检索结果-内蒙古大学图书馆

作者：罗妤重庆大学

学位级别：硕士

聚类分析是数据挖掘中的一个重要研究领域,是一种数据划分或分组处理的重要手段和方法。聚类的应用是非常广泛的,无论是在商务领域,还是在生物学、Web 文档分类、图像处理等其它领域,都得到了有效的应用。目前聚类算法大体上分为基于划... 详细信息

聚类分析是数据挖掘中的一个重要研究领域,是一种数据划分或分组处理的重要手段和方法。聚类的应用是非常广泛的,无论是在商务领域,还是在生物学、Web 文档分类、图像处理等其它领域,都得到了有效的应用。目前聚类算法大体上分为基于划分的方法、基于层次的方法、基于密度的方法、基于网格的方法、基于模型的方法以及模糊聚类。微软Analysis Services 分析服务软件提供了一种基于密度算法的聚类分析实用数据挖掘工具。本文使用该工具,基于重庆两百公司商场的OLTP 数据,创建了该商场销售分析用数据仓库。在此基础上建立了顾客特征聚类数据挖掘模型,对商场的客户群特征进行了聚类分析;接着,又将客户特征与所购商品类别进行了联合聚类,分析了顾客特征与购买商品类别之间的联系。本文给出了从分析目标确定,数据仓库建模,数据迁移,挖掘模型确定,挖掘处理到挖掘结果分析的全过程。目前,许多商场都使用了顾客卡,可以获得一定的顾客特征信息,这为顾客分析奠定了基础,本文的应用实例为这类应用提供了有益的参考。 k-means 算法是聚类算法中主要算法之一。它是一种基于划分的聚类算法。该算法随机选取k(k 为聚类数)个点作为初始聚类中心,通过一个迭代过程完成聚类。如果初始聚类中心选取不合理,就会误导聚类过程,得到一个不合理的聚类结果。层次凝聚算法是一种不需要确定初始聚类中心的算法,它采用自底向上的方法,通过逐层合并相近的类进行聚类。该算法的缺点是计算量很大。本文对k-means 算法中初值的选取方法进行了分析和研究,采用对数据集进行均匀采样,得到一个能在一定程度上代表原数据集特征的子集,在子集中采用层次凝聚算法得到k 个聚类中心,最后在原数据集上以离这k 个聚类中心最近的点作为初始聚类中心进行k-means 算法聚类。由于层次凝聚算法是在一个小数据集上运行的,计算量不会很大。在进行k-means 算法聚类时,由于初始聚类中心接近真实值,可以大大提高聚类效果。实例计算证实了该改进算法的有效性。

关键词：数据挖掘聚类分析 k-means 算法

来源：评论

学校读者我要写书评

暂无评论

k-means 聚类算法研究现状

引用

成功营销 2021年第10期 166-167页

作者：陈芳敏艾普深瞳(北京)智能科技有限公司北京 100027

k-means 算法是聚类算法中基于划分的一种典型算法,是数据挖掘的一种常用的数据挖掘方法。该聚类算法容易实现,应用广泛。但是也有一定的缺点,就是均值不好把握,k 的取值很难确定,数据集比较难收敛,隐含类别的数据不平衡等,因此该算... 详细信息

k-means 算法是聚类算法中基于划分的一种典型算法,是数据挖掘的一种常用的数据挖掘方法。该聚类算法容易实现,应用广泛。但是也有一定的缺点,就是均值不好把握,k 的取值很难确定,数据集比较难收敛,隐含类别的数据不平衡等,因此该算法有很多变体,从而很多人对其进行各种改进优化。对此,本文从多个方面阐述 k-means 算法的改进优化方法,并进行概括其优缺点,分析问题。从而对该方法的发展进行展望。

关键词： k-means 算法数据挖掘变体改进优化方法

来源：评论

学校读者我要写书评

暂无评论

5G超密集网络干扰对齐技术研究

5G超密集网络干扰对齐技术研究

引用

作者：姜曼北京邮电大学

学位级别：硕士

无线通信系统的数据流量在过去十年间经历了爆发式的增长,各种移动通信服务和多种类型的终端设备不断涌现。无线通信产业的运营商和设备商等在下一个十年将面临1000倍的数据流量的增长,如何更高效、以更低廉的运营成本实现巨大流量的支... 详细信息

