检索结果-内蒙古大学图书馆

作者：王东长沙理工大学

学位级别：硕士

在数据挖掘中,很多工作都集中在发现能够高效地对大数据库进行聚类分析的方法上。在现有的大量聚类算法中,尤其以k-means算法应用比较广泛。k-means算法以点为原型,能够实现球形数据的聚类。该算法思想简单,易于实现,而且运行速度快,内... 详细信息

在数据挖掘中,很多工作都集中在发现能够高效地对大数据库进行聚类分析的方法上。在现有的大量聚类算法中,尤其以k-means算法应用比较广泛。k-means算法以点为原型,能够实现球形数据的聚类。该算法思想简单,易于实现,而且运行速度快,内存消耗小,能有效地处理大数据集,但是k-means聚类算法存在一些缺点:只有在初始值确定的情况下,聚类结果才是唯一确定的;算法都是局部寻优算法,容易追寻目标函数而陷入局部最优解,而且算法在一定程度上依赖于初始分类的确定,如果初始分类严重地偏离全局最优分类时,算法很容易陷入局部极小值,得到一个局部最优解。另一方面由于PSO算法结构简单,运行速度快,所以也被大量地用于聚类算法中。因此本文在前人的基础上对算法进行了改进,把两种算法进行了有机的结合。所做的工作如下: 1.用变异粒子群聚类挖掘完成聚类。首先分析了粒子群算法的缺点,将粒子变异引入粒子群算法,通过增加种群的多样性来克服早熟收敛现象;其次通过对惯性权重的调整提高了算法的精度和收敛速度;最后,将k-means算法和粒子群算法结合起来形成一种混合聚类算法。该算法有效地平衡了粒子群寻优过程中的探索和开发,从而保证了粒子群算法稳定且收敛到全局最优。 2.用基于种群多样性的PSO聚类挖掘算法实现聚类。首先分析现有的描述种群多样性指标的缺点;其次将基于粒子群算法的变异操作和k-means算法结合到粒子群算法中;最后,通过内部空间特性对粒子进行适当的扰动。该算法既改善了粒子群算法的局部搜索能力,又通过增加种群的多样性,避免了算法出现早熟收敛现象。 3.计算机仿真。使用VC-6.0工具对提出的算法进行模拟实现,并对提出的算法与现有的成果进行比较,分析算法的优劣性。

关键词：数据挖掘粒子群 k-均值聚类算法变异聚类

来源：评论

学校读者我要写书评

暂无评论

基因表达数据聚类分析及其应用研究

基因表达数据聚类分析及其应用研究

引用

作者：姜明宇上海大学

学位级别：硕士

随着近代分子生物学实验技术和计算机技术的迅猛发展，以及人类基因组(HGP)的顺利完成，标志着现代生命科学研究已经进入了后基因组时代，研究者把关心的焦点由结构基因组学转向了功能基因组学。基因芯片(gene chip，microarray)作为一... 详细信息

