检索结果-内蒙古大学图书馆

基于haar小波编码和改进k-medoids算法聚合的用户负荷典型区间场景挖掘

电力自动化设备 2022年第6期42卷 154-160页

作者：许良财邵振国陈飞雄福州大学电气工程与自动化学院福建福州350108 福建省电器智能化工程技术研究中心福建福州350108

针对单一典型曲线无法满足负荷不确定性分析需求的问题,提出一种基于haar小波编码和改进k-medoids算法聚合的用户负荷典型区间场景挖掘方法。将原始负荷曲线经haar小波变换得到低维负荷近似序列;对负荷近似序列每个维度的特征集分别进... 详细信息

针对单一典型曲线无法满足负荷不确定性分析需求的问题,提出一种基于haar小波编码和改进k-medoids算法聚合的用户负荷典型区间场景挖掘方法。将原始负荷曲线经haar小波变换得到低维负荷近似序列;对负荷近似序列每个维度的特征集分别进行聚类,提取类簇所包含特征的边界值,得到数值区间并进行编码;根据特征占比剔除非显著数值区间,并组合不同维度的显著数值区间得到字符串表征的负荷区间序列;定义字符串差异度衡量负荷区间序列的相似性,利用改进k-medoids算法聚合得到负荷区间序列类簇,并提取类簇所包含的负荷近似序列的边界值以得到典型区间场景;设置差异度阈值实现典型区间场景的粒度调节。使用爱尔兰地区某用户实测负荷数据进行验证,实验结果表明所提方法可以实现不同粒度负荷典型区间场景的挖掘。

关键词：典型区间场景负荷近似序列 haar小波变换区间编码 k-medoids算法

来源：评论

学校读者我要写书评

暂无评论

基于k-medoids算法的大学生体质分类评价模型研究

引用

运筹与模糊学 2024年第3期14卷 1185-1193页

作者：刘禹宏张琛煜仇周亮耿秀丽上海理工大学管理学院上海上海理工大学体育教学部上海

大学生是国家发展重要的后备力量。然而缺乏科学规律的身体锻炼以及熬夜等生活习惯问题使得大学生体质健康检测结果不理想。为了深入分析大学生体质情况现状,建立了一种基于k-medoids算法的大学生体质健康分类评价模型。以某高校的实际... 详细信息

大学生是国家发展重要的后备力量。然而缺乏科学规律的身体锻炼以及熬夜等生活习惯问题使得大学生体质健康检测结果不理想。为了深入分析大学生体质情况现状,建立了一种基于k-medoids算法的大学生体质健康分类评价模型。以某高校的实际体测数据为样本,进行了案例分析,所得结果可应用于学生体质改善方案的制定中。

关键词： k-medoids算法大学生体质健康分类评价模型

来源：评论

学校读者我要写书评

暂无评论

基于全覆盖粒度k-medoids算法的文本聚类及综合性能评估

引用

江苏通信 2023年第6期39卷 75-77页

作者：石永鑫北京网络职业学院软件工程系

为了弥补k-medoids算法容易引起收敛过程产生局部极小值问题,结合全覆盖粒度方面考虑,设计了一种基于全覆盖粒度k-medoids算法的文本聚类及其综合性能综合评估方法。以全覆盖粒计算作为参考依据,先计算出各文档特征词权重占比。通过Sing... 详细信息

为了弥补k-medoids算法容易引起收敛过程产生局部极小值问题,结合全覆盖粒度方面考虑,设计了一种基于全覆盖粒度k-medoids算法的文本聚类及其综合性能综合评估方法。以全覆盖粒计算作为参考依据,先计算出各文档特征词权重占比。通过Single Pass聚类算法完成样本集的聚类计算,获得粒度重要度指标,对剩余样本进行重新分配获得最近聚类中心,最终确保各对象与类簇中心距离达到一个稳定值。研究结果表明:全覆盖粒方法构建的k-medoids聚类算法可以实现聚类精度的显著提升。

关键词：文本聚类 k-medoids算法全覆盖粒度性能评估

来源：评论

学校读者我要写书评

暂无评论

改进的方差优化初始中心的k-medoids算法

引用

计算机技术与发展 2020年第7期30卷 42-45,134页

作者：张晓滨母玉雪西安工程大学计算机科学学院陕西西安710600

针对传统k-medoids算法对于初值敏感、容易陷入局部最优解、稳定性差等缺点和方差优化初始中心的k-medoids聚类算法的时间复杂度较高、邻域半径不够精确等问题,提出一种改良的基于方差优化初始中心的k-medoids聚类算法。该算法引入了全... 详细信息

