期刊文献+
共找到395篇文章
< 1 2 20 >
每页显示 20 50 100
启发式k-means聚类算法的改进研究 被引量:2
1
作者 殷丽凤 栗庆杰 《大连交通大学学报》 CAS 2024年第2期115-119,共5页
启发式k-means聚类算法通过在k-means第一次迭代后查看附近的集群来预测每个数据点可能会被划分到的集群子集,有效地加快了算法的运行速度。但由于启发式算法存在随机选择初始聚类中心以及无法有效识别数据集中离群点的缺陷,导致聚类结... 启发式k-means聚类算法通过在k-means第一次迭代后查看附近的集群来预测每个数据点可能会被划分到的集群子集,有效地加快了算法的运行速度。但由于启发式算法存在随机选择初始聚类中心以及无法有效识别数据集中离群点的缺陷,导致聚类结果的误差平方和较大并且轮廓系数偏小。针对这一问题,提出了CHk-means算法,该算法引入仔细播种方法,克服了启发式k-means算法随机选择初始聚类中心带来的局部最优解问题;该算法引入局部异常因子LOF算法对离群点进行检测,降低了离群点数据对聚类结果的影响。在多个数据集上对3种算法进行对比试验,结果表明CHk-means算法可有效降低聚类结果的误差平方和,增强聚类的轮廓系数,使聚类质量得到明显改善。 展开更多
关键词 算法 k-means 启发式算法 仔细播种 局部异常因子 离群点
在线阅读 下载PDF
基于改进K-means聚类和遗传算法的混合算法求解异构车辆路径问题
2
作者 吴麟麟 吕一鸣 +1 位作者 何美玲 韩珣 《物流技术》 2024年第7期48-62,共15页
由于目前单一车型配送存在资源浪费和效率低下等问题,选取确定数量的不同车型对各客户点进行配送服务往往可以得到更优的配送路径方案。针对这一点,描述了一种异构车辆路径问题,并建立了具有固定车辆数且考虑固定成本、可变成本以及时... 由于目前单一车型配送存在资源浪费和效率低下等问题,选取确定数量的不同车型对各客户点进行配送服务往往可以得到更优的配送路径方案。针对这一点,描述了一种异构车辆路径问题,并建立了具有固定车辆数且考虑固定成本、可变成本以及时间窗惩罚成本的混合整数规划模型。同时,提出了一种基于改进K-means聚类和遗传算法的混合算法对模型进行求解。实验仿真先求解不考虑时间窗的问题初步证明混合算法的有效性,再在带时间窗的问题中求解不同规模算例的单一及异构车型结果,以证明异构车型配送更优。最后,对该混合算法的求解结果与其他混合算法的求解结果进行对比分析,证明了混合算法的优越性。研究结果表明:该混合算法求解的异构车型结果优于单一车型,并且比其他混合算法求解的异构车型结果更优,异构车辆配送使用的配送车辆数更少,总成本也更低,该混合算法具有更好的效率和性能。 展开更多
关键词 异构车辆路径问题 改进k-means算法 遗传算法 混合算法
在线阅读 下载PDF
基于改进K-means聚类算法的网络异常数据挖掘与分类方法 被引量:1
3
作者 贺萌 《无线互联科技》 2024年第18期119-122,共4页
为了解决网络异常数据挖掘过程中漏报率、误报率较高的问题,文章提出一种基于改进K-means聚类算法的网络异常数据挖掘与分类方法。文章通过构建并行化频繁项集挖掘环境加速数据处理,利用局部离群点检测剔除异常值,同时引入K-means聚类... 为了解决网络异常数据挖掘过程中漏报率、误报率较高的问题,文章提出一种基于改进K-means聚类算法的网络异常数据挖掘与分类方法。文章通过构建并行化频繁项集挖掘环境加速数据处理,利用局部离群点检测剔除异常值,同时引入K-means聚类对数据的最大最小距离展开计算,融合隶属度函数与密度峰值优化算法,改进聚类初始中心选择及簇边界调整,从而提高异常识别准确性和分类效率。通过实验结果证明,该方法能够明显改善聚类效果与性能。 展开更多
