融合异常检测与区域分割的高效K-means聚类算法

传统K-means及其众多改进算法缺乏显式处理异常样本的能力,导致其聚类性能容易受到异常样本的影响。针对此问题,提出一种融合异常检测与区域分割的高效K-means聚类算法。首先,通过构建统一聚类模型,形成异常检测与聚类之间的交互协同,以提高聚类性能。其次,利用近邻簇搜索技术对各类簇进行自适应的区域分割,以减少冗余计算,提高算法执行效率。最后,为验证所提方法的有效性,在多个合成数据集和真实数据集上分别进行测试。实验结果表明:所提算法聚类性能和执行效率优于其他算法;在添加10%异常样本的Wine数据集上准确度可达0.911。

基于min-max准则与区域划分的I-k-means-+聚类算法

针对I-k-means-+算法聚类结果不稳定、求解精度较低的问题,提出一种基于min-max准则与区域划分的I-k-means-+聚类算法.首先,提出min-max准则,计算每个数据点到最近中心的距离,优先选择距离最大的数据点作为新的聚类中心,避免多个初始中心聚集在同一个簇中的情况;其次,将分裂簇中的数据点分割到不同区域,在每个区域中选取一个数据点作为候选中心,以增加候选中心的多样性;最后,对于配对失败的簇,通过增益重新选择新的分裂簇与原删除簇再次配对,以提高配对成功率,进一步降低目标函数值.实验结果表明,与I-k-means-+算法相比,本文算法在运行效率基本相当的前提下,求解精度平均提高6.47%,且聚类结果更稳定;与k-means、k-means++算法相比,本文算法的求解精度更高.

Regional Merge K-means图像分割算法及其质量评价

K值是基于K-means聚类算法进行图像分割效果的关键因素,为了解决K值过小,图像分割不明显,K值过大,图像分割信息过于碎片化的问题,提出一种Regional Merge K-means(RMK)算法.首先对图像运用K-means算法进行聚类,然后运用区域合并(Regional Merge)优化图像分割效果,最后利用不同图像进行图像分割试验,并选用不同的质量评价指标对试验结果进行评价.结果表明,该算法能显著优化图像分割效果.

Determinations of directions of the mean stress field in Sichuan-Yunnan region from a number of focal mechanism solutions

Based on the spatial orientation and slip direction of the fault plane solutions, we present the expression of corresponding mechanical axis tensor in geographic coordinate system, and then put forward a method for calculating average mechanical axis tensor and its eigenvalues, which involves solving the corresponding eigenequation. The method for deducing mean stress field from T, B, and P axes parameters of a number of focal mechanism solutions has been verified by inverting data of mean stress fields in Fuyun region and in Tangshan region with fitting method of slip direction, and both results are consistent. To study regional average stress field, we need to choose a population of focal mechanism solutions of earthquakes in the massifs where there are significant tectonic structures. According to the focal mechanism solutions of 256 moderate-strong earthquakes occurred in 13 seismic zones of Sichuan-Yunnan region, the quantitative analysis results of stress tensor in each seismic zone have been given. The algorithm of such method is simple and convenient, which makes the method for analyzing tectonic stress field with large amount of focal mechanism solution data become quantified.

一种多无人机协同优先覆盖搜索算法

针对应急救援行动中存在的受灾区域大、重点区域分布不均匀、救援时间有限等问题,提出一种多UAV协同区域优先覆盖搜索算法。对搜索区域进行离散栅格化处理,根据灾情预估信息对搜索区域中的每个网格进行概率标记;通过K-means++聚类算法将搜索区域划分成大小相似、个数与UAV数量相等的子区域,依据聚类中心确定每个子区域的搜索起点,使多架UAV分区协同搜索整个区域;根据网格概率和当前距离之间的平衡关系计算出每个网格的分数,改进贪心算法,以此分数为基准在子区域中进行优先搜索和减少重复路径,引入A^(*)算法解决网格分数冗余问题。仿真结果表明:所提算法在保证优先搜索的同时缩短了路径长度和搜索时间,为应急救援中的搜索难题提供了一种有效的解决办法。

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。

融合mean shift和区域显著性的彩色图像分割算法

提出了一种无监督的提取图像中显著区域的彩色图像分割算法。首先,运用meanshift算法对图像进行分割,得到初始的分割结果;然后,根据给出的区域显著性的定义和区域合并策略,对初始分割结果进行合并,得到最终的分割结果。仿真结果表明,对于大多数测试图像,该算法都能获得很好的分割结果,并且具有较高的运行效率。

