K均值聚类算法

摘要： 船舶动力装置工作过程中会产生大量多域故障信号,通过收集、挖掘隐藏的关联信号,可以解决船舶动力装置在故障诊断中面临的诊断时长问题。文章采用K-均值聚类算法(K-means)对数据进行聚类,聚类结果输入BP神经网络进行模型训练,并在此基础上,设计了主成分分析法(PCA)对模型进行优化。结果显示,2种算法都能有效降低网络诊断时长,而且经PCA优化的算法更能有效地提升神经网络诊断的收敛速度和准确性。说明PCA能为智能故障诊断算法提供可行的优化方案。

摘要： 为了清晰快速地辨识飞机机体损伤区域,引入K均值聚类算法处理损伤图像,通过分析K均值聚类算法的局限性,提出了基于误差平方和差值以及基于像素点变化的聚类迭代终止条件的优化方法,并通过飞机机体损伤图像实例,从损伤识别效果和运算效率两个方面进行验证。验证结果显示,基于改进聚类的机体损伤识别方法,在保证图像损伤区域识别效果的同时,明显减少了迭代次数,提高了聚类算法的运算效率,可以满足飞机机体损伤高效识别的要求。

摘要： 针对焊锡粒多余物粒径特征识别过程中,粒径区分度不足和粒径特征参数类间交叉对分类准确率的不利影响,提出基于聚类的高精密航天器多余物粒径特征识别方法。从信号时域与频域分析技术出发,选取多个特征参数构建多余物粒径初始特征参数向量;采用Fisher比量化各个特征参数对粒径的区分能力并削除贡献率较低的特征参数,从而构建最终多余物粒径特征识别模型;用K均值聚类算法对无标记的不同粒径等级训练样本进行学习后揭示不同粒径等级下输入特征参数的分布规律,实现混合粒径的识别。验证试验表明,在含单个和2个多余物的情况下,多余物粒径的总体识别准确率达81.8%,满足实际要求。

摘要： 大多数的可搜索加密方案中,云服务器在执行搜索操作时将陷门与数据库中所有的索引进行对比,造成开销过大的问题。针对此问题,提出一种具有访问控制功能的高效可搜索加密方案。在敏感数据加密上传至云服务器之前,使用k均值聚类算法对数据进行聚类,将数据分配到各个簇中,并通过潜在狄雷克利分布为每个簇生成相应的索引。云服务器在搜索阶段,首先根据陷门中的关键字集合与每个簇索引的杰卡德距离,寻找关联度最高的簇,并在相匹配的簇中进行检索,减少陷门与索引的对比次数;其次使用基于B+树的数据结构来获取文件列表,大大地提高了搜索效率。此外,该方案结合广播加密机制实现加密文件共享,允许用户在被授权访问的文件子集内搜索关键字,通过聚类将数据分为若干个簇,将每个簇的关键字集合作为用户访问权限。经过性能对比和实验分析表明,该方案提供了恒定大小的用户私钥,通信代价和存储代价与被授权访问文件的用户数量无关,性能得到优化,且搜索精确率达到90%左右。

摘要： 针对K均值聚类(K-means)算法处理复杂问题时易陷入局部最优值、聚类质量较差等不足,提出一种基于粒子群的三支聚类算法.该算法先以随机产生的聚类中心组合作为初始粒子,构成粒子群;然后,通过调整算法中的速度公式参数,使粒子在迭代过程中能较快速地找出全局最优解,即最优的聚类中心;最后,采用三支决策的方法考察数据与类的关系,把确定归属的数据分配到类的核心域,归属不确定的数据分配到类的边界域.实验结果验证了所提算法的有效性,在寻找全局最优值和聚类结果准确性等方面算法都具有较好的性能.

摘要： 为提高轨道扣件状态检测的准确率,基于K均值聚类算法改进掩膜区域卷积神经网络(Mask R-CNN)实例分割算法中的区域建议网络。进行基于改进Mask R-CNN的轨道扣件状态检测方法研究,并将该方法分别应用于普速铁路有砟轨道2个扣件数据集和高速铁路无砟轨道1个扣件数据集上进行轨道扣件状态检测。结果表明:该方法能对普速铁路有砟轨道和高速铁路无砟轨道图像中的扣件状态进行准确检测,扣件的定位准确率和分类准确率平均分别达到97.05%和98.36%,均优于YOLO V3,Faster R-CNN和Mask R-CNN算法;相较于前2种算法,本方法对普速铁路有砟轨道扣件状态检测的优势更为明显。

摘要： 利用数据层的GIS信息化平台,实现集中管理采集到的公路地理信息资源,并将其存储在三层式结构的多种数据库中,经GPS传输至处理层,处理层的数据分类模块采用K-均值聚类算法分类接收有价值的数据后,经数据服务层、Web服务层及互联网信息服务层,再结合HTTP/SOAP协议将数据传至业务层完成巡逻、内业及业绩管理,实现交通设施数字化控制管理.实验结果表明,该系统更具全面性与专业性,有效实现交通设施数字化管理,提高公路移动办公管理效率.