随着近代分子生物学实验技术和计算机技术的迅猛发展，以及人类基因组(HGP)的顺利完成，标志着现代生命科学研究已经进入了后基因组时代，研究者把关心的焦点由结构基因组学转向了功能基因组学。基因芯片(gene chip，microarray)作为一种新型的高通量的检测技术方法，可以同时测量成千上万个基因的表达水平，已成为“后基因组时代”研究基因与基因间相互作用的一个强有力的工具。\n 如何对该技术产生的海量实验数据进行准确而合理地管理和分析已成为是否能有效应用该项技术的主要问题，并决定着当前生物信息学的重要研究内容和主要研究方向。然而，就目前来说基因芯片技术所遇到的挑战并不在基因表达芯片本身，而是在于发展实验设计方法以对基因表达数据进行时空的全面探索与分析，最大的挑战则是数据分析与挖掘。本课题主要就基因表达型芯片的数据分析，特别是聚类分析技术在微阵列基因表达数据分析和处理这一环节展开并进行研究。\n 本课题的主要研究内容为：\n 1．采用聚类有效性的思想来确定FCM(Fuzzy C-Means，简称FCM)算法中的参数c。通过分析目前存在的一些聚类有效性函数的不足，采用Xie-Beni指标作为聚类有效性函数，解决了参数c如何确定的问题，给出了一个根据聚类有效性函数来自动给出参数c的算法，在模拟数据和真实数据上的应用均取得了较好结果。\n 2．对FCM算法中加权指数m的取值进行了探索性的研究。构造了一个评价函数来对m的不同取值所对应的结果进行评价并以此来选取最优的m值，通过实验验证了其可行性。\n 3．将遗传算法与k-均值聚类算法相结合对微阵列基因表达数据进行聚类分析。主要从四个方面对该混合算法进行改进。首先，我们使用了把聚类中心作为染色体的浮点数编码方式，这样既能使基因表达数据集的编码过程得到简化，又能减少整个算法的运算量；第二方面，为了保证每一代的进化过程中当前最优个体不会被遗传操作所破坏，我们在进行选择时采用了最优保存策略与比例法相结合的混合选择算子；第三方面，在交叉操作中，为了减少无意义个体的产生，先对配对个体进行了基于最短距离的基因匹配，然后再运用算术交叉来增强遗传算法的局部搜索能力；最后，为了提高收敛速度，我们在每一代遗传操作结束之前对要进入下一代的群体进行了优化，使得搜索最优解的速度明显加快。最后将该混合算法运用于公开的白血病基因表达数据和结肠基因表达数据，取得了较好的实验结果。4．设计并实现了GeneCluster芯片数据聚类分析系统。主要实现了k-means算法、FCM算法、GkA算法。该系统具有良好的用户界面、功能完善、操作简单、易维护、成本低等优点，是将聚类算法应用于生物信息学方面的有益探索。

关键词：基因芯片数据分析 k-均值聚类算法聚类分析

来源：评论

学校读者我要写书评

暂无评论

退役动力电池梯级利用分选技术研究

引用

太阳能学报 2023年第1期44卷 418-425页

作者：李建林王哲李雅欣刘若桐闫湖黄碧斌储能技术工程研究中心(北方工业大学) 北京100144 国网能源研究院有限公司北京102209

首先利用熵权法对退役电池各特征参数进行权重计算,依据计算结果选取电池剩余容量、开路电压和放电直流等效内阻作为电池聚类的分选因子。其次利用支持向量机算法预测退役电池剩余容量,最后利用k-均值聚类算法将电池分成4种等级,并通过... 详细信息

首先利用熵权法对退役电池各特征参数进行权重计算,依据计算结果选取电池剩余容量、开路电压和放电直流等效内阻作为电池聚类的分选因子。其次利用支持向量机算法预测退役电池剩余容量,最后利用k-均值聚类算法将电池分成4种等级,并通过实验证明了该方法的准确性。

关键词：退役动力电池电池分选熵权法容量预测支持向量机 k-均值聚类算法

来源：评论

学校读者我要写书评

暂无评论

载人航天测控参数相关性的快速聚类算法研究

引用

载人航天 2006年第3期 28-31,44页

作者：李大琪沈钧毅朱敬东西安交通大学电信学院北京航天飞行控制中心

k-均值(k-Means)算法是一种基于划分的局部搜索聚类算法,它采取多次迭代方法发现数据空间中的聚类,其算法容易实现,但由于在每次迭代过程中需要访问全部数据,时间复杂度高,不适于直接用在大数据集上。一种基于网格数据紧缩的快速k-均值... 详细信息

k-均值(k-Means)算法是一种基于划分的局部搜索聚类算法,它采取多次迭代方法发现数据空间中的聚类,其算法容易实现,但由于在每次迭代过程中需要访问全部数据,时间复杂度高,不适于直接用在大数据集上。一种基于网格数据紧缩的快速k-均值聚类算法Grid Data Compressed-Fast k-Means(以下简称GDC-FkM),可以对大数据空间进行快速的聚类,将该聚类算法运用于对载人航天测控数据相关性的分析,结果表明算法速度快而且结果准确。