针对传统k-medoids算法对于初值敏感、容易陷入局部最优解、稳定性差等缺点和方差优化初始中心的k-medoids聚类算法的时间复杂度较高、邻域半径不够精确等问题,提出一种改良的基于方差优化初始中心的k-medoids聚类算法。该算法引入了全局方差的概念,并将其作为样本的密度参数,选择部分方差值较小的样本作为候选初始聚类中心样本集,并利用最大距离乘积法从候选初始聚类中心样本集中选取方差值较小且距离较远的k个样本当作初始聚类中心,该算法充分兼顾了初始聚类中心的分散性和代表性。在更新簇类中心时,根据样本密度原则逐步扩大搜索范围,代替了传统的随机选取。通过在UCI数据集上的实验结果表明,该算法不仅有效优化了初始聚类中心点的选取,同时也有效改进了聚类速度和聚类效果。

关键词： k-medoids算法初始聚类中心方差优化最大距离乘积法样本密度

来源：评论

学校读者我要写书评

暂无评论

基于SOM算法改进的k-medoids算法及其研究

基于SOM算法改进的K-medoids算法及其研究

引用

作者：寇磊太原理工大学

学位级别：硕士

科技的飞速发展,引起信息的急剧膨胀,给计算机存储和行业数据库带来巨大挑战。随着数据指数级的增大,维度不断加大,数据类型的复杂度也在不断提升。对于这些超高维数据,需要通过数据挖掘技术来探索隐藏于数据内的信息并利用获取的信息... 详细信息

科技的飞速发展,引起信息的急剧膨胀,给计算机存储和行业数据库带来巨大挑战。随着数据指数级的增大,维度不断加大,数据类型的复杂度也在不断提升。对于这些超高维数据,需要通过数据挖掘技术来探索隐藏于数据内的信息并利用获取的信息辅助我们做出科学合理的预测与决策。常见处理高维数据方法有:数据降维、聚类分析、回归分析等。本文介绍了传统的自组织映射(SOM)神经网络和k-medoids算法。传统的SOM算法在使用时,存在部分样本点和对应的权向量之间差距较大,造成聚类的准确性较低;k-medoids算法在聚类前需要人为确定聚类个数和初始中心点,而不同的聚类个数和初始中心点的选择会造成不同的聚类结果。为弥补以上两种方法的不足,本文提出一种自组织映射(SOM)神经网络与k-medoids算法结合的算法——改进的SOM-k算法。文中,第一章详细描述了大数据背景下,聚类和降维算法的研究意义;第二章主要讲述了基于聚类算法距离的定义;第三章主要阐述传统的k-medoids算法和SOM算法;第四章主要说明了本文提出的基于SOM算法与k-medoids算法的改进聚类算法并比较了传统的k-medoids算法、SOM算法和SOM-k算法对鸢尾花数据集的聚类结果,证实了 SOM-k算法是优于传统的k-medoids算法和SOM算法的一种算法;第五章用SOM-k算法对于全国水资源分布进行聚类分析并结合分析结果给出详细的结论阐述;第六章进行总结与展望,阐明改进算法的优势与不足,以便后续继续学习与探究。

关键词：聚类分析 SOM算法 k-medoids算法 SOM-k算法水资源分析

来源：评论

学校读者我要写书评

暂无评论

基于SOM算法改进k-medoids算法及其研究

基于SOM算法改进K-medoids算法及其研究

引用

作者：寇磊太原理工大学

学位级别：硕士

科技的飞速发展，引起信息的急剧膨胀，给计算机存储和行业数据库带来巨大挑战。随着数据指数级的增大，维度不断加大，数据类型的复杂度也在不断提升。对于这些超高维数据，需要通过数据挖掘技术来探索隐藏于数据内的信息并利用获取的... 详细信息