摘要： 随着新型配电系统及整县光伏的快速推进,光伏高占比配网成为未来发展的主要趋势之一,但高占比光伏引起的剧烈电压波动、电压越限等问题,亟需对电压状态开展准确评估。针对光伏高占比配网提出一种基于大数据挖掘的电压时空多维评估方法:通过大数据预处理技术对样本数据进行清洗,提出基于K均值聚类算法(K-means clustering algorithm,K-means)的配网电压大数据时空多维挖掘及特征提取方法,为时空多维评估提供数据基础;构建光伏高占比配网电压时空多维评估指标体系,采用主客观组合赋权法对指标进行权重赋值;提出改进模糊灰关联度评估法,利用模糊灰关联度实现量化评估及等级划分。结果表明,所提方法可从多时间尺度、多颗粒度空间尺度挖掘配网电压的薄弱环节,为解决光伏高占比配网电压相关问题提供数据支撑。

摘要： 利用北京地区20个国家站1980~2020年的长期逐时降水资料,分析了北京夏季降水的基本气候特征和日变化时空分布特征。结果表明:(1)北京地区夏季40年平均降水量分布具有西北山区小,平原大,山区向平原过渡区的迎风坡最大的特点;降水频率则相反,平原降水频率整体小于山区;降水强度整体表现为西北弱,东部强,城区与南部居中的特点。北京夏季降水的强度和极端性较强,致灾风险高。(2)北京夏季平均降水量日变化主体呈单峰型,降水频次为双峰型,降水强度为多峰型,三者同时在22时(北京时,下同)达到最大,在12时最小。(3)降水的峰值时间随月份依次后推,6月最早,7月次之,8月最晚;峰值雨量7月最大,8月次之,6月最小。(4)降水量、降水频率和降水强度的日峰值空间分布具有较强的一致性,西北山区四站出现在20时以前,其余16站出现在20时及以后。使用K均值聚类算法将20站划分为两个区域,结果显示两个区域的降水量、降水频率和强度的日变化具有完全不同的分布特点。(5)近40年北京地区的降水结构在不断调整,短持续时间降水主导期和长持续时间降水主导期交替出现。2000年以前以小于6小时的短持续性降水为主,近15年大于6小时的长持续性降水明显增多。

摘要： 为了解决空中交通流量逐渐增多而带来的拥堵延误问题,提高航班运行的时效性、准点率以及对空中交通流量运行的秩序进行维护,该文运用k-均值聚类改进算法来对空中网络运行状态的类别数量的最优解。采用矩形函数来构建航路网络的隶属度矩阵,对空中交通运行状态进行归类。将4种评价指标归一化处理构建时空拥堵指数,从海量的航空运行数据着手,对空中交通运行状态做出定量评价。验证结果表明,所采用的方法可以用来判别空中交通网络的运行状态。

摘要： 人类已有的知识是可以辅助识别的,现有的研究对人类已有的知识利用的还不够,对人的描述与计算机存储的图像并没有建立语义上的联系,并且提取的知识不容易被人类理解,不符合人类认知规律.针对以上问题,本文对人脸各器官的分类进行研究,利用形状上下文描述子对各类器官形状进行描述,得到形状类型模板,建立面部形状分类模型.另外,对人脸各器官提取LGBP纹理特征后,采用主成分分析法对其进行降维,将高维的纹理特征映射到低维特征空间中,然后利用K-means算法对各类纹理进行聚类,得到各类纹理类型模板并赋予其物理意义.然后,设计人脸验证算法,将不同的人脸图像两两匹配得到其分类模型的类编号,将其进行特征编码后训练逻辑回归模型.最后,在LFW人脸数据库上对本文提出方法进行测试.实验结果表明,本文方法在偏转姿态较小且表情变化较小的图像上具有良好的鉴别效果;同时,本文方法具有良好的扩展性,得到的知识和描述能直接应用在三维建模、电子肖像等多个领域中.

