搜索到980篇“ K-平均算法“的相关文章
K-平均算法的综合优化策略被引量:2
2012年
在典型的空间聚类算法K-平均算法中,输入参数K一般为用户事先确定的值,在实际应用中K值很难精确地确定,同时算法执行时首先随机选取初始聚类中心,初始聚类中心选取的不同往往会导致算法陷入局部最优,使得聚类结果不够准确。本文提出将以上两个方面的优化结合起来进行优化的K-平均综合优化算法,对K-平均算法的综合优化问题进行了初步的研究。
刘佳佳
关键词:空间聚类K-平均算法
基于k-平均算法的文本聚类系统研究与实现
随着国际互联网和企业内部互联网的飞速发展,各种电子文本数据的数量急剧增加,如何快速有效的获取、管理和使用这些文本数据,已经成为信息系统学科迫切需要解决的重要问题。近年来,作为解决这些问题的基本工具之一,基于文本内容的自动...
郑韫旸
关键词:文本聚类文本挖掘向量空间文本预处理
文献传递
用遗传算法改进聚类分析中的K-平均算法被引量:59
1997年
K-平均算法属于聚类分析中的动态聚类法,但其聚类效果受初始聚类分类或初始点的影响较大。本文提出一种遗传算法(GA)来进行近优初始分类。以内部聚类准则作为评价指标,实验结果表明,该算法明显好于K-平均算法
唐立新杨自厚王梦光
关键词:聚类分析K-平均算法遗传算法
实现故障监控的智能预警
2020年
本文提出了一种基于K-平均算法的智能监控预警算法。对于被监控的系统,该算法首先对所发生的故障进行分类,然后对故障类两两进行分析,建立故障实例之间的关联关系。在此基础上,该算法进一步搜索关联故障实例在故障类中的最佳分布并计算故障类之间的绝对和相对关联度。当关联度达到设定的阈值,我们则认为分组故障类存在关联关系,彼此之间存在相互触发动因。本文正是通过寻找这种关联关系来帮助实现故障监控的连带预警功能,实现潜在故障规避。为了对所提出的算法进行客观的评估,我们以企业内部的关键业务系统作为样本数据进行测试。测试结果表明,本算法能够高效并较准确地挖掘故障之间的关联性,对故障的智能监控预警具有实际意义。
李虹韩永佳
关键词:K-平均算法预警
基于深度特征K-平均字典的场景识别被引量:1
2017年
计算机视觉中的中级词袋模型广泛采用滑动窗口作为图片的分割方法。然而由滑动窗口产生的图块充满随机性,部分图块并没有明显的语义含义,会给后续的聚类带来困难。针对这个问题,提出采用似物检测取代滑动窗口。同时,根据词袋模型字典设计中关于字典词区别性和代表性的思路,对K-平均算法进行了改进,并在MIT-67室内场景数据库中进行了测试,该方法取得了良好的效果,最好的结果为76.31。
余良琨黄立勤
关键词:K-平均算法
一种新的粒子群优化聚类算法
2016年
K-means算法在聚类分析中有着广泛应用。它采用了均值中心这一启发式信息,具有计算效率高的优点,但对初始聚类中心选择敏感,且容易陷入局部最优。PSO算法的随机性和并行性特点使其在处理数据库形式的海量数据中表现出更大的优越性,不仅具有较强的全局搜索能力,同时,通过对PSO算法搜索过程的改进增强了算法在最优解附近的搜索概率,降低样本对初始化敏感的程度,可以弥补K-means算法的缺陷。将改进的PSO算法应用于K-means聚类算法可以提高算法的稳定性和收敛效率,通过四组标准UCI数据集的试验,验证了新算法的有效性。
张俊溪杨海粟
关键词:K-平均算法粒子群优化算法聚类中心搜索
基于PCA-K-means和PCA-SOM神经网络的葡萄酒分类被引量:2
2016年
针对葡萄酒物理和化学数据成分冗余,提出了两种葡萄酒分类的算法,分别是主成分分析K均值和主成分分析自组织神经网络算法.这两种算法对葡萄酒的物理化学成分进行了主成分分析,提取了主要的影响因素,将输入维数降低,再利用K均值和自组织神经网络算法分别对葡萄酒进行分类和比较.实验结果表明,PCA-K-means和PCA-SOM都具有较高的准确率,都有一定的使用价值和可操作性,并且PCA-K-means算法优于其它的算法.
霍双红胡红萍白艳萍王建中
关键词:主成分分析K-平均算法自组织神经网络
一种基于遥感的快速提取建筑物高度的方法被引量:1
2016年
针对传统的提取建筑物高度方法过程复杂、参数过多且不易获得的不足,提出了一种快速、简便提取建筑物高度的方法。首先对原始遥感影像进行图像预处理,然后用K-平均算法进行聚类分析得到阴影和建筑物区域;并对提取的阴影进行腐蚀、膨胀等操作,以此来增加阴影的边缘信息;最后实地测量建筑物高度与阴影长度,根据两者之间的几何映射关系,提取建筑物的高度。结果表明:对比传统的建筑物高度提取方法,该方法不仅简单快速,而且精度达到1.5 m以内,从而为大规模建筑物群的高度提取提供了一种快速、便捷、有效的方法。
刘同华景文博姜淑华
关键词:遥感影像K-平均算法数学形态学建筑物高度
支持向量机优化基于K-means的蚁群聚类算法
2012年
基于K-means算法思想改进蚁群聚类算法聚类规则,提出一种新的K-means蚁群聚类算法,并通过实验验证其聚类效果;引入具有全局最优性的支持向量机SVM,取各类中心附近适当数据训练支持向量机,然后利用已获模型对整个数据集进行重新分类,进一步优化聚类结果,使聚类结果达到全局最优。UCI数据集实验结果表明,新的算法可以明显提高聚类质量。
莫锦萍张志刚
关键词:K-平均算法蚁群算法聚类支持向量机
聚类分析在图书馆书籍管理中的应用被引量:1
2011年
阐述了K-means聚类方法在图书馆书籍借阅分析中的应用,以及针对图书馆借阅数据的特点将特征聚类、无量纲化方法引入到K-means算法中。
雷墨林雷翔宇
关键词:数据挖掘图书馆聚类分析K-平均算法

相关作者

唐立新
作品数:156被引量:1,385H指数:21
供职机构:东北大学
研究主题:遗传算法 CIMS 调度 生产调度 启发式算法
莫锦萍
作品数:16被引量:30H指数:3
供职机构:广西财经学院
研究主题:蚁群算法 聚类 蚁群聚类算法 K-平均算法 K-MEANS
杨自厚
作品数:54被引量:460H指数:14
供职机构:东北大学信息科学与工程学院系统工程研究所
研究主题:CIMS 钢铁工业 遗传算法 神经网络技术 神经网络
马琳
作品数:3被引量:8H指数:1
供职机构:广西大学计算机与电子信息学院
研究主题:蚁群算法 K-平均算法 K-MEANS 聚类 蚁群聚类算法
邱苏林
作品数:9被引量:23H指数:4
供职机构:云南司法警官职业学院
研究主题:高职院校 计算思维 计算机基础教学 K-平均算法 孤立点检测