检索结果-内蒙古大学图书馆

智能计算机与应用 2020年第6期10卷 238-242页

作者：王凤领贺州学院广西贺州542899

针对处理大样本数据时聚类算法的局限性,以及k-means算法受初始聚类中心和异常数据的限制,聚类结果不稳定的问题,本文提出了基于差分进化的加权k-means算法,优先选择初始聚类中心,采用差分进化算法,根据样本对聚类分析影响程度不同,设... 详细信息

针对处理大样本数据时聚类算法的局限性,以及k-means算法受初始聚类中心和异常数据的限制,聚类结果不稳定的问题,本文提出了基于差分进化的加权k-means算法,优先选择初始聚类中心,采用差分进化算法,根据样本对聚类分析影响程度不同,设计加权欧氏距离,来减少异常点带来的不利影响,从而获得稳定的聚类结果。实验结果表明,该算法选择的初始聚类中心更接近最终聚类中心,提高了算法的计算效率。

关键词：差分进化 k-means算法加权k-means算法

来源：评论

学校读者我要写书评

暂无评论

基于加权k-means算法的车辆使用特征研究

引用

警察技术 2019年第4期 85-88页

作者：孔晨晨杨广明董炳辉黄瑛公安部交通管理科学研究所陕西省宝鸡市公安局贵州省公安厅交通警察总队

为确保出行管理措施的合理性与有效性,建立了基于加权k-means算法的车辆使用特征分类模型,并对各分类中车辆组成、在流量中的占比、车辆来源地与目的地进行了研究,最后结合各类车辆使用特征提出了管控建议。研究结果表明,基于加权k-mean... 详细信息

为确保出行管理措施的合理性与有效性,建立了基于加权k-means算法的车辆使用特征分类模型,并对各分类中车辆组成、在流量中的占比、车辆来源地与目的地进行了研究,最后结合各类车辆使用特征提出了管控建议。研究结果表明,基于加权k-means算法的数据挖掘方法可以对不同使用特征车辆进行有效分类,有利于交通管理者掌握交通流组成情况并进行精细化管理,对于缓解城市拥堵,提高交通系统运行效率具有重要意义。

关键词：城市交通出行管理加权k-means算法车辆分类

来源：评论

学校读者我要写书评

暂无评论

改进划分方式和特征加权方式的k-means算法研究

改进划分方式和特征加权方式的k-means算法研究

引用

作者：黎雪刚南昌工程学院

学位级别：硕士

在聚类算法中,经典k-means算法一直应用最广泛的算法之一,但由于k-means算法只适用于凸性数据集,而对非凸性数据集的聚类效果不佳,因此研究者们针对这个问题提出了许多的优化算法。加权k-means类型聚类算法是k-means算法的一种改进算法... 详细信息

在聚类算法中,经典k-means算法一直应用最广泛的算法之一,但由于k-means算法只适用于凸性数据集,而对非凸性数据集的聚类效果不佳,因此研究者们针对这个问题提出了许多的优化算法。加权k-means类型聚类算法是k-means算法的一种改进算法,使得k-means类型聚类算法能够适应更多的场景,聚类性能也得到了的提升,因此k-means类型聚类算法拥有了更广泛的前景。尽管加权k-means类型聚类算法优化了经典k-means算法,但是算法中仍然存在着一定的缺陷:(1)k-means类型聚类算法在聚类过程中划分对象通常使用的是基于欧氏距离或曼哈顿距离的对象划分方式,在对含有簇内距离大于簇间距离的对象的数据集进行聚类时,往往会出现划分错误,最终导致结果不理想;(2)现有的加权k-means类型聚类算法的加权方式通常是通过迭代更新权重矩阵来获得特征权重,而这种方式通常无法排除噪声特征在聚类过程中的影响,并且在使用特征权重进行计算的过程中存在着缺陷。针对以上问题,本文分别对算法进行了相应的改进:(1)针对簇边界模糊且簇内距离大于簇间距离的对象的划分问题,本文提出了一种新的划分方式,通过比较对象划分时对簇产生的影响大小进行划分,避免了边界对象根据距离大小划分出现划分错误的问题;(2)针对现有的通过迭代产生权重的加权方式,本文提出了一种基于协方差矩阵的特征加权方式,排除了噪声特征对聚类过程的影响,并且避免了特征权重的使用缺陷问题。最后将改进算法在真实数据集上进行实验,将其与现有的k-means类型聚类算法的聚类结果根据四种外部评价指标进行比较和分析。实验表明,本文所提出的算法能有效地提升聚类性能,具有广泛的应用前景。

