基于免疫—中心点聚类算法的无功电压控制分区 被引量：36

1

作者 熊虎岗 程浩忠 孔涛 《电力系统自动化》 EI CSCD 北大核心 2007年第2期22-26,共5页

针对传统分区方法电气距离定义的缺点,提出一种新的电气距离即空间电气距离。依据系统中各节点之间无功电压变化关系,将系统各节点映射到一个多维空间中,节点之间的空间距离便是其电气距离,依据此距离将各节点进行归类,从而把无功电压... 针对传统分区方法电气距离定义的缺点,提出一种新的电气距离即空间电气距离。依据系统中各节点之间无功电压变化关系,将系统各节点映射到一个多维空间中,节点之间的空间距离便是其电气距离,依据此距离将各节点进行归类,从而把无功电压控制分区问题转化为数学上的空间聚类问题。针对无功电压控制分区的特点并借鉴聚类算法,提出免疫—中心点聚类的无功电压控制分区算法并将其运用于IEEE118节点系统,对分区结果进行分析并与其他算法结果比较,验证所提出的算法的准确性和可行性。 展开更多

关键词 无功电压控制分区 空间电气距离 免疫-中心点聚类算法 电力系统

在线阅读 下载PDF 职称材料

基于障碍物约束的遗传-中心点聚类算法研究 被引量：2

2

作者 厍向阳 薛惠锋 高新波 《系统工程与电子技术》 EI CSCD 北大核心 2005年第10期1803-1806,共4页

面对障碍物约束的聚类问题,分析了目前障碍物约束聚类算法的不足,定义了相关概念,随机选择k个样本作为聚类中心点,以距各聚类中心点的可达距离为样本划分依据,以类内平方误差和(WGSS)为聚类目标函数,引入遗传算法,提出一种基于障碍物约... 面对障碍物约束的聚类问题,分析了目前障碍物约束聚类算法的不足,定义了相关概念,随机选择k个样本作为聚类中心点,以距各聚类中心点的可达距离为样本划分依据,以类内平方误差和(WGSS)为聚类目标函数,引入遗传算法,提出一种基于障碍物约束的遗传-中心点聚类算法。最后,通过实例进行了算法测试,并与k-中心点算法进行比较。算法测试结果表明:基于障碍物约束的遗传-中心点聚类算法是完全可行和有效的,所提算法使得聚类结果符合地理空间实际情况,解决了聚类结果对初始化敏感的问题。 展开更多

关键词 聚类算法 障碍物约束 K-中心点 遗传算法

在线阅读 下载PDF 职称材料

基于K-中心点聚类算法的论坛信息识别技术研究 被引量：3

3

作者 王燕 吴灏 毛天宇 《计算机工程与设计》 CSCD 北大核心 2009年第1期210-212,共3页

提出了一种从非确定结构的论坛页面自动获取信息区域的方法。该方法在对K-中心点聚类算法的研究基础上克服了算法中固定簇数的缺陷,并在算法的簇中心距离计算中引入Smith-Waterman改进算法,提高了算法聚类的精确度。通过对大量论坛网页... 提出了一种从非确定结构的论坛页面自动获取信息区域的方法。该方法在对K-中心点聚类算法的研究基础上克服了算法中固定簇数的缺陷,并在算法的簇中心距离计算中引入Smith-Waterman改进算法,提高了算法聚类的精确度。通过对大量论坛网页进行信息识别的实验显示,该方法切实可行并且具有较高的准确性。 展开更多

关键词 标签结构树 K-中心点聚类算法 SMITH-WATERMAN算法 最小相异度 信息识别

在线阅读 下载PDF 职称材料

正交小波变换k-中心点聚类算法在故障诊断中的应用 被引量：11

4

作者 李卫鹏 曹岩 李丽娟 《振动与冲击》 EI CSCD 北大核心 2021年第7期291-296,共6页

k-中心点聚类算法(k-medoids cluster algorithm,KCA)是改进的机器学习聚类算法,该方法通过初始聚类中心选取和聚类中心更新,对无标记训练样本的学习揭示数据的内在性质及规律,从而区分出机器的运行状态。提出了一种正交小波变换k-中心... k-中心点聚类算法(k-medoids cluster algorithm,KCA)是改进的机器学习聚类算法,该方法通过初始聚类中心选取和聚类中心更新,对无标记训练样本的学习揭示数据的内在性质及规律,从而区分出机器的运行状态。提出了一种正交小波变换k-中心点聚类算法(orthogonal wavelet transform k-medoids clustering algorithm,OWTKCA)诊断方法,利用正交小波变换(orthogonal wavelet transformation,OWT)方法提取各细节信号作为训练样本,用KCA方法进行分类。通过滚动轴承的试验数据分类结果显示,该方法相对于没有提取特征值的KCA能有效处理复杂机械振动信号,明显提高了故障数据聚类效果,缩短了聚类时间,提高了智能诊断效率。 展开更多

