作者:于立婷; 谭小波; 解羽 期刊:《沈阳理工大学学报》 2019年第06期
在SD-WSN网络环境下,针对传统的入侵检测技术对不同种类的入侵者检测率低、检测速率慢等问题,提出了一种基于改进人工蜂群优化的K-means入侵检测模型。该模型首先筛选出SD-WSN网络所需的流量特征并对原始数据集进行预处理;其次,对传统的人工蜂群算法进行适应度函数的改进,加快模型的收敛速度,避免局部最优;再利用改进的人工蜂群算法对K-means算法的初始聚类中心进行优化选择,并对数据集进行训练形成入侵检测模型。利用该模型实现了...
无线光传感器节点数据信息提取方法,可从无线光传感器节点中提取有效数据,使得无线光传感器节点的应用价值大大提高。先基于无线光传感器节点数据信息的可靠性、扩展性和健壮性构建无线光传感器节点信号模型,再在模型内计算不同节点数据的属性信息聚类中心组,根据属性信息聚类结果自适应优化整合节点数据属性信息;最后,采用自适应波数形成方法提取整合后的无线光传感器节点数据特征。为验证该方法有效性与优势展开实验分析,结果如...
作者:何佳知; 谢颖华 期刊:《信息技术与网络安全》 2015年第19期
传统的K-means算法随机选取初始聚类中心,聚类结果不稳定,容易陷入局部最优解。针对聚类中心的敏感性,提出一种优化初始聚类中心的K-means算法。此算法利用数据集样本的分布特征计算样本点的密度并进行分类,在高密度区域中选择K个密度最大且相互距离超过某特定阈值的点作为初始聚类中心,并对低密度区域的噪声点单独处理。实验证明,优化后的算法能取得更好的聚类效果,且稳定性增强。
作者:姚小平; 姚磊华; 王心义 期刊:《煤炭技术》 2013年第06期
在对传统的水文地质单元划分方法不足分析的基础上,提出了以地下水水化学特征来进行水文地质单元划分的方法,并采用传统的K均值聚类法对平顶山煤田的寒武灰岩进行水文地质单元划分,取得了良好的效果,为水文地质单元的划分提供了新的理论方法。
作者:景鹏; 孟祥海 期刊:《城市交通》 2006年第02期
城市道路上交通构成复杂,对交通流进行研究时希望能够有一个统一的标准来计量道路上行驶的车辆。车辆折算系数是指将混舍车流中的各种车型转化成标准车的当量值,是道路规划与设计中的重要指标之一。由于该系数在不同地点和时间的交通流状况下不尽相同,就需要一种调查简单而结果又合理的计算方法。从定义各类型车辆所占用的动态空间瞬时车道占有率入手,提出了以车辆瞬时占用车道长度与速度的比值为参数,基于模糊动态聚类对车辆...
作者:王艳红 期刊: 2018年第17期
本文针对大数据环境下的电子商务发展状况,采用统计归类的方法获得电子商务发展评价的指标体系,提出了基于灰色聚类法的区域电子商务评价体系。运用灰色聚类法,通过初设预定的聚类中心进行迭代计算得到最终的聚类中心,然后计算评价区域与聚类中心的灰色综合关联度,并根据计算出的灰色综合关联度对选定的区域电子商务发展程度进行了分类。通过指标加权计算出类内与类间电子商务发展程度指标,对于区域电子商务发展程度进行排序,实现...
作者:郭骁炜; 陈小妮; 于泉; 孙瑶 期刊:《公路》 2019年第08期
在大数据背景下,对数据进行挖掘分析,发现其一般规律,以预测交通状态,从而为交通管理者制定合适的交通诱导与控制策略提供可靠的依据。为了对交通状态进行预测,对路口大量的检测器数据进行分析,选取交通量和时间占有率作为评价指标,采用k均值聚类方法确定各个指标的聚类中心并采用组合赋权的策略以设定各个指标的权重,采用线性分析法确定各个指标的隶属度函数,利用最大隶属度原则的模糊运算得出最终评价结果,实现对交通状态的实时...