无线通信系统的数据流量在过去十年间经历了爆发式的增长,各种移动通信服务和多种类型的终端设备不断涌现。无线通信产业的运营商和设备商等在下一个十年将面临1000倍的数据流量的增长,如何更高效、以更低廉的运营成本实现巨大流量的支撑是未来通信领域中各大厂商所面临的挑战。超密集网络(UDN, Ultra-DenseNetworks)因其能够为用户终端提供更高的数据速率,同时能降低网络设备的部署成本,已成为一种最具发展前景的5G候选技术。通过无线接入节点的密集、随机化部署,空间上的频率复用率进一步的提高,同时随机化的部署方式也将带来蜂窝网覆盖区域的多变性和不规则性。这样的小区本文称其为无定形或非晶体蜂窝小区,此种部署情况将会引起更加复杂的干扰。本文首先介绍了两大知识背景,包括5G超密集组网部署的特点以及干扰对齐技术的理论基础和局限性。随后,在对无定形超密集网络架构讨论的基础上,提出一种基于RANaaS的密集网络架构演进的观点。此观点的提出是考虑到用户和数据业务所具有的“潮汐效应”,未来密集网络将以用户为中心,融合多种无线技术,实现“软”区域覆盖,具备提供“动态”服务和“智能”传输的能力。本文在后续部分提出了一种新的干扰协调策略,采取分簇机制,针对互不相交的子簇中的无定形蜂窝实施干扰对齐,簇间干扰做简化处理,从而降低超密集网络干扰消除的复杂度和开销。该策略的一个主要的优势或价值就是能够有效地确认并消除终端受到的主要干扰,就是强干扰。本文提出一种基于主干扰占比(DIR)检测的k-means最优分簇算法,获得一种适应于网络干扰场景动态变化的特征的干扰管理办法。同时采取一种基于空间随机几何分布(泊松点过程,PPP)的Voronoi网络模型,通过仿真证明了该干扰对齐策略的有效性。

关键词：超密集网络主干扰占比干扰对齐分簇 k-means 算法

来源：评论

学校读者我要写书评

暂无评论

光调制格式识别技术研究

光调制格式识别技术研究

引用

作者：孙梦吉北京交通大学

学位级别：硕士

为了适应迅速发展的信息时代,相干光通信技术变得越发复杂。随着可重构发射机的出现,相干接收机向着自适应方向发展,因此光调制格式识别技术的研究得到了广泛的关注。目前调制格式识别中应用最广泛的算法有神经网络和k-means等,神经网... 详细信息

为了适应迅速发展的信息时代,相干光通信技术变得越发复杂。随着可重构发射机的出现,相干接收机向着自适应方向发展,因此光调制格式识别技术的研究得到了广泛的关注。目前调制格式识别中应用最广泛的算法有神经网络和k-means等,神经网络属于监督式学习算法,但训练成本高;k-means属于非监督式学习算法,无训练成本但必须要提前确定k值。在此前提下,本文引入了非监督式学习算法中国餐馆过程(Chinese Restaurant Process,CRP)和迭代自组织数据分析算法(Iterative Self-organizing Data Analysis Techniques Algorithm,ISODATA)进行调制格式识别。两种算法不仅没有训练成本,还在k值选取上变得更加灵活。主要研究工作如下:1.阐述了相干光通信系统结构以及光调制格式识别一般流程。利用OptiSystem 和 MATLAB 搭建了比特率为 112Gbit/s 的 BPSk、QPSk、8PSk、8QAM和16QAM的相干光通信系统。2.研究了斯托克斯空间表征下基于CRP算法的光调制格式识别技术。仿真分析了调制格式识别率与OSNR、符号数量、光源线宽、传输距离和入纤功率下的关系,验证了该调制格式识别技术的可行性。3.研究了最小二乘拟合平面表征下基于ISODATA算法的光调制格式识别技术。仿真分析了不同调制格式在不同OSNR、符号数量、光源线宽、传输距离和入纤功率下的识别率,验证了所提光调制格式识别技术的可行性。由于增加了最小二乘拟合平面,整体均比CRP算法识别效果高。4.对比研究了 CRP算法、ISODATA算法和传统k-means算法的调制格式识别性能。结果表明,CRP算法和ISODATA算法的识别效果均优于k-means算法;ISODATA算法对PSk信号的识别效果优于CRP算法;CRP算法对QAM信号的识别效果优于ISODATA算法。

关键词：调制格式识别斯托克斯空间最小二乘拟合平面中国餐馆过程 ISODATA 算法 k-means 算法

来源：评论

学校读者我要写书评

暂无评论

新能源汽车电池配送算法与机制研究

新能源汽车电池配送算法与机制研究

引用

作者：杨琳华东师范大学

学位级别：硕士

在低碳经济的大背景下,新能源汽车成为未来汽车发展的方向。在新能源汽车的推广过程中,汽车的续航能力是不可忽视的重要环节。由于目前新能源充电站数量有限,在途更换电池将成为一种新的服务模式。根据实际需求,新能源汽车既可以自行前... 详细信息