关键词 k-中心点聚类算法(KCA) 机器学习 故障诊断 正交小波变换(OWT)

在线阅读 下载PDF 职称材料

基于邻域的K中心点聚类算法 被引量：32

5

作者 谢娟英 郭文娟 谢维信 《陕西师范大学学报（自然科学版）》 CAS CSCD 北大核心 2012年第4期16-22,共7页

提出一种基于邻域的K中心点聚类算法,该算法利用数据集样本的自然分布信息定义数据对象的邻域半径和相应邻域,选择位于样本分布密集区且相距较远的K个数据对象作为初始聚类中心,以期改进快速K中心点算法在选取初始中心点时有可能使多个... 提出一种基于邻域的K中心点聚类算法,该算法利用数据集样本的自然分布信息定义数据对象的邻域半径和相应邻域,选择位于样本分布密集区且相距较远的K个数据对象作为初始聚类中心,以期改进快速K中心点算法在选取初始中心点时有可能使多个初始中心位于同一类簇的潜在缺陷.通过UCI机器学习数据库数据集以及随机生成的带有噪音点的人工模拟数据集实验测试,表明提出的基于邻域的K中心点算法不仅具有很好的聚类效果,而且运行时间短,对噪音数据有很强的抗干扰性能,优于传统K中心点算法和Park等人的快速K中心点算法. 展开更多

关键词 邻域 K中心点算法 样本密度 聚类 样本空间分布

在线阅读 下载PDF 职称材料

基于平均密度优化初始聚类中心的k-means算法 被引量：32

6

作者 邢长征 谷浩 《计算机工程与应用》 CSCD 2014年第20期135-138,共4页

现有的基于密度优化初始聚类中心的k-means算法存在聚类中心的搜索范围大、消耗时间久以及聚类结果对孤立点敏感等问题,针对这些问题,提出了一种基于平均密度优化初始聚类中心的k-means算法adk-means。该算法将数据集中的孤立点划分出来... 现有的基于密度优化初始聚类中心的k-means算法存在聚类中心的搜索范围大、消耗时间久以及聚类结果对孤立点敏感等问题,针对这些问题,提出了一种基于平均密度优化初始聚类中心的k-means算法adk-means。该算法将数据集中的孤立点划分出来,计算出剩余数据集样本的平均密度,孤立点不参与聚类过程中各类所含样本均值的计算;在大于平均密度的密度参数集合中选择聚类中心,根据最小距离原则将孤立点分配给离它最近的聚类中心,直至将数据集完整分类。实验结果表明,这种基于平均密度优化初始聚类中心的k-means算法比现有的基于密度的k-means算法有更快的收敛速度,更强的稳定性及更高的聚类精度,消除了聚类结果对孤立点的敏感性。 展开更多

关键词 K-MEANS算法 聚类中心 平均密度 孤立点 收敛

在线阅读 下载PDF 职称材料

基于免疫遗传的K-Means聚类算法分析 被引量：4

7

作者 王艳华 杨建雄 徐家宁 《计算机工程与设计》 CSCD 北大核心 2008年第13期3419-3421,共3页

聚类算法是数据挖掘中的一个重要研究领域,在所有的聚类算法中K-Means算法应用得最为广泛。针对K-Means算法容易陷入局部最优解的缺点,提出了基于免疫遗传的K-Means聚类算法来避免这个问题。理论分析和实验表明,该算法比传统的K-Means... 聚类算法是数据挖掘中的一个重要研究领域,在所有的聚类算法中K-Means算法应用得最为广泛。针对K-Means算法容易陷入局部最优解的缺点,提出了基于免疫遗传的K-Means聚类算法来避免这个问题。理论分析和实验表明,该算法比传统的K-Means聚类有更好的效果。 展开更多