作者:刘佳鸣; 况立群; 尹洪红; 韩燮 期刊:《中国科技论文》 2019年第07期
针对k均值聚类算法对初始聚类中心位置敏感的问题,提出了一种基于灰狼优化的k均值聚类算法,通过灰狼优化算法对解空间的全局寻优能力得到α狼,实现对k均值聚类中心的初始化操作,并通过迭代更新α狼优化k均值聚类中心,直到达到最大迭代次数,以此改进k均值聚类算法。实验结果表明,在UCI(University of California Irvine)的4类数据集上,所提算法相比于传统的k均值聚类算法,获得了更好的聚类效果,其分类准确度平均提高10%左右,且算法较...
作者:姚志宏; 戴琳 期刊:《南京师范大学学报·工程技术版》 2004年第03期
利用神经网络中的Kohonen网络聚类的特点,把轧钢机万向接轴裂纹故障不同的关联度作为Kohonen网络的训练样本输入到Kohonen网络,并由网络进行学习和聚类.由于裂纹深度不同,裂纹故障的关联度不同,于是网络便产生不同的聚类中心点.根据不同的聚类中心,可以很明确地诊断万向接轴裂纹的故障程度.
作者:何爱林; 刘忠; 杨敏; 孙洋 期刊:《海军工程大学学报》 2019年第01期
在军事应用中,为了提取群体目标的整体运动趋势,提出了一种基于决策图的轨迹聚类来提取轨迹运动趋势的方法。该方法不需要预设参数,且聚类中心的个数既可以通过决策图人工确定,又可以通过数值检测策略自动确定,由此减轻了算法对领域知识的依赖,增强了算法的适用性。仿真实验表明:该方法能正确确定轨迹聚类簇,且对轨迹噪声有一定的抑制作用。
作者:史丽萍; 宋朝鹏; 李明泽; 陈苏黔; 李加欣 期刊:《电测与仪表》 2018年第11期
针对加权模糊聚类算法(WFCM)应用于变压器DGA分析时存在收敛速度慢、对初始值敏感的问题,提出了一种改进人工鱼群优化加权模糊聚类算法(SAAFSA-WFCM)的变压器故障诊断方法。该方法利用模拟退火算法(SA)来改进人工鱼群算法(AFSA)以求取最佳初始聚类中心,在发挥AFSA优异的全局寻优能力的同时,利用SA的概率性突跳搜索机制对AFSA实施局部优化,提高了AFSA的搜索精度。WFCM算法以得到的最佳初始聚类中心为初值进行迭代运算,最终...
利用神经网络中Kohonen网络聚类的特点,把小型轧机万向接轴裂纹故障的不同关联度,作为Kohonen网络的训练样本输入到Kohonen网络中去,并由Kohonen网络学习和聚类产生不同的聚类中心点.由于裂纹深度不同,裂纹故障关联度不同,网络产生的聚类中心点不同.因此可根据不同的聚类中心点准确地诊断万向接轴的裂纹深度.
作者:文传军; 詹永照 期刊:《科学技术与工程》 2018年第08期
为了避免陷入梯度法局部极值以提升模糊聚类算法聚类性能,提出PSO高斯诱导核模糊C均值聚类算法(PSO Gauss-induced kernel fuzzy C-means clustering algorithm,PSO-GIKFCM)。首先将高斯核函数应用于模糊C聚类算法(FCM)目标函数,得到高斯核模糊聚类目标函数。然后在高斯核特征空间和输入空间利用梯度法得到两空间聚类中心,将特征空间聚类中心与样本的内积核矩阵代入输入空间聚类中心,从而得到高斯诱导核的聚类中心。最后在解空间利...
