比较,结果表明提出的RGB-D分割算法优于其他比较的算法。

基于图书共借关系的读者聚类算法

发现具有相似借阅倾向的读者群体,并针对不同群体进行个性化读者服务,能够有效提升高校图书馆的读者服务质量,促进高校师生学习和科研进步。首先,本文设计了基于图书共借关系的读者聚类算法框架,讨论了算法中的读者距离定义、簇间距离选取和停机条件3个关键设计。其次,本文介绍了算法实现,包括如何基于图书馆的数据库系统高效计算读者距离,如何利用scipy程序库实现读者凝聚层次聚类算法。最后,在某高校图书馆图书外借数据集上进行验证。结果表明,该算法能够有效发现高校中具有相似借阅倾向的读者群,优于传统的根据读者类型和所属院系的读者群体划分方法。

基于改进K-means聚类算法的分布式储能集群划分方法

随着规模化分布式电源及储能的接入,配电网的功率返送、节点过电压等问题愈加显著,对电网规划、运行监视和调度控制等造成一定影响,也不利于储能大范围发展。为此提出一种适用于规模化分布式储能的集群划分方法,基于功率节点电压灵敏度的电气距离模块度指标,对经典K-means算法进行改进,设计节点指数法、肘部法则优化初始聚类中心选择和集群数确定。以IEEE33系统算例进行验证,结果表明所提集群划分方法具有较强的电气耦合性、准确性和运算效率。

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。

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kmeans聚类的主变压器室复合通风运行优化节能研究

针对郑州市110kV全户内变电站主变压器室的既有通风方式进行运行优化节能研究。基于前期自然通风与机械通风优化设计的研究,提出一种复合通风系统的温度梯度优化运行策略。通过CFD模拟确定满足主变室安全温度所要求的自然通风与机械通风交互运行的启停温度及间隔时长。采用kmeans聚类对郑州市5~10月室外干球温度进行聚类,并采用频率统计折算法对簇的重心位置进行调整,优化温度梯度典型日的确定方法,用于复合通风系统的节能分析。结果表明,所提运行策略可使机械通风全年运行时长从2400h减少至362.7h,节能率约为84.9%,也比基于室外干球温度的通风策略节能约47.1%。本研究具有区域推广价值,对变电站通风系统的安全节能运行具有借鉴意义。

基于Kmeans和图像熵聚类的热红外目标检测算法

针对以海洋为背景的热红外图像目标检测存在的海洋海杂波的非平稳特性、非线性特性问题,以及目标背景相关性大而对比度小等问题,对两幅实拍红外船舰图像进行了实验,提出了一种快速有效的热红外目标检测算法。该算法采用表示图像灰度空域分布状态不确定性量度的图像熵方法,利用滑窗方法遍历整幅图像,求得了局部熵图像,从而确定了目标的粗略位置;通过用最大类间差法将局部熵处理后图像进行了自适应的二值分割,将目标和背景最优化地分离,并且结合改进的Kmeans聚类算法,通过循环所有目标点找出了其在聚类图像中的聚类标识,结合所有该聚类的像素点,提取出了完整的目标及其轮廓。研究结果表明,该热红外目标检测算法速度快,性能良好,在将目标完整地提取出来的同时可以很好地保留目标的轮廓。

跳跃跟踪SSA交叉迭代AP聚类算法

针对传统近邻传播聚类算法以数据点对之间的相似度作为输入度量,由于需要预设偏向参数p和阻尼系数λ,算法精度无法精确控制的问题,提出了一种跳跃跟踪麻雀搜索算法优化的交叉迭代近邻传播聚类方法.首先,针对麻雀搜索算法中发现者和加入者位置更新不足的问题,设计了一种跳跃跟踪优化策略,通过考虑偏好阻尼因子的跳跃策略设计大步长更新发现者,增加麻雀搜索算法的全局勘探能力和寻优速度,加入者设计动态小步长跟踪领头雀更新位置,同时,利用自适应种群划分机制更新发现者和加入者的比重,增加算法的后期局部开发能力和寻优速度;其次,设计基于扰动因子的Tent映射,在此基础上增加3个参数,使映射分布范围增大,并避免了陷入小周期点和不稳周期点;最后,引入轮廓系数作为评价函数,跳跃跟踪麻雀搜索算法自动寻找较优的p和λ,代替手动输入参数,并融合基于扰动因子的Tent映射优化近邻传播算法,交叉迭代确定最优簇数.使用多种算法聚类University of California Irvine数据集的10种公共数据集,仿真结果表明,本文提出的聚类算法与经典近邻传播算法、基于差分改进的仿射传播聚类算法、基于麻雀搜索算法优化的近邻传播聚类算法和进化近邻传播算法相比具有更优的搜索效率以及聚类精度.对国家信息数据进行了聚类分析,提出的方法更加准确有效合理,具有较好的应用价值.