关键词：数据挖掘 k-均值聚类算法网格数据紧缩航天测控

来源：评论

学校读者我要写书评

暂无评论

基于气候资源禀赋的TMY权重因子调整方法研究

引用

太阳能学报 2024年第2期45卷 50-58页

作者：李红莲王梦丽张文豪黄金吕文西安建筑科技大学信息与控制工程学院西安710311 西安建筑科技大学建筑学院西安710055

提出一种基于气候资源禀赋的典型气象年(TMY)权重因子调整方法。在参数间相关分析的基础上,遴选干球温度、相对湿度、日照时数与气温日较差作为分区指标,采用k-均值聚类算法对中国地域气候进行分区,依据台站所处地域的太阳能、风能等资... 详细信息

提出一种基于气候资源禀赋的典型气象年(TMY)权重因子调整方法。在参数间相关分析的基础上,遴选干球温度、相对湿度、日照时数与气温日较差作为分区指标,采用k-均值聚类算法对中国地域气候进行分区,依据台站所处地域的太阳能、风能等资源动态调整TMY权重因子。结果显示,调整后的权重因子构建的TMY更加精准,更能体现地域的气候特征。

关键词：典型气象年权重因子气候资源禀赋 k-均值聚类算法建筑能耗模拟

来源：评论

学校读者我要写书评

暂无评论

基于粒子群优化聚类算法的点模型简化

引用

海南大学学报（自然科学版） 2010年第3期28卷 241-247页

作者：曹晓叶王知衍张艳青华南理工大学计算机科学与工程学院广东广州510640

为了有效地简化稠密采样点模型,提出了一种基于粒子群优化聚类算法的点模型简化方法.引入了具有强大全局寻优能力的粒子群优化算法,对传统的k-均值聚类算法进行改进,基于改进的聚类算法对点模型进行简化,选取具有最优个体适应度函数的... 详细信息

为了有效地简化稠密采样点模型,提出了一种基于粒子群优化聚类算法的点模型简化方法.引入了具有强大全局寻优能力的粒子群优化算法,对传统的k-均值聚类算法进行改进,基于改进的聚类算法对点模型进行简化,选取具有最优个体适应度函数的粒子作为原始采样点集的最终简化模型.算法聚类依据采样点的空间位置、法向和曲率的邻近性,实现了点模型表面区域几何特征保持的简化.同时在聚类区域的划分中考虑了曲率阈值和区域半径,使得算法在有效地保持特征边界和曲面细节的同时,能够生成高质量的简化曲面.实验结果表明,粒子群优化的k-均值聚类算法克服了传统聚类算法容易陷入局部极小的缺点,具有更好的全局收敛性和较快的收敛速度.该简化方法在有效简化点模型的同时,很好地保持了原始模型的几何形状,且在相同简化效率下能够生成更高质量的简化曲面.

关键词：点模型简化粒子群算法特征保持 k-均值聚类算法

来源：评论

学校读者我要写书评

暂无评论

红酒品种聚类分析

引用

统计学与应用 2021年第1期10卷 31-46页

作者：杨帆苏理云重庆理工大学理学院重庆

本文根据UCI红酒化学成分数据,指标为:红酒品牌、酒精浓度、苹果酸含量、灰度、灰的碱度、镁含量、总酚类化合物量、类黄酮量、原花青素年、颜色强度、色调、稀释酒、脯氨酸,进行红酒品种的聚类分析。本文基于k-means聚类法、层次聚类法... 详细信息

本文根据UCI红酒化学成分数据,指标为:红酒品牌、酒精浓度、苹果酸含量、灰度、灰的碱度、镁含量、总酚类化合物量、类黄酮量、原花青素年、颜色强度、色调、稀释酒、脯氨酸,进行红酒品种的聚类分析。本文基于k-means聚类法、层次聚类法及Dbscan聚类法,对红酒化学成分数据进行聚类分析。首先对数据进行筛选,并选择适合的、有意义的,且适合聚类的指标,然后进行数据预处理,最后通过R语言实现红酒品种的聚类。通过聚类结果进行解释,给出红酒的品种类别与质量的好坏。