在低碳经济的大背景下,新能源汽车成为未来汽车发展的方向。在新能源汽车的推广过程中,汽车的续航能力是不可忽视的重要环节。由于目前新能源充电站数量有限,在途更换电池将成为一种新的服务模式。根据实际需求,新能源汽车既可以自行前往服务站进行电池更换,也可以请求配送中心对其在行驶路径中直接配送。针对这两种情况,配送中心需要分别对服务站以及请求配送的车辆进行电池配送。由于车辆请求到达配送中心的不可预期性,配送中心的电池配送问题是一个动态车辆路径问题(Dynamic Vehicle Routing Problem,DVRP)。类似于驾驶传统汽车时驾驶员都会在油箱中还有一定油量的情况下寻找加油站加油,我们可以假设新能源汽车的驾驶员也会提前一段时间开始请求更换电池。因此,请求车辆对配送中心电池配送的实时性要求不高,可将一定时间段内收到的请求进行集中配送,将DVRP分解为若干连续的静态车辆路径问题(Static Vehicle Routing Problem,SVRP)。本文从基于服务站的电池配送与基于移动车辆的直接配送两个角度对电池配送问题进行分析:在基于服务站的电池配送问题中,利用服务站可以存放电池的特性,本文提出基于预测的配送算法,在每个配送阶段的初始时刻对下一阶段可能到达的请求车辆所需电池进行配送。在每个配送阶段将配送车辆配送距离最小作为目标,使用禁忌搜索算法来对该问题进行求解。实验显示,在不考虑请求车辆等待时间的情况下,基于预测的配送算法所得到的解在请求车辆等待时间方面是可接受的,可认为该预测算法有效。在基于移动车辆的直接配送问题中,配送中心直接对请求车辆在其行驶路径中的交叉路口处进行电池配送。由于请求车辆在发出请求之后仍处于行驶状态,因此配送车辆在不同时间对其进行配送时配送的地点也是不相同的。本文首先提出先来先服务(First Come First Service,FCFS)算法与最短路径优先(Shortest Path First,SPF)算法对该问题进行求解。其次,使用基于聚类的求解方法对配送初始时刻请求车辆的位置进行聚类,每一辆配送车辆负责一个聚类中请求车辆的配送,之后对每一辆配送车辆的配送问题使用FCFS以及SPF进行求解。但是,聚类算法仅根据请求车辆在配送初始时刻的位置进行聚类,而请求车辆一直处于高速行驶中,初始位于聚类i中的请求车辆可能在配送时更接近聚类j。考虑到这种情况,本文对基于聚类的求解方法做出改进,将其得到的解作为初始解,查找是否存在初始所在聚类与最终接近聚类不同的请求车辆。若存在,考虑将该请求重新分配至最终接近聚类对应的配送车辆,若重新分配后对目标值有所优化,则接受该重新分配。最后,对空闲配送车辆使用重定位等待策略。提出基于预测的等待算法,令已完成本阶段配送任务且有剩余电池的空闲配送车辆前往最近一段时间可能出现请求的交叉路口进行等待。实验显示,基于聚类的求解方法得到的最终解中,存在配送时更接近其他聚类的请求车辆,本文提出的改进算法对其得到的解有一定的优化作用。对于空闲车辆重定位等待问题,本文提出的基于预测的等待算法在绝大多数情况下是优于最后配送位置等待策略的。

关键词：动态车辆路径问题静态车辆路径问题禁忌搜索算法泊松过程 k-means 算法

来源：评论

学校读者我要写书评

暂无评论

基于 Flink 平台的聚类效果设计与分析

引用

赢未来 2020年第12期 46-47页

作者：蔡鲲鹏马莉娟阜阳师范大学计算机与信息工程学院，安徽阜阳 236041 阜阳师范大学历史文化与旅游学院，安徽阜阳 236041

随着 Flink 平台成为流计算的热点应用平台，各大互联网科技公司纷纷布局大数据平台，其中 Flink 是各方青睐有加的对象，本文基于大数据平台 Flink，并随机采用 k-means 算法和 k-means 改进算法设计对比实验，并作具体的分析，通过一... 详细信息

随着 Flink 平台成为流计算的热点应用平台，各大互联网科技公司纷纷布局大数据平台，其中 Flink 是各方青睐有加的对象，本文基于大数据平台 Flink，并随机采用 k-means 算法和 k-means 改进算法设计对比实验，并作具体的分析，通过一系列指标的验证，结果表明基于 Flink 平台的任意对比聚类算法，在聚类效果上，都可以达到预期的效果。

关键词： Flink k-means 算法聚类效果并行性能

来源：评论

学校读者我要写书评

暂无评论

基于 MS 聚类分析模型的数据挖掘应用研究

引用

中国科技投资 2012年第36期 41-41页

作者：张健西昌学院

本文分析了数据挖掘所具有的重要作用,简单介绍了MS聚类分析的现状,并对MS聚类分析的数据挖掘应用模型及建构数据挖掘体系的方法进行了探讨.

关键词： MS聚类分析数据挖掘 EM算法 k-means 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：