关键词 k-means算法 网络异常 数据挖掘 数据分 离群点检测
在线阅读 下载PDF
一种基于改进差分进化的K-Means聚类算法研究 被引量:2
4
作者 刘红达 王福顺 +3 位作者 孙小华 张广辉 王斌 何振学 《现代电子技术》 北大核心 2024年第18期156-162,共7页
为改进传统K-Means聚类算法中因随机选取初始聚类中心而导致聚类结果不稳定且效率低的缺点,提出一种基于改进差分进化的K-Means聚类算法(AGDE-KM)。首先,设计自适应操作算子来提升算法前期的全局搜索能力和后期的收敛速度;其次,设计多... 为改进传统K-Means聚类算法中因随机选取初始聚类中心而导致聚类结果不稳定且效率低的缺点,提出一种基于改进差分进化的K-Means聚类算法(AGDE-KM)。首先,设计自适应操作算子来提升算法前期的全局搜索能力和后期的收敛速度;其次,设计多变异策略并引入权重系数,在算法的不同进化阶段发挥不同变异策略的优势,平衡算法的全局和局部搜索能力,加快算法的收敛速度;最后,提出一种基于当前种群最佳个体的高斯扰动交叉操作,为个体提供更优进化方向的同时保持种群在“维”上的多样性,避免算法陷入局部最优。将算法停止执行时输出的最优解作为初始聚类中心替代传统K-Means随机选取的聚类中心。将提出算法在UCI公共数据库中的Vowel、Iris、Glass数据集和合成数据集Jcdx上进行对比实验,误差平方和(SSE)相对于传统K-Means分别减小5.65%、19.59%、13.31%、6.1%,聚类时间分别减少83.03%、81.33%、77.47%、92.63%。实验结果表明,提出的改进算法具有更快的收敛速度和更好的寻优能力,显著提升了聚类的效果、效率和稳定性。 展开更多
关键词 k-means算法 差分进化算法 多变异策略 高斯扰动 UCI数据库 中心优化
在线阅读 下载PDF
基于K-means聚类算法的人事管理异常数据识别和自动处理系统 被引量:1
5
作者 韩晓萃 胡业维 +2 位作者 吴庆艳 胡敏 曾思颖 《电子设计工程》 2024年第24期27-31,共5页
针对人事管理异常数据影响人事管理水平的问题,设计基于K-means聚类算法的人事管理异常数据识别和自动处理系统。利用全局优化K-means聚类算法,对人事管理数据进行聚类处理。该算法搜寻高密度的人事管理数据作为初始聚类中心,将人事管... 针对人事管理异常数据影响人事管理水平的问题,设计基于K-means聚类算法的人事管理异常数据识别和自动处理系统。利用全局优化K-means聚类算法,对人事管理数据进行聚类处理。该算法搜寻高密度的人事管理数据作为初始聚类中心,将人事管理数据聚类为多个簇。利用K-means聚类算法构建人事管理数据的自回归模型,确定人事管理数据参量的转移概率序列。转移概率序列非聚类簇中的数据时,对应数据即为人事管理异常数据识别结果。采用指数加权移动平均数方法自动修正处理所识别的人事管理异常数据。系统测试结果表明,所设计系统能够有效识别人事管理考勤数据、薪资数据中的异常数据,能够自动修正异常数据,使人事管理数据恢复正常。 展开更多
关键词 k-means算法 人事管理 异常数据识别 自动处理系统 中心 转移概率
在线阅读 下载PDF
基于K-means聚类和极限学习机组合算法的短期光伏功率预测 被引量:6
6
作者 黄牧涛 邢芳菲 +1 位作者 陈兴邦 卢明 《水电能源科学》 北大核心 2024年第2期217-220,216,共5页