科技的飞速发展，引起信息的急剧膨胀，给计算机存储和行业数据库带来巨大挑战。随着数据指数级的增大，维度不断加大，数据类型的复杂度也在不断提升。对于这些超高维数据，需要通过数据挖掘技术来探索隐藏于数据内的信息并利用获取的信息辅助我们做出科学合理的预测与决策。常见处理高维数据方法有：数据降维、聚类分析、回归分析等。\n 本文介绍了传统的自组织映射(SOM)神经网络和k-medoids算法。传统的SOM算法在使用时，存在部分样本点和对应的权向量之间差距较大，造成聚类的准确性较低;k-medoids算法在聚类前需要人为确定聚类个数和初始中心点，而不同的聚类个数和初始中心点的选择会造成不同的聚类结果。为弥补以上两种方法的不足，本文提出一种自组织映射(SOM)神经网络与k-medoids算法结合的算法—改进的SOM-k算法。\n 文中，第一章详细描述了大数据背景下，聚类和降维算法的研究意义；第二章主要讲述了基于聚类算法距离的定义；第三章主要阐述传统的k-medoids算法和SOM算法；第四章主要说明了本文提出的基于SOM算法与k-medoids算法的改进聚类算法并比较了传统的k-medoids算法、SOM算法和SOM-k算法对鸢尾花数据集的聚类结果，证实了SOM-k算法是优于传统的k-medoids算法和SOM算法的一种算法；第五章用SOM-k算法对于全国水资源分布进行聚类分析并结合分析结果给出详细的结论阐述；第六章进行总结与展望，阐明改进算法的优势与不足，以便后续继续学习与探究。

关键词：自组织映射神经网络 k-medoids算法鸢尾花数据集

来源：评论

学校读者我要写书评

暂无评论

大数据环境中知识服务及k-medoids算法改进研究

大数据环境中知识服务及K-medoids算法改进研究

引用

作者：谭黔林广西大学

学位级别：硕士

传统知识服务主要是通过技术手段、数据资源、服务策略为用户提供可靠、详实的信息资料及服务。随着网络技术、计算机技术及信息技术的发展,数字信息资源与日俱增,不断冲击着传统的知识服务模式,一些传统的技术方法、服务手段已不能满... 详细信息

传统知识服务主要是通过技术手段、数据资源、服务策略为用户提供可靠、详实的信息资料及服务。随着网络技术、计算机技术及信息技术的发展,数字信息资源与日俱增,不断冲击着传统的知识服务模式,一些传统的技术方法、服务手段已不能满足大数据集下用户的信息需求。本文通过对大数据时代高校图书馆知识服务所采用的技术手段、服务模式的研究,结合大数据处理的核心技术、知识聚类的关键算法以及数据处理平台,提出了大数据背景下的知识服务模型,改进了大数集下知识聚类算法k-medoids,设计了相应的检索系统。本文的主要工作有以下几个方面：1.从大数据背景下知识服务的现状出发,结合数据库系统、查询系统、服务系统等,构建了大数据背景下的知识搜索模型,为大数据背景的知识搜索服务提供了理论参考。2.针对k-medoids算法聚类时对聚类中心选择的敏感性以及在处理大量数据集聚类过程中性能低下的缺点,提出了改进的k-medoids知识聚类算法,并利用相关的测试文档进行测试。测试结果表明,所改进算法与知识提取算法的结合,有效提高了聚类过程中的文档查全率、查准率及F1值,减少了对文档的分割,提高了聚类效率。3.根据提出的知识服务模型,结合改进的k-medoids聚类方法,设计实现了一个聚类搜索系统。系统运行结果表明,基于本文提出的知识服务模型和改进的聚类算法的系统能够克服传统搜索引擎在处理数据时分类效果不佳和耗时长等问题。

关键词：大数据知识服务 k-medoids算法聚类搜索

来源：评论

学校读者我要写书评

暂无评论

改进的k-medoids算法在入侵检测中的应用

改进的k-medoids算法在入侵检测中的应用

引用

作者：李元山东师范大学

学位级别：硕士

信息技术的飞速发展超乎了我们的想象,并且已经广泛应用到生活中的各个领域,现在我们的日常生活已经离不开计算机,甚至是出现了很多新生的科技产品,他们与计算机的工作方式极其相似,比如智能手机,平板电脑。我们用这些高科技产品进行沟... 详细信息

