初始中心优化的K-Means聚类算法 被引量：47

1

作者 李飞 薛彬 黄亚楼 《计算机科学》 CSCD 北大核心 2002年第7期94-96,共3页

1.引言 聚类分析(clustering)是人工智能研究的重要领域.聚类方法被广泛研究并应用于机器学习、统计分析、模式识别以及数据库数据挖掘与知识发现等不同的领域.

关键词 遗传算法 随机全局优化搜索算法 K—means聚类算法 初始聚类中心 优化

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

2

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Tukey规则与初始中心点优化的K⁃means聚类改进算法 被引量：6

3

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

基于聚类分析的红外图像配准算法

4

作者 张晓宇 《现代电子技术》 北大核心 2024年第24期115-119,共5页

为提高图像处理的精度和效率,并扩展红外图像在实际应用中的使用范围,提出一种基于聚类分析的红外图像配准算法。该算法先构建红外图像观测模型,利用该模型描述理想的红外图像与实际红外图像之间的关系,得到低分辨率的实际红外图像;然... 为提高图像处理的精度和效率,并扩展红外图像在实际应用中的使用范围,提出一种基于聚类分析的红外图像配准算法。该算法先构建红外图像观测模型,利用该模型描述理想的红外图像与实际红外图像之间的关系,得到低分辨率的实际红外图像;然后使用最大后验估计方法对低分辨率红外图像进行超分辨率重建;接着以超分辨率重建后的红外图像为基础,利用Harris角点检测算法提取红外图像内角点特征并建立红外图像配准特征集,通过K⁃means聚类算法对红外图像角点特征之间距离、方向特征向量夹角进行计算;最后选择聚类中心,并依据角点特征距离与方向特征向量夹角对红外图像角点特征进行聚类处理,得到红外图像配准结果。实验结果表明:所提算法对低分辨率红外图像的超分辨率重建效果较好,可有效提取红外图像内的角点特征,并实现不同红外图像配准,应用效果较佳。 展开更多

关键词 红外图像 配准算法 聚类分析 观测模型 角点特征 HARRIS角点检测 K⁃means聚类算法

在线阅读 下载PDF 职称材料

一种融合IFOA和K⁃Means聚类的低照度图像分割方法 被引量：6

5

作者 李苏晨 王硕禾 +1 位作者 唐卓 刘旭 《现代电子技术》 2021年第1期45-48,共4页

为改进电气化铁路接触网补偿器监测装置在光照不足时对图像目标区域分割精度较低,无法准确识别入侵异物的问题,采用全局自适应色调映射的方法增强低照度图像,联合改进的果蝇算法与K⁃Means聚类算法(IFOA⁃K⁃Means聚类算法)实现目标区域的... 为改进电气化铁路接触网补偿器监测装置在光照不足时对图像目标区域分割精度较低,无法准确识别入侵异物的问题,采用全局自适应色调映射的方法增强低照度图像,联合改进的果蝇算法与K⁃Means聚类算法(IFOA⁃K⁃Means聚类算法)实现目标区域的准确分割。实验结果表明,该方法对退化图像的分割精度更高,能够充分保持图像的边缘信息,运算开销较小,能有效提高图像后续处理的效率。 展开更多

关键词 电气化铁路 图像照度增强 图像分割 色调映射 果蝇算法 K⁃means聚类算法 入侵物识别

在线阅读 下载PDF 职称材料

基于k-Means改进算法的分布式拒绝服务攻击检测 被引量：4

6

作者 刘运 殷建平 +1 位作者 程杰仁 蔡志平 《计算机工程与科学》 CSCD 2008年第12期23-26,共4页

分布式拒绝服务(DDoS)攻击是当前主要的网络安全威胁之一。本文分析了DDoS攻击的本质特征,提出了结合流量及流特征分布熵的检测策略,并根据问题需要改进了k-means聚类算法,并用之建立攻击检测模型。最后,使用LLDOS1.0数据集对该模型进... 分布式拒绝服务(DDoS)攻击是当前主要的网络安全威胁之一。本文分析了DDoS攻击的本质特征,提出了结合流量及流特征分布熵的检测策略,并根据问题需要改进了k-means聚类算法,并用之建立攻击检测模型。最后,使用LLDOS1.0数据集对该模型进行测试。实验结果表明,该模型具有良好的检测精度,验证了检测策略的有效性。 展开更多