考虑光伏功率的预测精度强依赖于天气模态和气候条件等因素影响,提出了基于极限学习机组合算法的短期光伏功率预测方法。首先,基于K-means聚类算法进行天气分型,分为4个季节下晴天、多云天气、阴雨天气共12组不同天气类别。其次,针对天... 考虑光伏功率的预测精度强依赖于天气模态和气候条件等因素影响,提出了基于极限学习机组合算法的短期光伏功率预测方法。首先,基于K-means聚类算法进行天气分型,分为4个季节下晴天、多云天气、阴雨天气共12组不同天气类别。其次,针对天气分型结果,基于极限学习机ELM、遗传算法改进的极限学习机GA-ELM、鸟群算法改进的极限学习机BSA-ELM3种算法构建光伏功率预测模型。最后,以某光伏电站数据进行所提模型验证。预测结果表明,BSA-ELM预测精度最高,12种天气预测精度达到90%左右,各季节中预测精度最高的天气类型均为晴天,多云天气精度高于阴雨天气精度,可为含高比例光伏并网的新型电力系统安全稳定运行提供有效数据支撑。 展开更多
关键词 光伏发电功率预测 k-means 天气分型 极限学习机算法 遗传算法 鸟群算法
在线阅读 下载PDF
基于K-means聚类的多种群麻雀搜索算法 被引量:3
7
作者 闫少强 刘卫东 +2 位作者 杨萍 吴丰轩 阎哲 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2024年第2期508-518,共11页
为改善麻雀搜索算法(SSA)在单种群搜索中收敛速度过快导致其收敛速度出现冗余,易忽略优质解而陷入局部最优的缺陷,提出一种基于K-means聚类的多种群麻雀搜索算法(KSSA)。将多种群机制引入SSA,减弱单种群的收敛能力,并减小陷入局部最优... 为改善麻雀搜索算法(SSA)在单种群搜索中收敛速度过快导致其收敛速度出现冗余,易忽略优质解而陷入局部最优的缺陷,提出一种基于K-means聚类的多种群麻雀搜索算法(KSSA)。将多种群机制引入SSA,减弱单种群的收敛能力,并减小陷入局部最优的概率;采用K-means聚类划分子种群,增加子种群间的差异性,同时使子种群内个体在小范围内专注搜索,提升前期搜索效率;借助加权重心交流策略改善种群间交流的质量,减少自身种群的干扰,同时消减因某一子种群陷入局部最优而导致所有子种群陷入局部最优的风险;引入动态反向学习到警戒者中,增强其反捕食行为,改善因子种群数量增加而带来的收敛速度变慢和收敛精度不足的缺陷。经测试函数仿真实验表明:较SSA等算法,KSSA具有更优的寻优性能。 展开更多
关键词 麻雀搜索算法 优化算法 多种群 k-means 种群交流
在线阅读 下载PDF
基于融合改进K-means聚类算法的数据检测技术 被引量:4
8
作者 郭克难 《电子设计工程》 2024年第5期41-45,共5页
针对现有医疗财务数据分析系统平台老旧,采用传统K-means算法进行数据处理时性能较差的问题,文中设计了一种财务异常数据检测算法。对于传统K-means算法存在的分类效果不佳、运行效率偏低等不足,该算法结合密度峰值法对样本点的局部密... 针对现有医疗财务数据分析系统平台老旧,采用传统K-means算法进行数据处理时性能较差的问题,文中设计了一种财务异常数据检测算法。对于传统K-means算法存在的分类效果不佳、运行效率偏低等不足,该算法结合密度峰值法对样本点的局部密度和高密度距离进行计算,进而优化簇中心的选择。同时融合PCA降维算法减少了数据的冗余信息,进一步提高了运行效率。通过引入LOF离群检测算法对分簇后的数据进行检测,从而得到异常数据结果。实验测试中,所提算法在人工数据集上的平均ARI指标为0.844,真实数据集的准确率则达到了79.2%,在所有对比算法中均为最优,表明该算法具有良好的性能,可以对财务异常数据进行准确地检测。 展开更多
关键词 k-means 密度峰值检测 主成分分析法 离群检测算法 异常数据检测