摘要： 人类已有的知识是可以辅助识别的,现有的研究对人类已有的知识利用的还不够,对人的描述与计算机存储的图像并没有建立语义上的联系,并且提取的知识不容易被人类理解,不符合人类认知规律.针对以上问题,本文对人脸各器官的分类进行研究,利用形状上下文描述子对各类器官形状进行描述,得到形状类型模板,建立面部形状分类模型.另外,对人脸各器官提取LGBP纹理特征后,采用主成分分析法对其进行降维,将高维的纹理特征映射到低维特征空间中,然后利用K-means算法对各类纹理进行聚类,得到各类纹理类型模板并赋予其物理意义.然后,设计人脸验证算法,将不同的人脸图像两两匹配得到其分类模型的类编号,将其进行特征编码后训练逻辑回归模型.最后,在LFW人脸数据库上对本文提出方法进行测试.实验结果表明,本文方法在偏转姿态较小且表情变化较小的图像上具有良好的鉴别效果;同时,本文方法具有良好的扩展性,得到的知识和描述能直接应用在三维建模、电子肖像等多个领域中.

摘要： 人类已有的知识是可以辅助识别的,现有的研究对人类已有的知识利用的还不够,对人的描述与计算机存储的图像并没有建立语义上的联系,并且提取的知识不容易被人类理解,不符合人类认知规律.针对以上问题,本文对人脸各器官的分类进行研究,利用形状上下文描述子对各类器官形状进行描述,得到形状类型模板,建立面部形状分类模型.另外,对人脸各器官提取LGBP纹理特征后,采用主成分分析法对其进行降维,将高维的纹理特征映射到低维特征空间中,然后利用K-means算法对各类纹理进行聚类,得到各类纹理类型模板并赋予其物理意义.然后,设计人脸验证算法,将不同的人脸图像两两匹配得到其分类模型的类编号,将其进行特征编码后训练逻辑回归模型.最后,在LFW人脸数据库上对本文提出方法进行测试.实验结果表明,本文方法在偏转姿态较小且表情变化较小的图像上具有良好的鉴别效果;同时,本文方法具有良好的扩展性,得到的知识和描述能直接应用在三维建模、电子肖像等多个领域中.

摘要： 人类已有的知识是可以辅助识别的,现有的研究对人类已有的知识利用的还不够,对人的描述与计算机存储的图像并没有建立语义上的联系,并且提取的知识不容易被人类理解,不符合人类认知规律.针对以上问题,本文对人脸各器官的分类进行研究,利用形状上下文描述子对各类器官形状进行描述,得到形状类型模板,建立面部形状分类模型.另外,对人脸各器官提取LGBP纹理特征后,采用主成分分析法对其进行降维,将高维的纹理特征映射到低维特征空间中,然后利用K-means算法对各类纹理进行聚类,得到各类纹理类型模板并赋予其物理意义.然后,设计人脸验证算法,将不同的人脸图像两两匹配得到其分类模型的类编号,将其进行特征编码后训练逻辑回归模型.最后,在LFW人脸数据库上对本文提出方法进行测试.实验结果表明,本文方法在偏转姿态较小且表情变化较小的图像上具有良好的鉴别效果;同时,本文方法具有良好的扩展性,得到的知识和描述能直接应用在三维建模、电子肖像等多个领域中.

摘要： 人类已有的知识是可以辅助识别的,现有的研究对人类已有的知识利用的还不够,对人的描述与计算机存储的图像并没有建立语义上的联系,并且提取的知识不容易被人类理解,不符合人类认知规律.针对以上问题,本文对人脸各器官的分类进行研究,利用形状上下文描述子对各类器官形状进行描述,得到形状类型模板,建立面部形状分类模型.另外,对人脸各器官提取LGBP纹理特征后,采用主成分分析法对其进行降维,将高维的纹理特征映射到低维特征空间中,然后利用K-means算法对各类纹理进行聚类,得到各类纹理类型模板并赋予其物理意义.然后,设计人脸验证算法,将不同的人脸图像两两匹配得到其分类模型的类编号,将其进行特征编码后训练逻辑回归模型.最后,在LFW人脸数据库上对本文提出方法进行测试.实验结果表明,本文方法在偏转姿态较小且表情变化较小的图像上具有良好的鉴别效果;同时,本文方法具有良好的扩展性,得到的知识和描述能直接应用在三维建模、电子肖像等多个领域中.