关键词： k-means算法加权k-means算法欧氏距离划分方式特征权重

来源：评论

学校读者我要写书评

暂无评论

基于Python的加权k-means聚类算法研究

引用

中国新技术新产品 2024年第19期 1-3页

作者：孙晶太原科技大学计算机科学与技术学院山西太原030000

本文针对k均值聚类算法在现实问题中的复杂性提出一种加权的聚类算法。k-means算法是一种经典的聚类算法,针对这种算法中的问题,目前有很多处理方法,例如确定初始聚类数k值、选择初始聚类中心点、数据点的权重影响以及孤立点的处理方式... 详细信息

本文针对k均值聚类算法在现实问题中的复杂性提出一种加权的聚类算法。k-means算法是一种经典的聚类算法,针对这种算法中的问题,目前有很多处理方法,例如确定初始聚类数k值、选择初始聚类中心点、数据点的权重影响以及孤立点的处理方式等。在实际问题中,坐标数据点的权重不同,本文将权值附加在数据点中,再使用肘部法则计算聚类数k值的最佳选择,分析数据点归属的簇。在数据集中进行比较,试验结果表明,与原算法相比,本文算法更接近实际数据分布,轮廓系数更接近1,聚类效果更好。

关键词：加权k-means算法肘部法则轮廓系数

来源：评论

学校读者我要写书评

暂无评论

学习型离散排超联赛算法求解带时间窗的绿色多车型两级车辆路径问题

引用

控制理论与应用 2023年第3期40卷 549-557页

作者：李正雯胡蓉钱斌金怀平吕阳昆明理工大学信息工程与自动化学院云南昆明650500 昆明理工大学云南省人工智能重点实验室云南昆明650500

针对现实中广泛存在的带时间窗的绿色多车型两级车辆路径问题(G2E-HVRP-TW),本文提出一种结合加权k-means算法(WkA)的学习型离散排超联赛算法(LDVPLA)进行求解.首先,根据该问题规模大、约束多的特点,采用WkA将原问题G2E-HVRP-TW分解为... 详细信息

针对现实中广泛存在的带时间窗的绿色多车型两级车辆路径问题(G2E-HVRP-TW),本文提出一种结合加权k-means算法(WkA)的学习型离散排超联赛算法(LDVPLA)进行求解.首先,根据该问题规模大、约束多的特点,采用WkA将原问题G2E-HVRP-TW分解为一个绿色多车型车辆路径子问题(GHVRP)和一组带时间窗的GHVRP(GHVRP-TW),从而实现两级问题间的部分解耦,以合理缩小搜索空间.然后,利用LDVPLA求解分解后的一系列子问题,并将各子问题的解合并后得到原问题的解. LDVPLA在竞赛阶段将标准排超联赛算法(VPLA)中实数个体更新操作替换为一系列排序操作,使其能够直接在问题离散解空间内执行基于VPLA机制的搜索,可提高搜索效率;在学习阶段构建三维概率矩阵模型合理学习并积累优质解信息,有利于驱动算法较快到达解空间中的优质解区域执行搜索;在淘汰阶段设计一种重启策略,可避免算法过早陷入局部最优.最后,通过在不同规模算例上的仿真实验和算法对比,验证了所提算法的有效性.

关键词：两级车辆路径问题绿色多车型时间窗加权k-means算法排超联赛算法

来源：评论

学校读者我要写书评

暂无评论

聚类分析理论研究及在流程企业中的应用

引用

计算机工程 2006年第17期32卷 19-21,27页

作者：闫伟张浩陆剑峰袁磊同济大学CIMS研究中心上海200092 上海电力学院电力与自动化工程学院上海200092

采用数据挖掘中的聚类算法对流程企业的大量的历史数据进行分析,采用基于欧几里德距离的加权k-means算法建立了参数的聚类模型,分析簇团内不同相似度时的参数个数比例,得到参数点离核指数的定义。针对实时检测出的异常点,结合CBLOF(t)... 详细信息

采用数据挖掘中的聚类算法对流程企业的大量的历史数据进行分析,采用基于欧几里德距离的加权k-means算法建立了参数的聚类模型,分析簇团内不同相似度时的参数个数比例,得到参数点离核指数的定义。针对实时检测出的异常点,结合CBLOF(t)的概念,提出了一种新的离群指数的定义。以此为基础,有效地对设备的运行状况进行监控,从而起到设备运行优化和故障预警的作用。

关键词：聚类分析加权k-means算法离核指数离群指数流程企业

来源：评论

学校读者我要写书评

暂无评论

加权聚类分析在设备运行监控中的应用

引用

计算机工程与应用 2004年第26期40卷 31-32,58页

作者：闫伟张浩陆剑峰张辉同济大学CIMS研究中心上海200092

论文采用数据挖掘中的聚类分析算法对流程企业的大量而正常的历史数据进行分析,首先采用基于欧几里德距离的加权k-means算法建立了参数的聚类模型,然后用相关系数法计算每个簇团中的参数和中心参数的相似度,得到了相似度阈值。以此为基... 详细信息