在线阅读 下载PDF
电网需求侧资源动态分布式k-means聚类算法 被引量:2
9
作者 黄静 饶尧 刘政 《大连交通大学学报》 CAS 2024年第2期109-114,共6页
为有效聚合电网需求侧资源,合理、高效利用电网资源,提出基于分布式k-means的电网需求侧资源动态聚类算法。通过基于置信半径的分布式k-means算法聚类采集到的电网需求侧资源数据,在模糊C均值进化神经网络中,以聚类得到的电网需求侧资... 为有效聚合电网需求侧资源,合理、高效利用电网资源,提出基于分布式k-means的电网需求侧资源动态聚类算法。通过基于置信半径的分布式k-means算法聚类采集到的电网需求侧资源数据,在模糊C均值进化神经网络中,以聚类得到的电网需求侧资源数据为输入向量,输出电网需求侧资源场景,依据场景存在概率,以电网侧资源日均峰谷差最小、DG消纳程度最高与日均负荷波动率最小为目标函数,以电网需求侧资源曲线波动率与负荷互补为约束条件,构建电网需求侧资源多场景聚类模型,经动态改变惯性因子(DCW)粒子群算法求解模型后,实现电网需求侧资源多场景聚类。试验结果表明:该方法可实现电网需求侧资源动态聚类,应用该方法聚类不同场景电网需求侧资源时的日负荷率较低,聚类效果较好,可满足实际电力需求侧资源动态聚类工作的需要。 展开更多
关键词 电网需求 侧资源 动态 分布式 k-means算法 模型
在线阅读 下载PDF
融合SOM神经网络与K-means聚类算法的用户信用画像研究 被引量:2
10
作者 罗博炜 罗万红 谭家驹 《铁路计算机应用》 2024年第7期14-19,共6页
为提高现阶段基于K-Means聚类算法的用户信用画像模型的准确性和实时性,提出一种融合自组织映射(SOM,Self-Organizing Map)神经网络与K-Means聚类算法的改进方法。通过SOM对用户数据进行降维和特征提取,直接获得最优聚类数目后再用K-Me... 为提高现阶段基于K-Means聚类算法的用户信用画像模型的准确性和实时性,提出一种融合自组织映射(SOM,Self-Organizing Map)神经网络与K-Means聚类算法的改进方法。通过SOM对用户数据进行降维和特征提取,直接获得最优聚类数目后再用K-Means算法进行聚类分析。通过真实在线借贷平台数据对所提方法进行验证,结果表明,该方法可提升用户信用画像分析的质量,更好地满足金融数据分析中对实时管理和风险控制的要求,为金融机构提供精准的决策支持。 展开更多
关键词 用户信用画像 SOM神经网络 k-means算法 时间复杂度 风险控制
在线阅读 下载PDF
基于改进k-means算法的电力负荷数据聚类方法
11
作者 吕相沅 陈安琪 +1 位作者 刘青 程昱舒 《电子设计工程》 2024年第20期121-124,129,共5页
针对现有数据聚类方法难以对电力系统负荷数据进行有效聚类的问题,该文结合改进k-means算法,完成电力负荷数据聚类方法设计。该研究基于电力负荷数据中心点生成过程,构建中心点间距与类簇距离判定函数,筛选电力负荷数据聚类中心。确定... 针对现有数据聚类方法难以对电力系统负荷数据进行有效聚类的问题,该文结合改进k-means算法,完成电力负荷数据聚类方法设计。该研究基于电力负荷数据中心点生成过程,构建中心点间距与类簇距离判定函数,筛选电力负荷数据聚类中心。确定聚类中心后,采用数据分离方法完成正常负荷数据和异常负荷数据的分离,在分离过程中应保证数据连续,以避免潜在有用数据丢失。利用改进的k-means算法分析电力负荷数据,计算不同种类数据间的欧氏距离。设定指针矩阵,融合不同类中心点,对原始数据区间规范化操作,获取不同簇的负荷数据聚类通道传输功率谱密度。将数据依次分配到不同簇上,实现电力负荷数据聚类。由实验结果可知,该方法站点1数据聚类范围为0.3~0.48 pu,站点2数据聚类范围为0.34~0.47 pu,优于对比方法,与理想聚类范围最贴近,具有良好的聚类效果。 展开更多