关键词 分布式拒绝服务攻击 流特征分布熵 k—means聚类算法

在线阅读 下载PDF 职称材料

基因表达式编程和K-Means融合的雷达信号分选 被引量：4

7

作者 冯明月 何明浩 王冰切 《雷达科学与技术》 2013年第2期150-154,共5页

为了解决聚类算法需要较多的先验知识,不能自动进行聚类的问题,提出了基因表达式编程和K-Means融合的雷达信号分选算法。从介绍基因表达式编程和K-Means聚类算法的特点出发,针对雷达信号的实际情况,对两种算法进行了优化融合,并通过模... 为了解决聚类算法需要较多的先验知识,不能自动进行聚类的问题,提出了基因表达式编程和K-Means融合的雷达信号分选算法。从介绍基因表达式编程和K-Means聚类算法的特点出发,针对雷达信号的实际情况,对两种算法进行了优化融合,并通过模拟雷达辐射源数据进行了仿真验证,仿真结果表明该算法在不需要任何雷达辐射源先验知识的情况下即可自动完成聚类分选,具有98.3%的聚类分选精度和较快的收敛速度,其较高的分选精度在电子情报侦察系统上有着广阔的应用前景。 展开更多

关键词 基因表达式编程 K—means聚类算法 信号分选 分选精度 遗传算法

在线阅读 下载PDF 职称材料

基于阵元接收信号幅度信息的频域盲分离排序算法 被引量：3

8

作者 朱坚坚 王惠刚 李虎雄 《声学技术》 CSCD 北大核心 2008年第4期593-596,共4页

排序模糊性问题是影响频域盲源分离算法分离性能的主要原因之一。对于提出了一种新的解决频域盲源分离排序模糊性问题的算法。该算法通过提取阵元接收信号每个频率点上的幅度衰减信息,采用k-means聚类算法将线性分离算法所得分离信号进... 排序模糊性问题是影响频域盲源分离算法分离性能的主要原因之一。对于提出了一种新的解决频域盲源分离排序模糊性问题的算法。该算法通过提取阵元接收信号每个频率点上的幅度衰减信息,采用k-means聚类算法将线性分离算法所得分离信号进行归类,来解决排序模糊性问题。该排序算法对阵列阵元排布方式,阵元间距等没有特殊的要求,并且适用于任意数量混合信号的盲分离系统。仿真实验证实了这种开发阵元接收信号幅度衰减信息的排序算法在绝大多数频率点上有效地解决了排序模糊性问题,是一种计算量相对较小而又简单有效的排序算法。 展开更多

关键词 盲源分离 排序模糊性 幅度信息 k—means聚类算法

在线阅读 下载PDF 职称材料

基于ELM优化模型的用户短期负荷研究 被引量：9

9

作者 杨本臣 于坤鹏 张军 《计算机应用与软件》 北大核心 2019年第11期91-95,187,共6页

随着售电侧的逐步开发以及用电大数据时代的到来,短期负荷预测更加复杂,必须综合考虑实时电价、用户历史用电行为以及预测模型的精度和时间复杂度。在分析各种短期负荷影响因素的基础上,利用K-means聚类方法对用户历史用电行为进行聚类... 随着售电侧的逐步开发以及用电大数据时代的到来,短期负荷预测更加复杂,必须综合考虑实时电价、用户历史用电行为以及预测模型的精度和时间复杂度。在分析各种短期负荷影响因素的基础上,利用K-means聚类方法对用户历史用电行为进行聚类,再利用兼具有自动寻找隐层节点数和在线学习功能的I-OS-ELM学习机进行负荷预测。实例预测结果证明,该模型能够有效地解决实时电价机制下短期负荷的预测问题。 展开更多

关键词 实时电价 用电行为 K means聚类算法 I-OS-ELM学习机

在线阅读 下载PDF 职称材料

微博用户特征量增长规律研究 被引量：3

10

作者 苑卫国 刘云 《计算机研究与发展》 EI CSCD 北大核心 2015年第2期522-532,共11页

根据抓取到的新浪微博实际用户数据,分析了粉丝数、关注数和微博数3个特征量的增长模式,发现这3个特征量整体上都随时间线性增长,取整后的增长率服从幂律分布.用户特征量增长模式主要呈持续增长和爆发式增长,其中爆发式增长用户按增长... 根据抓取到的新浪微博实际用户数据,分析了粉丝数、关注数和微博数3个特征量的增长模式,发现这3个特征量整体上都随时间线性增长,取整后的增长率服从幂律分布.用户特征量增长模式主要呈持续增长和爆发式增长,其中爆发式增长用户按增长的不同阶段又可以划分为前期、中期、后期和阶跃式4种增长模式.使用基于向量余弦距离相似性的K-means聚类算法,对不同排序和不同初始规模实际用户特征量的时间序列进行聚类分析,统计得到不同增长模式的用户数量.发现用户特征量中增速高的用户增长主要以爆发式增长为主,而规模高的用户增长以持续式增长为主.通过对用户粉丝数爆发式增长的过程分析,对比用户微博被转发和被评论二者的增长关系,提出了导致用户粉丝数爆发式增长的原因. 展开更多