摘要： 针对目前LTE基站需求阶段选点由于多部门、多类型来源导致在同一个相近位置附近存在重复上报的问题,为了提高无线基站规划的建设效率,通过对普通k-均值聚类算法中初始k值、聚类中心、离散点这几个关键点进行改进,进而提出一种全新的无线基站需求选点方法.最后该算法已嵌入目前已投入使用的规划设计审核平台中,在需求阶段中得到了很好的应用.

摘要： 针对目前LTE基站需求阶段选点由于多部门、多类型来源导致在同一个相近位置附近存在重复上报的问题,为了提高无线基站规划的建设效率,通过对普通k-均值聚类算法中初始k值、聚类中心、离散点这几个关键点进行改进,进而提出一种全新的无线基站需求选点方法.最后该算法已嵌入目前已投入使用的规划设计审核平台中,在需求阶段中得到了很好的应用.

摘要： 针对目前LTE基站需求阶段选点由于多部门、多类型来源导致在同一个相近位置附近存在重复上报的问题,为了提高无线基站规划的建设效率,通过对普通k-均值聚类算法中初始k值、聚类中心、离散点这几个关键点进行改进,进而提出一种全新的无线基站需求选点方法.最后该算法已嵌入目前已投入使用的规划设计审核平台中,在需求阶段中得到了很好的应用.

摘要： 针对目前LTE基站需求阶段选点由于多部门、多类型来源导致在同一个相近位置附近存在重复上报的问题,为了提高无线基站规划的建设效率,通过对普通k-均值聚类算法中初始k值、聚类中心、离散点这几个关键点进行改进,进而提出一种全新的无线基站需求选点方法.最后该算法已嵌入目前已投入使用的规划设计审核平台中,在需求阶段中得到了很好的应用.

摘要： K-means算法以误差平方和作为聚类准则函数,难以成功划分大小不一、密度不均的类.为此,本文提出了一种改进的K-means算法,首先通过增加初始聚类中心选在小的类、疏的类的概率优化初始聚类中心的选取;其次在将数据对象分配给聚类中心时,采用数据对象到聚类中心的加权距离代替传统K-means算法中的距离;最后使用加权众数距离之和作为聚类准则函数来评价聚类质量.实验结果表明,提出的算法能够提高K-means算法划分大小不一、密度不均的数据集的准确率.

摘要： 本发明提供一种基于K均值聚类算法生成逐字歌词文件的系统与方法，所述方法包括：获取需要生成歌词文件的音频数据和文字，再将所述的音频数据至少分割成一个音频片段，对所述音频片段进行傅里叶变换，得到对应的频域片段，获取所述频域片段能量在频域分布范围值，利用K均值聚类算法根据频率能量变化差异度数值确定频率变化明显的时间节点，再结合所述音频数据中的文字，将所得的时间节点与所述文字根据先后次序一一对应，生成逐字歌词文件。通过上述方案解决了目前歌词文件逐字歌词时长不精确的问题。

摘要： 本发明公开了一种基于改进K均值聚类算法的地铁车站运营时段划分方法，包括如下步骤：1)确定聚类中心的个数K，2)输入初始温度T、降温系数α、最低降温温度Tlowest，马尔科夫链长度为inIteration；3)计算任意两个样本xi和xj的距离；4)计算样本集合S中所有样本的平均距离MeanDis(S)，5)计算任意样本对象xi的密度Den(xi)，6)根据公式计算距离平方和误差为SDSE(i)，设定a＝1，本发明提到的基于改进K均值聚类算法的地铁车站运营时段划分方法初始解更好，算法速度更快，且最后适应度更高。

摘要： 本发明基于大津法与K均值聚类算法联合优化的图像二值化方法属于计算机视觉测量领域，涉及一种基于大津法与K均值聚类算法联合优化的图像二值化方法。该方法首先对图像采用OTSU算法得到图像的OTSU算法阈值；然后对OTSU阈值下的图像前景和背景分别取像素平均值。接下来将上述求得前景和背景的像素平均值作为K‑means的聚类中心，并对图像进行聚类操作。最后，采用DBSCAN算法进行滤波得到最终的图像二值化结果。该方法有效解决了复杂测量环境下具有局部过曝特性图像二值化效果差、难以有效提取特征标志点的问题。实现了图像的有效、精准二值化，能快速完成K‑means聚类过程。

摘要： 本发明公开了一种基于层次聚类的改进K均值聚类算法，其步骤为：计算n个对象两两间的距离；构造n个单成员聚类；根据数据得出层次聚类；当数据分为K类时，计算出每一类的聚类中心；以求出的聚类中心作为K均值的初始聚类中心，K值作为K均值聚类的个数，进行K均值聚类得到聚类结果。本发明通过比较聚类结果与改进的K均值聚类结果两者的组内方差与组间方差表明改进的K均值聚类更为准确合理。将层次聚类和k-均值聚类各自的优点都尽量的发挥出来，避免两个聚类方法自身的不足，最大程度的提高了聚类的质量。