关键词 改进k-means算法 电力负荷 数据 区间规范化操作
在线阅读 下载PDF
基于K-means聚类算法的网络安全检测技术研究与应用
12
作者 陈华 《科学技术创新》 2024年第7期76-79,共4页
本文以K-means聚类算法为基础,展开基于K-means聚类算法的网络安全检测技术的研究与应用,发挥K-means聚类算法的作用,推动网络安全水平的提升。让网络能很好为人们日常生活提供服务。推动人们生活品质的提升。本文在分析时,先对K-means... 本文以K-means聚类算法为基础,展开基于K-means聚类算法的网络安全检测技术的研究与应用,发挥K-means聚类算法的作用,推动网络安全水平的提升。让网络能很好为人们日常生活提供服务。推动人们生活品质的提升。本文在分析时,先对K-means聚类算法进行研究,再分析具体的安全检测技术和应用情况,推动网络安全水平的提升。 展开更多
关键词 基于k-means算法 网络安全 检测技术 研究与应用
在线阅读 下载PDF
基于K-Means聚类算法的凤堰灌区人水和谐特征研究
13
作者 沈伟丽 刘学应 陈晓东 《佳木斯大学学报(自然科学版)》 CAS 2024年第6期87-90,133,共5页
为了深入研究凤堰灌区人居景观特征,首先提出了“田地-古村落-水资源”三大要因,运用皮尔逊相关系数计算出水资源决定了灌溉田地的面积与位置,同时一起对村民人口的分布与发展产生影响,即“水资源、田地、古村落”三者之间存在高度的耦... 为了深入研究凤堰灌区人居景观特征,首先提出了“田地-古村落-水资源”三大要因,运用皮尔逊相关系数计算出水资源决定了灌溉田地的面积与位置,同时一起对村民人口的分布与发展产生影响,即“水资源、田地、古村落”三者之间存在高度的耦合性和关联性,采用K-Means聚类算法对凤堰灌区人水和谐特征与现存状况进行了研究分析,得出了Ⅰ类人均拥水量为8.52m^(3)/人;Ⅱ类人均拥水量为2.47m^(3)/人;Ⅲ类人均拥水量为0.87m^(3)/人,并为三类聚落发展提出不同的建议,充分发挥灌区的原生态优势,为日后营造一个绿水青山、人水和谐的景象,为同类灌区发展研究提供借鉴。 展开更多
关键词 凤堰古梯田 灌区 皮尔逊相关系数 k-means算法
在线阅读 下载PDF
基于K-means聚类算法的异常流量识别能力分析
14
作者 叶帅辰 卜哲 《信息技术与信息化》 2024年第6期127-130,共4页
通过特征聚类进行异常网络流量识别是实现网络风险防御的基础,其中基于无监督学习的K-means聚类算法由于其具有高效、易实现等特点而在业界得到了广泛应用。目前针对K-means算法的研究大多聚焦于提升其对流量整体特征的聚类准确性,而较... 通过特征聚类进行异常网络流量识别是实现网络风险防御的基础,其中基于无监督学习的K-means聚类算法由于其具有高效、易实现等特点而在业界得到了广泛应用。目前针对K-means算法的研究大多聚焦于提升其对流量整体特征的聚类准确性,而较少涉及单一特征对于异常网络流量的快速鉴别能力研究。针对这一问题,依托K-means算法逐一分析KDD Cup99数据集中各项特征对于拒绝服务攻击、非法访问、扫描渗透等威胁的识别能力,有效实现不完整网络安全监测数据场景下的风险快速判断,为网络安全监测设备能力优化提供参考。 展开更多
关键词 网络安全 流量特征 风险识别 k-means算法
在线阅读 下载PDF
基于K-means聚类的非标准指派问题的算法研究