关键词 聚类分析 遗传算法 免疫原理 K-均值 聚类中心

在线阅读 下载PDF 职称材料

基于K中心点的文档聚类算法 被引量：4

8

作者 吴景岚 朱文兴 《兰州大学学报（自然科学版）》 CAS CSCD 北大核心 2005年第5期88-91,共4页

K中心点算法是一个常用的聚类算法,它的主要缺陷是容易陷入局部极值,计算代价太高.本文先构造一个运用余弦相似度的K中心点文档聚类算法,然后提出一个改进算法,该算法不增加计算的复杂性,显著改进文档的聚类结果.最后,将该改进算法作为... K中心点算法是一个常用的聚类算法,它的主要缺陷是容易陷入局部极值,计算代价太高.本文先构造一个运用余弦相似度的K中心点文档聚类算法,然后提出一个改进算法,该算法不增加计算的复杂性,显著改进文档的聚类结果.最后,将该改进算法作为局部搜索过程嵌入到迭代局部搜索结构中,构造一个基于K中心点的迭代局部搜索文档聚类算法,进一步改进了文档聚类结果.试验结果表明该算法显著改进了文档聚类结果. 展开更多

关键词 K中心点算法 文档聚类 迭代局部搜索

在线阅读 下载PDF 职称材料

k中心点聚类算法在层次数据的应用 被引量：8

9

作者 刘金岭 《计算机工程与设计》 CSCD 北大核心 2008年第24期6418-6419,6422,共3页

探讨了近年来提出的聚类概念与聚类过程、k中心点聚类的算法,在此基础上提出了一种基于层次数据模型的k中心聚类的改进算法。该算法一方面针对层次变量提出了相关的中值点概念;另一方面对传统k中心点算法进行了改进。最后对改进算法的... 探讨了近年来提出的聚类概念与聚类过程、k中心点聚类的算法,在此基础上提出了一种基于层次数据模型的k中心聚类的改进算法。该算法一方面针对层次变量提出了相关的中值点概念;另一方面对传统k中心点算法进行了改进。最后对改进算法的复杂度进行了分析,由分析结果得出改进算法要比传统k中心点算法每次迭代耗费时间略少,但在总耗费时间上远远小于k中心点算法,大幅度提高了算法的整体性能。 展开更多

关键词 聚类 中心点算法 簇 最小距离 迭代

在线阅读 下载PDF 职称材料

基于Tukey规则与初始中心点优化的K⁃means聚类改进算法 被引量：5

10

作者 柳菁 邱紫滢 +1 位作者 郭茂祖 余冬华 《数据采集与处理》 CSCD 北大核心 2023年第3期643-651,共9页

针对K⁃means聚类算法存在的初始中心点选择及异常点、离群点极易影响聚类结果等待改进问题,提出了一个基于Tukey规则与优化初始中心点选择的K⁃means改进算法。该算法利用Tukey规则构造核心与非核心子集,将聚类过程划分成2个阶段。同时,... 针对K⁃means聚类算法存在的初始中心点选择及异常点、离群点极易影响聚类结果等待改进问题,提出了一个基于Tukey规则与优化初始中心点选择的K⁃means改进算法。该算法利用Tukey规则构造核心与非核心子集,将聚类过程划分成2个阶段。同时,在核心子集上执行中心点逐个递增优化选择策略,选出初始中心点。在来自UCI的20个数据集上聚类结果表明,本文提出的算法优于K⁃means++聚类算法,有效地提升了聚类性能。 展开更多

关键词 数据挖掘 K⁃means聚类算法 Tukey规则 中心点优化

在线阅读 下载PDF 职称材料

一种对孤立点不敏感的新的K-Means聚类算法 被引量：5

11

作者 包志强 赵媛媛 +1 位作者 胡啸天 赵研 《现代电子技术》 北大核心 2020年第5期109-112,共4页

针对传统K-Means聚类算法的不足,提出一种新的对孤立点不敏感的K-Means聚类算法。首先,采用孤立点移除算法消除数据集中存在的孤立点;然后,对不包含孤立点的数据集进行传统K-Means聚类,再引入轮廓系数并选择轮廓系数最大值对应的簇类数... 针对传统K-Means聚类算法的不足,提出一种新的对孤立点不敏感的K-Means聚类算法。首先,采用孤立点移除算法消除数据集中存在的孤立点;然后,对不包含孤立点的数据集进行传统K-Means聚类,再引入轮廓系数并选择轮廓系数最大值对应的簇类数作为数据集中簇的最优选择数目K;最后,通过自定义的聚类有效性评价函数评估聚类效果。实验结果表明,相对于传统K-Means聚类算法,对孤立点不敏感的新的K-Means聚类算法能够消除孤立点对数据集整体的影响,并优化了聚类中心的选择。 展开更多