作者:陈鹏; 王志国; 刘飞 期刊:《化工自动化及仪表》 2019年第05期
调节阀粘滞是实际控制回路中的一种非线性特征,会引起控制回路性能下降。针对此问题,提出一种基于逆模型的调节阀粘滞补偿控制方案。首先,采集阀门输入输出数据,使用K-means聚类获得调节阀粘滞特征工作点;然后,建立粘滞分段函数模型,再以分段函数的反函数形式构造阀门粘滞逆模型,并基于此设计逆模型控制器以补偿阀门粘滞非线性。最后,通过数据仿真对所提方法进行测试,结果验证了其有效性。
作者:廖伍代; 朱范炳; 王海泉; 孙雪凯 期刊:《计算机测量与控制》 2018年第04期
为了改善K均值聚类算法对初始聚类中心敏感和易于陷入局部最优的不足,提出人工蜂群算法和K均值聚类算法相结合的想法,即基于人工蜂群优化的K均值聚类算法;通过全局寻优能力强的人工蜂群算法初始化K均值的聚类中心并优化聚类中心的位置,从而帮助K均值跳出局部极值,优化聚类效果;将混合聚类算法用Iris、RedWine和NewRedWine数据集做聚类测试,结果表明该算法既克服了原始K均值聚类算法容易受初始聚类中心影响和不稳定的缺点,又具有良...
作者:刘福才; 路平立; 裴润 期刊:《仪器仪表学报》 2005年第04期
给出了一种快速聚类方法,得到采样数据的聚类中心,用高斯隶属函数获得T-S模型的前提隶属度,然后采用正交最小二乘和'客观'的统计信息准则来选择一些重要的模糊规则,简化模糊模型,提高辨识精度和泛化能力,奇异值分解方法得到结论参数.最后通过仿真实例验证了此方法的有效性.
作者:吕娜; 摆小军; 张烜; 张镇东 期刊:《移动信息》 2017年第01期
在计算机视觉领域,聚类算法主要用来构建视觉词汇的词袋,因其简单、高效而得到了广泛的应用。众所周知,最简单的聚类算法是K-means算法。该算法主要是通过初始化一组聚类中心,并通过计算其他样本点到聚类中心的距离判断该样本点属于某一个聚类中心。采用分布式K-means算法提取图像特征则是在分布式的环境下图像特征的提取。通过聚类的过程得到聚类中心,即字典,在得到字典后,通过特征映射函数,将输入的图像向量转换成相应的...
作者:文传军; 汪庆淼 期刊:《计算机工程与科学》 2018年第05期
聚类算法单一迭代路径限制了参数优值的搜索。提出一种多路径高斯核模糊C均值聚类算法(MGKFCMs),MGKFCMs算法首先取核目标函数及模糊隶属度函数中的核函数为高斯核函数;然后利用梯度法得到聚类中心迭代公式,并基于该迭代公式和粒子群算法作聚类中心的并行参数迭代,在每一次聚类迭代时,选择聚类目标函数值小的路径作为参数迭代最终路径。对比分析了MGKFCMs算法的相关性质,通过仿真实验验证了所提算法的有效性。
作者:王义武; 杨余旺; 于天鹏; 沈兴鑫; 李猛坤 期刊:《计算机技术与发展》 2019年第03期
聚类中心需要手动设置是K-means算法最大的问题,而通常情况是并不能确定现实中数据的分类情况。为了解决这一问题,提出了一种新的OCC K-means算法。不同于传统算法以随机选择的方式产生聚类中心,该算法进行必要的预处理,利用UPGMA和最大最小距离算法对数据点进行筛选,得到可以反映数据分布特征的点,并作为初始的聚类中心,以提高聚类的精度。从两次的实验结果可以对比出,在不同的数据集上,改进算法在衡量聚类效果的准确率、召回率、...
作者:董晓君; 程春玲 期刊:《计算机科学》 2018年第11期
快速搜索和发现密度峰值的聚类算法(Clustering by Fast Search and Find of Density Peaks,CFSFDP)是一种新的基于密度的聚类算法,它通过发现密度峰值来有效地识别类簇中心,具有聚类速度快、实现简单等优点。针对CFSFDP算法的准确性依赖于数据集的密度估计和截断距离(dc)的人为选择问题,提出一种基于核密度估计的K-CFSFDP算法。该算法利用无参的核密度估计分析数据点的分布特征并自适应地选取dc,从而搜索和发现数据点的密度峰值,...