15
作者 张影 刘骏豪 乔田田 《数学建模及其应用》 2024年第4期19-23,共5页
线性指派问题是优化中常见的一类问题,具有广泛的应用领域.非标准指派问题由于指派的目标数量不同,不适用于通过代价矩阵直接确立顺序.本文利用统计学中的K-means聚类算法将目标数量按照规定数目聚类后,再使用匈牙利算法进行标准指派问... 线性指派问题是优化中常见的一类问题,具有广泛的应用领域.非标准指派问题由于指派的目标数量不同,不适用于通过代价矩阵直接确立顺序.本文利用统计学中的K-means聚类算法将目标数量按照规定数目聚类后,再使用匈牙利算法进行标准指派问题的分配,并将文中算法方案应用于数学建模中人员指派和运输指派问题,最后通过实验数据结果表明该方案行之有效、合理稳定. 展开更多
关键词 指派问题 k-means 匈牙利算法
在线阅读 下载PDF
基于K-Means聚类和Boosting算法的配电网线损计算方法
16
作者 马芳 张晨晖 《通信电源技术》 2024年第1期1-3,共3页
传统线损计算方法所需电气参数较多且计算过程烦琐,导致配电网线损计算结果精度较低,因此提出了一种基于K-Means聚类和Boosting算法的配电网线损计算方法。先采用K-Means聚类算法挖掘配电网的线路负荷有功电量、线路负荷无功电量、线路... 传统线损计算方法所需电气参数较多且计算过程烦琐,导致配电网线损计算结果精度较低,因此提出了一种基于K-Means聚类和Boosting算法的配电网线损计算方法。先采用K-Means聚类算法挖掘配电网的线路负荷有功电量、线路负荷无功电量、线路长度及线路负载率等电气特征指标,再将电气特征指标作为Boosting算法线损预测模型的输入数据,经过模型训练完成配电网线损的预测计算。实验结果表明,该设计方法的线损计算值与真实值之间的误差仅为4.27%,具有较高的配电网线损计算精度。 展开更多
关键词 k-means BOOSTING算法 配电网线损 线损计算
在线阅读 下载PDF
基于先验聚类的机电设备环境参数异常检测算法
17
作者 邢鹏 李新娥 《现代电子技术》 北大核心 2025年第6期78-84,共7页
传统的聚类异常数据检测算法在处理高维度、大数据量且异常值分布杂乱的机电设备环境参数时,存在聚类效果差和检测效率低的问题。为此,在原有异常检测算法的基础上提出一种基于先验聚类的机电设备环境参数异常检测算法。该算法改用历史... 传统的聚类异常数据检测算法在处理高维度、大数据量且异常值分布杂乱的机电设备环境参数时,存在聚类效果差和检测效率低的问题。为此,在原有异常检测算法的基础上提出一种基于先验聚类的机电设备环境参数异常检测算法。该算法改用历史数据构建先验聚类,确保聚类构建不会受太多异常环境参数所影响;在选取聚类中心时引入密集度的概念,以确保聚类中心的可靠性,并在选取聚类中心过程中去除已选聚类中心周围的数据点,防止选取的聚类中心集中在某一区域,以此提升聚类效果。进行异常检测时,依次将待检测数据放入先验聚类中进行匹配,一旦测试数据无法匹配任何一个已知聚类,则将其标记为异常数据。实验结果表明:所提算法在机电设备环境参数的异常检测方面具有检测率高、误报率低的特点,在2000例数据异常检测中,其检测准确率达到了97.5%,优于DBSCAN算法的97%以及基础K-means算法的86%;同时,误检率低至0.0106,优于DBSCAN算法的0.0239和基础K-means算法的0.0228。改进后的模型较基础K-means算法和DBSCAN算法在机电设备环境参数异常检测中检测效果更佳,在机电设备环境异常数据检测上具有良好的性能。 展开更多
关键词 机电设备 环境参数 异常数据检测 先验 k-means算法 密集度 匹配