基于K-means聚类的路面裂缝分割算法

针对传统分割算法在非均匀背景中存在低抗噪性及高复杂性的问题,将聚类分析和区域生长算法相结合,提出基于K-means聚类的路面裂缝区域生长分割算法。依据图像灰度像素特征进行裂缝目标聚类,融合裂缝几何纹理特征将聚类中心值作为种子点区域生长,经过形态学滤波优化处理完成精确分割。仿真结果表明,该算法在视觉上裂缝分割的准确率提高,查准率曲线和受试者工作特征曲线的评价结果也表明,该算法与传统边缘检测算法相比,具有环境适应能力强、识别准确率高以及性能稳定等优势。

基于参考区域的k-means文本聚类算法

k-means是目前常用的文本聚类算法,该算法的主要缺点需要人工指定聚类的最终个数k及相应的初始中心点。针对这些缺点,提出一种基于参考区域的初始化方法,自动生成k-means的初始化分区,并且在参考区域的生成过程中,设计一种求最大斜率(绝对值)的方法确定自动阈值。理论分析和实验结果表明,该改进算法能有效的提高文本聚类的精度,且具有可行的效率。

融合快速全局K-means与区域合并的图像分割

提出一种融合快速全局K-means与区域合并的图像分割方法。该方法利用中值滤波方法对图像去噪;运用快速全局K-means算法对图像的颜色空间进行聚类分析;结合区域合并准则,对初始分割合并得到最终的分割结果。实验表明,与同类算法比较,该方法的分割结果在图像细节方面能够很好地满足人的主观视觉。

一种基于Mean-Shift聚类算法的图像区域分割方法

提出一种基于均值平移(Mean-Shift)聚类算法的图像区域分割方法。该方法首先选用适当的彩色空间对图像中的每个像素点抽取颜色、纹理及空间位置等特征,形成特征空间;然后,利用Mean-Shift聚类算法,在像素点特征空间中进行聚类,利用提出的方法,确定最佳窗口半径参数,进而确定聚类簇数、聚类中心等参数,将像素初步划归不同的组,并利用相邻像素之间的连接原理对图像区域进一步分割。分割方法提供了丰富的区域描述特征。实验结果表明这种方法具有图像分割速度快,分割效果好等特点。

基于改进的Mean shift方法的图像特征提取

针对日益重要的图像信息和逐步发展的图像数据库技术,本文提出了一种基于改进的均值飘移算法和区域生长相结合的边缘检测方法提取图像的形状特征,并通过仿真试验证明其良好的有效性,为基于内容检索的图像检索提供了一个有效算法。

丝绸之路经济带旅游产业-经济-环境系统空间错位分析

丝绸之路经济带是中国形成全方位对外开放格局、实现东西部均衡协调发展的关键,旅游业的高质量发展是丝绸之路经济带建设主要组成部分。论文通过构建旅游产业—经济—环境系统评价体系,基于面板数据,利用重力模型、空间错位指数模型、均方差分解等方法,测度2010—2019年丝绸之路经济带九省份旅游产业、经济、环境系统的空间错位状况及影响因素。研究发现:三大系统重心均向西南四省份偏移且各自间存在错位现象,其中经济重心错位最为显著;总体空间错位指数呈上升趋势,整体错位状况加深,总体差异主要来源于西北与西南地区的区间差异;冷热点时空演变呈现“西南集中、西北分散”的特征;各地区的空间错位指数受多系统多因素的影响且多指向生态环境和经济系统。

基于改进K-means算法的不均匀光照下道路裂缝检测

传统的基于K-means聚类算法由于仅考虑裂缝像素值大小,导致了不均匀光照下的路面裂缝提取不精确。为提高不均匀光照下道路裂缝检测的效率和准确性,提出一种改进的K-means聚类算法与区域生长法结合的道路裂缝图像检测算法。该算法首先运用改进的K-means聚类算法对不均匀光照下的路面裂缝进行粗定位;然后采用区域生长法对粗定位的裂缝图像进行准确提取;最后采用形态学算法进行优化处理以提升裂缝分割效果。该算法把路面裂缝位置信息加入到聚类算法中,并结合裂缝的像素值来综合判断裂缝区域,从而克服了图像采集过程中由于光照不均或物体表面反光等原因造成的裂缝信息识读困难的问题。实验结果表明,与传统K-means算法相比,该方法对光照不均的路面裂缝提取在处理效果和性能方面均有明显提升,同时抑制了噪声的干扰,为路面裂缝参数的提取及病害程度的定性分析奠定了基础。