关键词 K-MEANS聚类算法 孤立点 轮廓系数 簇类数 聚类有效性评价函数 聚类中心

在线阅读 下载PDF 职称材料

一种用于道路障碍物识别的激光点云聚类算法 被引量：9

12

作者 张名芳 刘新雨 +2 位作者 付锐 蒋拯民 李星星 《激光与红外》 CAS CSCD 北大核心 2017年第9期1186-1192,共7页

提出一种适用于道路障碍物识别检测的聚类算法,该算法用来处理各向异性分布的激光点云数据。算法的基本思想是:针对点云空间分布的实时变化,提出在线学习合并阈值的层次聚类算法,以确定聚类数搜索范围上界和初始聚类中心的待选点集;然... 提出一种适用于道路障碍物识别检测的聚类算法,该算法用来处理各向异性分布的激光点云数据。算法的基本思想是:针对点云空间分布的实时变化,提出在线学习合并阈值的层次聚类算法,以确定聚类数搜索范围上界和初始聚类中心的待选点集;然后提出距离乘积最大化方法,对待选点集进行初始化排序,既结合点云的空间密度分布改善了聚类结果,又克服了传统K-means算法初始聚类中心难确定的问题;最后选取Silhouette和距离评价函数为聚类有效性指标分析算法的聚类效果,确定最佳聚类数。用以上自适应、在线学习的算法对2.5D激光雷达采集的点云数据进行聚类,并与其他两种聚类算法进行实际试验比较发现,本算法可以正确分割大多数空间分布各异且相互连接的障碍物。 展开更多

关键词 K-MEANS算法 激光点云 层次聚类 初始聚类中心

在线阅读 下载PDF 职称材料

基于SOM-DB-PAM混合聚类算法的电力客户细分 被引量：6

13

作者 胡晓雪 赵嵩正 吴楠 《计算机工程》 CAS CSCD 北大核心 2015年第10期295-301,308,共8页

针对电力客户具有客户数量大、存在孤立点等特点,提出一种适用于对大量电力客户进行快速聚类的SOM-DB-PAM混合聚类算法。该算法利用自组织映射神经网络训练输入数据,以获取代表输入模式且数据量远小于输入数据量的原型向量,使用围绕中... 针对电力客户具有客户数量大、存在孤立点等特点,提出一种适用于对大量电力客户进行快速聚类的SOM-DB-PAM混合聚类算法。该算法利用自组织映射神经网络训练输入数据,以获取代表输入模式且数据量远小于输入数据量的原型向量,使用围绕中心点的切分(PAM)对该原型向量聚类并用Davies-Bouldin指标判定最优聚类个数以保证聚类效果。实验结果表明,与传统聚类算法相比,该算法具有更高的分类正确率,当客户数量较大时,能实现对客户的快速、有效聚类,并减少人为指定聚类个数的盲目性和主观性。 展开更多

关键词 电力客户细分 围绕中心点的划分 自组织映射 混合聚类算法 聚类分析

在线阅读 下载PDF 职称材料

基于稠密区域的K-medoids聚类算法 被引量：6

14

作者 赵湘民 陈曦 潘楚 《计算机工程与应用》 CSCD 北大核心 2016年第16期85-89,99,共6页

针对传统K-medoids聚类算法对初始中心点敏感,以及迭代次数较高等缺点,提出一种可行的初始化方法和中心点搜索更新策略。新算法首先利用密度可达思想为数据集中每个对象建立一个稠密区域,遴选出K个密度大且距离较远的稠密区域,把对应的... 针对传统K-medoids聚类算法对初始中心点敏感,以及迭代次数较高等缺点,提出一种可行的初始化方法和中心点搜索更新策略。新算法首先利用密度可达思想为数据集中每个对象建立一个稠密区域,遴选出K个密度大且距离较远的稠密区域,把对应的稠密区域的核心对象作为聚类算法的K个初始中心点;其次,把K个中心点搜索更新范围锁定在所选的K个有效稠密区域里。新算法在Iris、Wine、PId标准数据集中测试,获取了理想中心点和稠密区域,并且在较少的迭代次数内收敛到最优解或近似最优解。 展开更多