关键词：红酒品种 k-均值聚类算法层次聚类法 Dbscan聚类算法

来源：评论

学校读者我要写书评

暂无评论

高维数据聚类数量可视化确定模式

引用

沈阳航空航天大学学报 2024年第3期41卷 71-84页

作者：何选森何帆樊跃平陈洪军广州商学院信息技术与工程学院广州511363 湖南大学信息科学与工程学院长沙410082 北京理工大学管理与经济学院北京100081

为了解决经典k-均值聚类算法要求用户事先知道待处理数据的聚类数量及聚类结果对算法的初始化很敏感的问题,提出一种对k-均值聚类算法的改进措施并可视化地确定聚类数量的综合方案。首先,对数据进行标准化,使其服从正态分布,利用主分量... 详细信息

为了解决经典k-均值聚类算法要求用户事先知道待处理数据的聚类数量及聚类结果对算法的初始化很敏感的问题,提出一种对k-均值聚类算法的改进措施并可视化地确定聚类数量的综合方案。首先,对数据进行标准化,使其服从正态分布,利用主分量分析(princi‐palcomponentanalysis,PCA)抽取数据中最重要的特征以实现高维数据的降维;然后,采用最远质心选择和最小-最大距离规则对k-均值聚类算法的初始化进行修正,避免出现空聚类并确保数据的可分离性;在此基础上,采用统计经验法则估计聚类数量的可能范围,通过搜索在此范围内平方误差和(sum-of-squared-error,SSE)曲线的肘部估计最佳的聚类数量;最后,通过计算比较各个聚类的轮廓系数以评价算法的聚类质量,从而最终确定数据集固有的聚类数量。仿真结果表明,该方案不仅能可视化地确定数据集潜在的聚类数量,而且为大数据时代的高维数据分析提供了一种有效的方法。

关键词： k-均值聚类算法主分量分析最远质心选择最小-最大距离规则统计经验法则肘部法轮廓分析

来源：评论

学校读者我要写书评

暂无评论

基于Markov随机场理论的眼底图视盘轮廓的提取研究

引用

云南大学学报（自然科学版） 2016年第4期38卷 530-535页

作者：黄元康李红松余鹏飞王鹏钱呈祥云南大学信息学院云南昆明650091

眼底视盘轮廓的准确提取对眼疾的诊断事关重要.尤其在各种眼疾对人普遍存在严重伤害的今天,对眼底视盘轮廓提取的研究尤为重要.随着信息技术的高速发展,当今使用计算机实现医学图像处理相当普遍.借助于计算机,利用马尔科夫随机场(MRF)... 详细信息

眼底视盘轮廓的准确提取对眼疾的诊断事关重要.尤其在各种眼疾对人普遍存在严重伤害的今天,对眼底视盘轮廓提取的研究尤为重要.随着信息技术的高速发展,当今使用计算机实现医学图像处理相当普遍.借助于计算机,利用马尔科夫随机场(MRF)理论模型结合k-均值算法、条件迭代算法和期望最大化算法等多种算法,实现了眼底图视盘的分割.然后通过使用最小周长多边形的多边形近似(MPP)实现眼底视盘轮廓的提取.实验结果表明,与传统的分割方法相比,该方法具有更高的分割效率和更好的去噪性.

关键词： Markov随机场视盘条件迭代算法期望最大化算法 MPP算法 k-均值聚类算法

来源：评论

学校读者我要写书评

暂无评论

地方政府融资平台债务风险预警模型与实证研究

引用

经济学动态 2014年第8期 63-69页

作者：刘骅卢亚娟南京审计学院

我国地方政府债务问题正受到广泛关注,而隐藏于融资平台的债务风险将对国家经济安全形成潜在威胁。本文基于对地方政府融资平台债务风险特性的描述,结合融资平台财务指标,构建其债务风险预警指标体系,运用因子分析将其归结为融资平台负... 详细信息

我国地方政府债务问题正受到广泛关注,而隐藏于融资平台的债务风险将对国家经济安全形成潜在威胁。本文基于对地方政府融资平台债务风险特性的描述,结合融资平台财务指标,构建其债务风险预警指标体系,运用因子分析将其归结为融资平台负债、资产和利润三个方面;进而利用k-均值聚类算法,把融资平台债务风险状态分为四类,并借助BP神经网络建立地方政府融资平台债务"风险阈"预警模型;最后,针对我国地方政府融资平台债务风险实际情况,总结融资平台可持续发展的政策组合。

关键词：融资平台债务风险因子分析 k-均值聚类算法 BP神经网络

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：