论文采用数据挖掘中的聚类分析算法对流程企业的大量而正常的历史数据进行分析,首先采用基于欧几里德距离的加权k-means算法建立了参数的聚类模型,然后用相关系数法计算每个簇团中的参数和中心参数的相似度,得到了相似度阈值。以此为基础,可以对设备的运行状况进行监控,从而起到设备运行优化和故障预警的作用。

关键词：聚类分析加权k-means算法相关系数法状态监控流程企业

来源：评论

学校读者我要写书评

暂无评论

基于Spark架构的离散型制造业信息化研究与优化

基于Spark架构的离散型制造业信息化研究与优化

引用

作者：廖文喆河北工业大学

学位级别：博士

离散型制造业信息化是我国企业数据处理的主要发展方向和管理方式，离散型制造业在生产过程中数据产生的随机性、动态性、衍生性更强，更容易出现突发性数据任务处理事件，任务处理节点的机能特性影响整个企业数据处理流程，企业运作过... 详细信息

离散型制造业信息化是我国企业数据处理的主要发展方向和管理方式，离散型制造业在生产过程中数据产生的随机性、动态性、衍生性更强，更容易出现突发性数据任务处理事件，任务处理节点的机能特性影响整个企业数据处理流程，企业运作过程中产生的随机任务和突发任务在整个处理流程中占据了极大的比例。　　对一个包含了从合同、采购、生产、库存、运输、安装和质检等环节的离散型制造企业进行调研，分析现有的企业之中各个生产环节之间和各个部门之间产生的数据，细化数据处理流程，将整个企业生产流程解析为十四个子模块和两个支撑系统，根据数据流向将它们搭建为一个全新的Spark信息化平台。以Spark架构作为整个信息化平台的基础，引入并行计算来处理信息化平台中数据，根据企业的需求和运作构筑各个系统子模块，建立了基于Spark的全新信息化数据处理平台。　　针对离散型制造企业产生大量流数据，包括但不限于视频、音频、图片和文档等不规则的非结构化数据。本文使用聚类分析的数据挖掘方法对企业生产过程中产生的视频和音频等流数据型非结构化数据进行处理，以Spark架构内存计算为基础构建出并行加权k-means算法，来达到单位时间内高速处理流数据的目的，以此对企业的生产进行指导。　　对离散型制造企业的生产计划，任务调度，加工制造，发运和安装施工等环节进行分析，根据生产过程的特点，将企业生产任务调度问题转化为一种非线性优化问题，以拟牛顿法L-BFGS为基础进行优化，借助Spark架构的内存计算和多次迭代的优势，将L-BFGS算法进行并行优化，得到了VR-BFGS算法，从而达到了对于复杂离散型制造企业任务调度问题的优化。　　针对企业的信息化建设中的数据资源分配进行研究，着重于解决公平有效的数据资源公平分配问题，以单资源的最大最小公平算法为基础，扩展到加权多资源多异构性的数据系统中，对每个工作节点的运行性能进行分析，将资源需求大和工作优先级高的任务配比到高性能的工作节点，在每个工作任务都会获得数据资源的同时保证高权重任务的大量资源和高性能节点分配，得到一种新型的优势资源公平分配算法来解决离散型企业数据资源公平分配问题。　　围绕着离散型制造业的信息化数据处理架构这一主题，成功的在多资源异构性的复杂离散型制造企业搭建了新型的Spark数据处理平台，构造了一种并行加权k-means算法来处理流数据，提出一种并行VR-BFGS算法解决任务调度等问题，优化了优势资源公平算法来处理企业数据资源分配问题，并且在钢结构建筑业企业中实施，有效的验证了可靠性和有效性。

关键词：离散型制造企业信息化建设 Spark架构加权k-means算法

来源：评论

学校读者我要写书评

暂无评论

基于大数据的聚类算法研究及应用

基于大数据的聚类算法研究及应用

引用

作者：王丽君山东科技大学

学位级别：硕士

本文主要研究k-means聚类算法及其应用。在大数据背景下,传统聚类分析算法的局限性已日益凸显,其中最明显的就是传统聚类算法对于小规模简单数据集执行效率高且聚类结果良好,但面对大规模高维数据集,传统k-means算法就会出现诸如效率低... 详细信息