摘要： 本发明用于人工智能领域，涉及区块链领域，公开了基于K均值聚类算法的问答匹配方法、装置、设备及介质，其中，方法包括：获取用户输入的用户问题，并对用户问题进行向量转换，以获得用户问题的问题向量；根据预设匹配方法确定用户问题的多个候选答案，并确定每一候选答案的K个答案语义向量，K个答案语义向量为基于K均值聚类算法，对候选答案进行聚类后获得的语义向量；根据问题向量对K个答案语义向量进行基于注意力机制的向量计算，以获得候选答案的候选答案向量；根据候选答案向量与问题向量的匹配值，在多个候选答案中确定用户问题的正确答案；本发明编码速度较快且减少了信息丢失的可能，提高了候选答案向量以及匹配结果的准确性。

摘要： 本发明属于电池分选领域，提供了基于K均值聚类算法的退役电池快速综合分选方法及系统，获取退役电池测试数据；对退役电池测试数据进行预处理，建立每一个退役电池的综合特征向量并构建所有退役电池综合特征数据集；基于退役电池综合特征数据集和K均值聚类算法，通过不断优化初始化聚类中心和聚类数K，聚类得到每个退役电池的类标签；将类标签相同的退役电池划分到同一类，计算它们综合特征的标准差和平均值，分析其整体情况与离散程度；根据不同梯次利用场景的要求进行匹配度计算，并将匹配度最大的退役电池重组进行梯次利用，实现退役电池的快速综合分选，延长退役电池使用寿命，最大化其使用价值。

摘要： 本发明提供了一种基于K均值聚类算法的主机工况特征值提取方法及系统，该方法先采集船舶数据并进行预处理，从预处理后的船舶数据中选取多个特征参数，计算得到单位时间内各特征参数平均值，然后采用F检验法提取出与特征参数中主机功率平均值相关性最大的特征参数平均值，作为相关特征参数平均值，并采用K‑means聚类算法对主机功率平均值和相关特征参数平均值进行第一阶段工况划分，得到多个主机工况，采用K均值聚类算法，结合海水温度平均值和主机扫气箱温度平均值继续对轮廓系数最低的主机工况进行第二阶段工况划分，得到多个主机工况，最后分别提取上述划分出的各个主机工况的特征值，提高主机工况划分的精准度。

摘要： 本发明涉及计算机技术领域，提供一种基于k均值聚类算法的搜索引擎聚合分析方法及系统，所述方法包括：批量导入数据，并分析导入的批量数据的各个变量所对应的数据类型以及数据分布特征；利用k均值聚类算法对分析后的所有变量数据进行横向聚合分析，从而丰富用户对搜索引擎Elastisearch聚合分析的操作，方便对搜索数据进行整体的探索分析，通过引入KMeans算法，增强了实际应用性及广泛性。

摘要： 本发明公开一种基于k均值聚类算法的自适应调制方法，包括：步骤S1，根据所有节点的地理位置以及簇的数量K，通过k均值聚类算法对于所有的节点进行分簇，并得到所有簇的中心坐标；步骤S2，在簇内选择单一节点作为簇头，并确定该簇头节点至基站上行无线传输采用的调制方式；步骤S3，判断所有簇头采用的调制方式是否满足簇内成员节点数据汇聚后的传输速率要求，如果满足则执行步骤S5，否则执行步骤S4；步骤S4，增加簇的数量K＝K+1，转至步骤S1；步骤S5，根据已确定的分簇以及调制方式，簇成员节点和簇头节点进行数据传输。本发明可以改善无线传感器网络拓扑结构，克服簇头节点传输速率无法满足簇内成员节点并发汇聚转发的弊端，有效提高无线传感器网络的网络吞吐量。

摘要： 本发明公开了一种基于k均值聚类算法缓解知识图谱稀疏的知识表示学习方法，主要包括四个步骤：步骤一，选择一个现有的知识图谱表示学习模型；步骤二，预训练现有模型；步骤三，k均值聚类实体和关系；步骤四，融合聚类信息继续训练模型；本发明利用k均值聚类算法将稀疏的实体和语义上相似的高频实体聚成一簇，增强稀疏实体的表示能力，缓解知识图谱表示学习中的数据稀疏问题，从而提升知识图谱中实体和关系学习的效果。