基于尺度不变特征变换的Mean-Shift目标跟踪

均值漂移(Mean-Shift)目标跟踪算法由于具有快速模板匹配和无参数密度估计等特点,但也存在其固有的缺陷。为了提高该算法的鲁棒性,把目标分成多个区域,对每个区域利用Mean-Shift进行跟踪,迭代次数大于8的放弃迭代。然后利用尺度不变特征变换(SIFT)剔除那些匹配的关键点数目少的子区域。最后,利用匹配关键点数目多的区域得到目标的位置。实验结果表明该方法在目标受遮挡、尺度变化、旋转、环境场景等变化等具有很强的鲁棒性。

基于Mean-shift聚类的交互式图像分割

提出了一种基于Mean-shift聚类的交互式图像分割算法。首先利用Mean-shift聚类算法初步分割图像,然后用户只需简单地输入交互信息,大致标识出部分对象点和背景点,再根据区域间的最大相似性准则合并区域,分割出感兴趣区域。实验表明,此算法简单有效,能准确地从复杂背景中提取对象轮廓。

夏热冬冷地区典型城市住宅冬季室内环境热舒适性研究

针对夏热冬冷地区城市住宅建筑冬季室内热环境舒适度较差的现状,在典型城市合肥进行了冬季住宅室内空气温度、黑球温度、相对湿度与空气流速等客观热环境参数的测试,并对测试现场居民的室内着装、主观热感觉评价与热期望等进行问卷调查统计。结果表明:地区住宅室内环境普遍偏冷,低于现行建筑热环境标准规定的热舒适范围,客观热环境条件较为恶劣,受访者虽对室内热湿环境接受度良好,但仍存在接近半数人员期望室内环境能够更加温暖,居民对冬季住宅热环境的改善需求较高。运用统计学方法对样本数据进行回归分析,得出预测平均热感觉指标PMV和热感觉投票TSV与室内操作温度关系,基于理论预测模型结果与实测值差异分析,确定该城市居民冬季实际的热中性温度为18.5 ℃,在可接受率为90%下的地区室内操作温度舒适范围为14.4~22.6 ℃。研究结果可为夏热冬冷地区家居环境热舒适的设计、营造与评价提供参考依据。

基于改进的K-means聚类的多区域物流中心选址算法

针对当前多区域物流中心选址需建立配送中心个数不定、位置、覆盖范围不明的问题,本文提出了一种改进的k-means聚类算法,以城市经济引力模型为基础,将城市运输距离与居民消费能力的指标相结合,重新定义对象之间相似性度量的距离因子.并将密度思想引入k-means算法,提出类内差分均值的概念确定最优聚类数.实现分区后,分别在这些区域中利用重心法对配送中心进行最终的确定.最后实例分析了在西部地区37个城市创建物流配送中心的选址过程,并通过和传统的k-means聚类的选址结果对比,说明改进后的算法不仅可以节省配送时间,而且大大降低了运输成本,有很好的经济利用价值.

优化K-means算法在中国近海气候区划中的应用

利用我国近海多年的风、浪及温湿资料,采用DB指标和最大距离法相结合的优化K-means聚类算法,对冬季我国近海进行气候区划,避免了传统K-means算法中确定聚类数目和初始聚类中心的主观性。结果表明,冬季我国近海可被划分为3个区域:1区主要包括28°N以北的海域以及我国东南沿海的一条狭长区域,2区主要包括台湾周边海域、台湾海峡、巴士海峡以及自越南东南部起由西南部向东北部的南海大部分海域,3区则主要包括台湾岛西南部海域、北部湾、广东沿海以及南海东南部。根据给出的区划指标,分析各分区的气候特征及其对海上舰船航行和出海人员的影响,判定1区为基本适宜区,2区为不适宜区,3区为适宜区。

基于层次和K-means聚类的知识产权强省建设绩效评价实证研究

基于知识产权强省建设目标,从知识产权创造、知识产权保护、知识产权与经济发展及社会环境四个方面构建知识产权强省建设绩效评价指标体系。综合运用层次和Kmeans聚类算法对2014年度及2017年度27个省市区知识产权强省建设绩效进行聚类,并按强省建设绩效将其分为领先型、稳健型及追赶型三类,研究发现国家知识产权强省建设政策发布后,绝大多数省市区的知识产权工作取得了显著成效,稳健型与追赶型地区具有明显的动态调整性,但领先型与追赶型地区的强省建设绩效两极分化现象严重。最后,根据强省建设现状提出应基于领先型省份建立知识产权强省建设区域协同发展机制,总结并推广稳健型地区强省试点建设工作经验,加紧制定追赶型地区知识产权强省建设配套政策。