关键词 K-medoids聚类算法 稠密区域 初始中心点 中心点搜索更新

在线阅读 下载PDF 职称材料

改进的k-均值算法在聚类分析中的应用 被引量：3

15

作者 顾洪博 张继怀 《西安科技大学学报》 CAS 北大核心 2010年第4期484-489,共6页

介绍了在聚类中广泛应用的经典k-均值算法,并针对其易受随机选择初始聚类中心和孤立点的影响的不足,给出了改进的k-均值算法。首先使用距离法移除孤立点,然后采用邻近吸收法对初始聚类中心的选择进行了改进。并做了改进前后的对比实验... 介绍了在聚类中广泛应用的经典k-均值算法,并针对其易受随机选择初始聚类中心和孤立点的影响的不足,给出了改进的k-均值算法。首先使用距离法移除孤立点,然后采用邻近吸收法对初始聚类中心的选择进行了改进。并做了改进前后的对比实验和应用。结果表明,改进后的算法比较稳定、准确,受孤立点和随机选择初始聚类中心的影响也有所降低。 展开更多

关键词 K-均值算法 初始聚类中心 距离法 孤立点

在线阅读 下载PDF 职称材料

基于划分的数据挖掘K-means聚类算法分析 被引量：19

16

作者 曾俊 《现代电子技术》 北大核心 2020年第3期14-17,共4页

为提升数据挖掘中聚类分析的效果,在分析数据挖掘、聚类分析、传统K⁃means算法的基础上,提出一种改进的K⁃means算法。首先将整体数据集分为k类,然后设定一个密度参数为ϑ,该密度参数反映数据库中数据所处区域的密度大小,ϑ值与密度大小成... 为提升数据挖掘中聚类分析的效果,在分析数据挖掘、聚类分析、传统K⁃means算法的基础上,提出一种改进的K⁃means算法。首先将整体数据集分为k类,然后设定一个密度参数为ϑ,该密度参数反映数据库中数据所处区域的密度大小,ϑ值与密度大小成正比,通过密度参数优化k个样本数据的聚类中心点选取;依据欧几里得距离公式对未选取的其他数据到各个聚类中心之间的距离进行计算,同时以此距离为判别标准,对各个数据进行种类划分,从而得到初始的聚类分布;初始聚类分布得到之后,对每一个分布簇进行再一次的中心点计算,并判断与之前所取中心点是否相同,直到其聚类收敛达到最优效果。最后通过葡萄酒数据集对改进算法进行验证分析,改进算法比传统K⁃means算法的聚类效果更优,能够更好地在数据挖掘当中进行聚类。 展开更多

关键词 数据挖掘 聚类分析 K⁃means聚类算法 聚类中心选取 K⁃means算法改进 初始中心点

在线阅读 下载PDF 职称材料

基于狮群优化的改进K-Means聚类算法研究 被引量：12

17

作者 胡啸 王玲燕 +2 位作者 张浩宇 常宇超 王银 《控制工程》 CSCD 北大核心 2022年第11期1996-2002,共7页

针对K-Means聚类算法对初始聚类中心选择依赖性强的问题,利用狮群优化算法的快速收敛性及易于获取全局最优解的优势,提出了一种基于狮群优化的改进K-Means聚类算法。通过狮群优化算法对狮王不断迭代更新,优化狮王位置,将算法停止执行时... 针对K-Means聚类算法对初始聚类中心选择依赖性强的问题,利用狮群优化算法的快速收敛性及易于获取全局最优解的优势,提出了一种基于狮群优化的改进K-Means聚类算法。通过狮群优化算法对狮王不断迭代更新,优化狮王位置,将算法停止执行时的狮王最优解作为聚类中心,替代传统算法经过随机初始化得到具有不确定因素的聚类中心。选择UCI数据集进行验证,实验结果表明,改进算法的聚类效果较好,有效降低了K-Means对初始聚类中心的依赖。将改进的K-Means聚类算法应用于点云精简过程,获得了较好的点云精简效果。 展开更多