本文主要研究k-means聚类算法及其应用。在大数据背景下,传统聚类分析算法的局限性已日益凸显,其中最明显的就是传统聚类算法对于小规模简单数据集执行效率高且聚类结果良好,但面对大规模高维数据集,传统k-means算法就会出现诸如效率低下、准确率降低等缺点,而且k-means算法易受初始中心和异常数据的影响,影响聚类准确性。针对以上问题,本文对面向大规模高维数据的k-means聚类分析算法进行了研究分析并进行改进,提高其在大规模高维数据集上的执行效率和准确度。本文的研究工作主要体现在以下三方面。第一,将基于信息熵的核主成分分析法与k-means算法相结合,根据属性的信息熵值对数据属性进行初步筛选,根据规定的阈值去除信息量小的属性,减少冗余属性,然后对提取出的属性进行核主成分分析,从而实现对数据的降维,最后在降维后的数据上实行k-means算法,这样就减少了聚类的计算量,提高了聚类的计算效率。第二,本文针对k-means算法随机选择初始聚类中心易出现聚类结果不稳定的情况,首先对数据集进行简单随机抽样,获得与原始数据集分布基本一致的少量样本数据集,并根据抽样样本空间分布的紧密度程度,利用最小方差优化来实现k-means算法初始聚类中心的选取,减少异常点等不确定因素对初始聚类中心带来的不良影响。其次为了克服聚类计算过程中样本数据不同属性对聚类结果的影响程度,引入熵值法来计算属性权重,从而提出基于优化初始聚类中心的加权k-means算法来提高聚类精度,并通过数值实验验证了算法的可行性和有效性。第三,本文将基于优化初始聚类中心的加权k-means算法应用在航空客户细分研究领域,通过数值试验进一步验证了算法的可行性和有效性。最后对本论文的主要工作和不足之处进行了总结,并提出了以后的研究的思路。

关键词：大规模数据降维信息熵核主成分分析加权k-means算法

来源：评论

学校读者我要写书评

暂无评论

基于加权贝叶斯网络的证据融合方法研究

基于加权贝叶斯网络的证据融合方法研究

引用

作者：陈小雪山东师范大学

学位级别：硕士

近年来,随着互联网的广泛使用,网络犯罪问题日益凸显,网络犯罪率也逐渐升高,严重的影响了日常的工作生活。要想维护一个良好的网络空间,就必需严厉打击网络犯罪活动,而获得具有法律效力的电子证据是打击网络犯罪活动的关键。对于复杂的... 详细信息

近年来,随着互联网的广泛使用,网络犯罪问题日益凸显,网络犯罪率也逐渐升高,严重的影响了日常的工作生活。要想维护一个良好的网络空间,就必需严厉打击网络犯罪活动,而获得具有法律效力的电子证据是打击网络犯罪活动的关键。对于复杂的网络犯罪案件需要采用有效的方法和工具进行处理。由于网络证据信息的来源比较广,数据量多并且数据信息复杂,也存在着很多不确定性信息,导致电子证据的分析效率比较低,在证据融合的阶段也存在着重现犯罪场景不够精确等问题。为了更好的改善聚类分析方法对于网络证据信息的预处理效果,提出了一种改进萤火虫优化的加权k-means算法。对于证据融合方法中的因果关联法在实现过程中,算法实现复杂并且重现场景不够精确等问题,提出了一种加权贝叶斯网络的证据融合方法,并将该方法应用到网络取证系统的证据融合模块中。本文重点工作如下:(1)提出了一种改进萤火虫优化的加权k-means算法。为了更好的解决传统k-means算法易受初始聚类中心和异常数据的影响等缺陷,提出了基于萤火虫优化的加权k-means算法。通过对目标函数引入权值,有效地减少了异常数据等不确定因素带来的不良影响,最终实验结果表明算法在提升聚类性能的同时也提高了收敛速率。(2)提出了一种混沌混合粒子群优化的贝叶斯网络结构学习方法。贝叶斯网络结构学习是一个NP难问题,为了学习到更好的网络结构,本文先使用最大权生成树算法对种群进行初始化;其次将遗传算法中遗传算子的变异操作和交叉操作规则,分别与粒子群算法中粒子的位置更新规则相结合,以实现初始种群的优化;然后利用混沌优化策略对局部较优的部分粒子和全局极值进行扰动,以避免算法的过早收敛。实验采用标准的Alarm和Asia网络验证了上述算法在贝叶斯网络结构学习中所具有的较强寻优能力。(3)建立加权的贝叶斯网络模型并将其应用到网络取证证据融合中。考虑到贝叶斯网络中各节点之间是基于条件独立性假设,而证据要素之间是相互关联的,本文通过给各个节点赋予不同的权重以加强节点之间的联系,并将加权的贝叶斯网络模型应用到网络取证系统的证据融合模块中。在取证系统中,先利用萤火虫优化的加权k-means算法进行数据预处理,主要把数量大且结构复杂的原始证据信息进行处理,去除冗余,聚合生成元证据;然后采用加权的贝叶斯网络模型对元证据信息进行因果分析,利用网络结构图重现网络的犯罪场景并生成对应的取证分析报告。

关键词：加权k-means算法贝叶斯网络结构学习证据融合

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：