在线阅读 下载PDF
基于Apriori和K-means混合算法的营销大数据客户用电行为分析
18
作者 张梦莎 邹丹 《消费电子》 2025年第1期31-33,共3页
本研究提出了一种融合改进K-means聚类算法与Apriori关联分析的新方法,用于电力消费行为分析;针对传统K-means算法对初始值敏感的问题,通过改进初始聚类中心选择机制,构建了鲁棒性更强的电力用户分群模型;在此基础上,应用Apriori算法对... 本研究提出了一种融合改进K-means聚类算法与Apriori关联分析的新方法,用于电力消费行为分析;针对传统K-means算法对初始值敏感的问题,通过改进初始聚类中心选择机制,构建了鲁棒性更强的电力用户分群模型;在此基础上,应用Apriori算法对各用户群体的用电特征进行多维关联规则挖掘,揭示消费行为间的隐含规律。实验结果表明,该混合模型较传统单一算法在聚类质量上提升23.6%,关联规则发现效率提高41.2%,特别在峰谷用电模式识别与跨区域消费特征关联等场景中展现出显著优势。研究成果为电力企业实施差异化定价策略和精准需求侧管理提供了可靠的数据分析工具,可有效支撑客户分群与需求预测等核心业务。 展开更多
关键词 客户用电行为 APRIORI算法 k-means 大数据分析
在线阅读 下载PDF
K-means聚类算法研究综述 被引量:313
19
作者 王千 王成 +1 位作者 冯振元 叶金凤 《电子设计工程》 2012年第7期21-24,共4页
总结评述了K-means聚类算法的研究现状,指出K-means聚类算法是一个NP难优化问题,无法获得全局最优。介绍了K-means聚类算法的目标函数、算法流程,并列举了一个实例,指出了数据子集的数目K、初始聚类中心选取、相似性度量和距离矩阵为K-m... 总结评述了K-means聚类算法的研究现状,指出K-means聚类算法是一个NP难优化问题,无法获得全局最优。介绍了K-means聚类算法的目标函数、算法流程,并列举了一个实例,指出了数据子集的数目K、初始聚类中心选取、相似性度量和距离矩阵为K-means聚类算法的3个基本参数。总结了K-means聚类算法存在的问题及其改进算法,指出了K-means聚类的进一步研究方向。 展开更多
关键词 k-means算法 NP难优化问题 数据子集的数目K 初始中心选取 相似性度量和距离矩阵
在线阅读 下载PDF
k-means聚类算法在织物疵点检测中的应用 被引量:6
20
作者 张缓缓 赵娟 +3 位作者 李仁忠 李鹏飞 景军锋 邬红霞 《毛纺科技》 CAS 北大核心 2016年第3期11-14,共4页
为检测常见织物的各种疵点,提出一种基于k-means聚类的织物疵点检测方法。对采集的图像进行中值滤波,以减轻纹理对疵点检测的影响,并利用方差采样算法增强织物的疵点特征信息;利用k-means聚类算法对方差采样后的图像进行处理,使得疵点... 为检测常见织物的各种疵点,提出一种基于k-means聚类的织物疵点检测方法。对采集的图像进行中值滤波,以减轻纹理对疵点检测的影响,并利用方差采样算法增强织物的疵点特征信息;利用k-means聚类算法对方差采样后的图像进行处理,使得疵点区域被划分一类,非疵点区域划分为一类。最后经过二值化,分割出疵点。实验证明,该方法能快速、准确的检测出织物的常见疵点。与其他方法相比,文章提出的算法采用聚类思想对织物疵点进行分割,不需要利用正常织物图像进行阈值计算;另外经过方差采样算法处理后疵点信息明显增强,使得疵点信息与纹理明显不同,从而使聚类更为准确,增加了检测的准确度。 展开更多
关键词 疵点检测 织物疵点 k-means算法 方差采样
在线阅读 下载PDF
上一页 1 2 20 下一页 到第
使用帮助 返回顶部