关键词 聚类分析 K-MEANS聚类算法 狮群优化算法 聚类中心 点云精简

在线阅读 下载PDF 职称材料

Robust的分布式k中心聚类算法的研究与实现 被引量：2

18

作者 陶冶 曾志勇 《计算机工程与应用》 CSCD 北大核心 2009年第32期122-125,共4页

并行处理的研究在数据挖掘中是十分必要的。在理论分析的基础上,提出在对经典串行PAM算法进行并行时应如何从局部聚类信息生成完备的全局聚类信息,据此提出了算法DPAM,在提高计算性能的同时,使聚类质量等价于相应串行PAM算法。为提高并... 并行处理的研究在数据挖掘中是十分必要的。在理论分析的基础上,提出在对经典串行PAM算法进行并行时应如何从局部聚类信息生成完备的全局聚类信息,据此提出了算法DPAM,在提高计算性能的同时,使聚类质量等价于相应串行PAM算法。为提高并行算法的执行效率,还介绍了如何减小计算结点间通信的代价。最后对提出的算法进行性能分析和实验,说明该算法是高效可行的。 展开更多

关键词 聚类 围绕中心点的划分(PAM)算法 并行 消息传递接口(MPI)

在线阅读 下载PDF 职称材料

基于多维网格空间的改进K-means聚类算法 被引量：17

19

作者 邵伦 周新志 +1 位作者 赵成萍 张旭 《计算机应用》 CSCD 北大核心 2018年第10期2850-2855,共6页

K-means算法是被广泛使用的一种聚类算法,传统的K-means算法中初始聚类中心的选择具有随机性,易使算法陷入局部最优,聚类结果不稳定。针对此问题,引入多维网格空间的思想,首先将样本集映射到一个虚拟的多维网格空间结构中,然后从中搜索... K-means算法是被广泛使用的一种聚类算法,传统的K-means算法中初始聚类中心的选择具有随机性,易使算法陷入局部最优,聚类结果不稳定。针对此问题,引入多维网格空间的思想,首先将样本集映射到一个虚拟的多维网格空间结构中,然后从中搜索出包含样本数最多且距离较远的子网格作为初始聚类中心网格,最后计算出各初始聚类中心网格中所包含样本的均值点来作为初始聚类中心。此法选择出来的初始聚类中心与实际聚类中心拟合度高,进而可据此初始聚类中心稳定高效地得到最终的聚类结果。通过使用计算机模拟数据集和UCI机器学习数据集进行测试,结果表明改进算法的迭代次数和错误率比较稳定,且均小于传统K-means算法测试结果的平均值,能有效避免陷入局部最优,并且聚类结果稳定。 展开更多

关键词 K-MEANS算法 聚类算法 初始聚类中心 多维网格空间 均值点

在线阅读 下载PDF 职称材料

融合云模型优化萤火虫的K-mediods聚类算法 被引量：4

20

作者 管雪婷 石鸿雁 《统计与决策》 CSSCI 北大核心 2021年第5期34-39,共6页

文章针对K-中心点聚类算法(K-mediods)易陷入局部最优及运行代价过大的问题,提出一种融合云模型优化萤火虫的K-mediods聚类算法。首先,将基于优秀萤火虫的云模型优化策略与基于普通萤火虫的云动态调整因子策略以及自主随机搜索相结合,... 文章针对K-中心点聚类算法(K-mediods)易陷入局部最优及运行代价过大的问题,提出一种融合云模型优化萤火虫的K-mediods聚类算法。首先,将基于优秀萤火虫的云模型优化策略与基于普通萤火虫的云动态调整因子策略以及自主随机搜索相结合,对基本的萤火虫优化算法(GSO)进行改进;其次,从全局收敛性的角度对改进的GSO进行分析;最后,将改进的GSO与K-mediods算法融合成一种新的K-mediods算法。实验结果表明,该算法不仅在4种测试函数的求解精度上效果更优,而且对5个数据集的聚类结果均有改善,有效地抑制了K-mediods算法易陷入局部最优的问题,并且减少了算法的运行时间。 展开更多

关键词 K-中心点聚类 云模型 改进的GSO算法 动态调整 全局收敛性

在线阅读 下载PDF 职称材料