关键词 微博 增长模式 余弦相似性 K—means聚类算法 时间序列

在线阅读 下载PDF 职称材料

一种基于位置指纹的WLAN攻击检测与定位方法

11

作者 马飞 李娟 《计算机应用与软件》 CSCD 2015年第9期306-309,共4页

针对现有网络安全技术对WLAN的MAC地址欺骗攻击很难进行有效检测与防范,对攻击源定位困难性更大的问题,提出一种新颖的攻击检测与定位方法。该方法利用无线信号的RSSI很难被伪造的特性,采用改进的K-means聚类算法降低环境因素对RSSI带... 针对现有网络安全技术对WLAN的MAC地址欺骗攻击很难进行有效检测与防范,对攻击源定位困难性更大的问题,提出一种新颖的攻击检测与定位方法。该方法利用无线信号的RSSI很难被伪造的特性,采用改进的K-means聚类算法降低环境因素对RSSI带来的波动影响,构造了基于RSSI的Radio Map,利用RSSI位置指纹匹配技术对MAC地址欺骗攻击进行检测并对攻击源定位。通过在IEEE 802.11g环境下进行的测试结果表明,该方法具有攻击检测率高及攻击源定位准确的优点。 展开更多

关键词 RADIO MAP RSSI WLAN欺骗攻击K—means聚类算法

在线阅读 下载PDF 职称材料

基于用户特征和评分的精准推荐策略研究 被引量：10

12

作者 傅金京 李玲娟 《南京邮电大学学报（自然科学版）》 北大核心 2021年第1期107-114,共8页

个性化推荐系统是帮助用户发现内容,克服信息过载的重要工具。为了提高推荐算法的准确率和效率,综合协同过滤推荐算法和K⁃means聚类算法,设计了一种基于用户特征和评分的精准推荐策略。该策略一方面针对新用户冷启动问题,引入K⁃means聚... 个性化推荐系统是帮助用户发现内容,克服信息过载的重要工具。为了提高推荐算法的准确率和效率,综合协同过滤推荐算法和K⁃means聚类算法,设计了一种基于用户特征和评分的精准推荐策略。该策略一方面针对新用户冷启动问题,引入K⁃means聚类算法对全体用户特征进行聚类,将新用户所属类中其他用户喜好的物品中的Top N个推荐给新用户;另一方面根据物品数和用户数的大小关系,或者不同推荐算法所得F1值的大小关系,来决定选择将哪种推荐算法产生的结果推荐给老用户。在Movielens和FilmTrust数据集上的实验结果表明,这种基于用户特征和评分的精准推荐策略能够有效地针对新用户和老用户做出准确的最佳推荐。 展开更多

关键词 协同过滤推荐 用户冷启动 K⁃means聚类算法

在线阅读 下载PDF 职称材料

基于电力数据挖掘的涉污企业用电量预测方法研究 被引量：4

13

作者 成贵学 乔臻 +1 位作者 滕予非 唐伟 《现代电子技术》 2022年第15期151-156,共6页

为对工业涉污企业进行准确管控,提出一种基于用电特性聚类与ConvLSTM神经网络算法结合的涉污企业用电量预测方法。对于企业用电数据中的数据异常与缺失的问题,采用局部离群因子算法(LOF)筛选异常值后输入至灰色模型中进行校正;通过K⁃me... 为对工业涉污企业进行准确管控,提出一种基于用电特性聚类与ConvLSTM神经网络算法结合的涉污企业用电量预测方法。对于企业用电数据中的数据异常与缺失的问题,采用局部离群因子算法(LOF)筛选异常值后输入至灰色模型中进行校正;通过K⁃means算法对修正后的企业历史用电数据进行特征提取并分析其用电特征,考虑影响用电量的因素不仅包括日期特性、节日特性,还提取了重污染天气下政府对涉污企业的管控特性;构建ConvLSTM模型,充分挖掘企业数据时序性特征,有效提高涉污企业短期用电量预测精度。选择四川省成都市涉污企业的用电数据验证模型算法的有效性。验证结果表明,所提方法对于不同企业、不同类型日期均更有效,能更精确地预测企业未来用电的趋势。 展开更多

关键词 企业用电量预测 ConvLSTM LOF 灰色模型 K⁃means聚类算法 时序性特征 用电特性聚类

在线阅读 下载PDF 职称材料