信息技术的飞速发展超乎了我们的想象,并且已经广泛应用到生活中的各个领域,现在我们的日常生活已经离不开计算机,甚至是出现了很多新生的科技产品,他们与计算机的工作方式极其相似,比如智能手机,平板电脑。我们用这些高科技产品进行沟通、交流、学习,加之网络的存在,它甚至深入到了购物、吃饭、出行等一系列的生活细节。随之而来的就是对信息安全问题的严峻考验。而且网络入侵手段长速度非常快。在日常生活中越来越多的人被盗号,越来越多的黑客利用不法手段,获取他人财物,对人们的正常生活造成了很大的损失,但是由于能力所限还有每个人的工作学习方向不尽相同,我们无法要求每个使用网络的人都会保护自己的电脑安全,只能通过电脑系统本身在网络安全性能上的提高,来预防入侵事件的发生。人们不得不去寻求好的方法,对入侵进行防御,但是黑客的技术也在不断升级,所以传统的被动的防火墙等静态防御方式面临了巨大的挑战。而入侵检测的主动防御,恰恰很好的弥补了传统技术的缺陷。本文基于入侵检测技术,以数据挖掘聚类分析为切入点,寻求应对大数据环境下数据挖掘入侵检测的新技术。聚类分析是随着计算机技术的发展研究新兴的一种数据挖掘技术的研究方向,它将大量的数据,按照一定的规则进行分类,使相似的数据聚集成一类,以达到区分的目的。而聚类的特点恰好符合入侵检测对算法的要求,入侵的行为首先来说相对于日常的网络行为是较少的,并且可以根据不同的入侵事件特征,将相类似点提取出来,进行聚类整合。所以本文重点研究改进的k中心点聚类算法与入侵检测相结合的方法,文章包含以下几个方面:第一,对入侵检测系统和聚类分析方法进行系统阐述,分析了现有的聚类方法在大数据环境下应用于入侵检测时的优缺点。第二,介绍网络入侵检测、聚类分析的相关技术以及k中心点聚类算法应用在大数据环境下入侵检测遇到的问题,并在原有的k-medoids算法基础上进行改进,将改进的k-medoids算法应用到入侵检测中。第三,利用当今入侵检测中公认的kDD CUP99数据集进行实验,最终实验结果显示,改进的算法能更好地适应大数据环境下得入侵检测,并且大大提高入侵检测效率,还能有效地降低时间空间复杂度。

关键词：入侵检测数据挖掘 k-medoids算法网络安全

来源：评论

学校读者我要写书评

暂无评论

基于遗传模拟退火算法的改进k-medoids算法

引用

吉林大学学报（工学版） 2015年第2期45卷 619-623页

作者：韩啸刘淑芬徐天琦吉林大学计算机科学与技术学院长春130012 吉林大学学报编辑部长春130012

针对标准k-medoids算法在大数据聚类应用中易陷入局部最优解以及聚类效果受初始中心限制的缺点,提出了基于遗传模拟退火算法的k-medoids改进算法。该算法结合遗传算法和模拟退火算法,可以增强标准k-medoids算法在聚类时的全局搜索能力,... 详细信息

针对标准k-medoids算法在大数据聚类应用中易陷入局部最优解以及聚类效果受初始中心限制的缺点,提出了基于遗传模拟退火算法的k-medoids改进算法。该算法结合遗传算法和模拟退火算法,可以增强标准k-medoids算法在聚类时的全局搜索能力,并加快其收敛速度。对比实验证明:这一改进有效地弥补了标准k-medoids算法的上述缺陷,达到了提高聚类效率、加快收敛速度、改善聚类质量的目的。

关键词：计算机应用聚类 k-medoids算法遗传模拟退火算法

来源：评论

学校读者我要写书评

暂无评论

基于改进k-medoids算法的科技文献特征选择方法

引用

华中师范大学学报（自然科学版） 2015年第4期49卷 541-545页

作者：李俊州武莹开封大学艺术设计学院河南开封475004 开封大学软件职业技术学院河南开封475004

根据科技文献的结构特点搭建了一个四层挖掘模式,并结合k-medoids算法提出了一个特征选择方法.该选择方法首先依据科技文献的结构将其分为4个层次,然后通过k-medoids算法聚类对前3层逐层实现特征词提取,紧接着再使用Aprori算法找出第4... 详细信息

根据科技文献的结构特点搭建了一个四层挖掘模式,并结合k-medoids算法提出了一个特征选择方法.该选择方法首先依据科技文献的结构将其分为4个层次,然后通过k-medoids算法聚类对前3层逐层实现特征词提取,紧接着再使用Aprori算法找出第4层的最大频繁项集,并作为第4层的特征词集合.同时,由于k-medoids算法的精度受初始中心点影响较大,为了改善该算法在特征选择中的效果,论文又对k-medoids算法的初始中心点选择进行优化.实验结果表明,结合优化k-medoids的四层挖掘模式在科技文献分类方面有较高的准确率.

关键词：文本分类特征选择 k-medoids算法

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：