聚类算法

摘要： 基于大数据技术准确把握配电网负荷发展态势将为精细化规划提供依据,解决城区供电分区混乱问题.本研究提出城市负荷空间分布的聚类感知方法,首先开展用户信息收集筛选建立样本数据集,采用基于密度峰值的快速聚类算法,以各电力用户样本点的局部密度和样本间距为指标进行聚类,聚类所得群簇对应于一定容量变电站供电分区的负荷分布,以聚类群簇作为基本单元,分析群簇属性指标包括群簇簇头空间坐标、群簇负荷总量、群簇负荷密度、群簇用户总数、群簇最大半径、群簇平均半径等,建立以群簇属性为要素的城市电力负荷态势感知模型,在特定的时间和空间对城市电力负荷群簇进行分析以准确把握城市发展态势;最后以某城市供电网格为例,验证所提方法有效性.

摘要： 聚类是数据挖掘的一种手段,把特征相似的数据聚在一起,论文尝试通过不同的聚类算法对数据集进行聚类,得出不同聚类算法的轮廓系数并对其行分析研究,得出最佳算法,然后确定k值,结果是当k=2时基于K-means聚类算法的情绪聚类效果最好。研究结果可以应用到抑郁症治疗或者心理学领域方面,未来做一个分类器进行快速的情绪分析,可以预测患者是否会患上抑郁症或者抑郁症发作,有很好的社会应用价值。

摘要： 为了使机器人通过触觉感知外部环境信息,弥补视听交互信息缺失的不足,根据聚偏氟乙烯(PVDF)材料的压电效应设计开发基于触觉传感器和卷积神经网络的机器人触觉识别系统,能够根据所采集的触觉信号识别出材质类型.提出基于渐进式级联卷积神经网络的触觉识别算法.该算法基于卷积神经网络提取机器人传感器的信号特征,包括经过短时傅里叶变换的触觉数据频谱图和信号表征周期内的时域特征.为了解决特定材质识别混淆的问题,利用K-Medoids聚类算法和动态时间规整(DTW)距离度量算法将分类过程区分为粗、细2个层次,构建渐进式分类模型.实验表明,设计的触觉传感器对物体材质的平均识别正确率约为97%,机器人能够成功识别触摸到的真实材质,为下一步的探索交互任务奠定基础.

摘要： 混合分布的时间序列数据具有非平稳性、周期性等复杂的特性,且蕴含着未来的变化趋势,其复杂性对该类数据的预测精度造成了很大的影响。为了有效降低该类数据的预测误差,提出了一种K-均值与GRU神经网络相结合的混合模型——K-GRU混合模型,具有较高的预测精度。仿真实验表明,样本量为5000左右,K分别取2、3、4、5时,该模型均比GRU神经网络的预测效果好。模拟结果也与多项式模型、傅里叶序列和LSTM进行了比较,结果表明K-GRU混合模型的预测效果最好。最后将K-GRU混合模型应用于街边停车占用率数据中,进一步验证了该方法的有效性。

摘要： 目前很多研究使用车辆轨迹数据来识别急减速驾驶行为,但目前使用的固定阈值方法无法对不同驾驶场景做出区分且缺乏建模分析。基于车辆跟驰模型,提出了一种包含多种驾驶场景的急减速驾驶行为判断方法,该方法考虑照明条件、天气、道路车速等参数,解决了现有方法中缺乏场景分类的问题。使用聚类算法区分历史数据中的急减速驾驶行为,提取实际阈值并与模型结果进行比较,对该方法的准确性进行验证。结果表明,与现有方法相比,所建立的模型对不同种类驾驶场景的适应性较好,识别准确率较高。由此证明利用该模型可以更好地实现基于轨迹数据的车辆急减速行为识别,从而为驾驶安全研究打下基础。

摘要： 在人到货订单拣选系统中,客户下达订单后将由拣货员穿梭仓库进行拣选。在仓库的拣选设备容量和拣货人员数量有限制的条件下,研究在线订单分批优化问题,预防订单过早或延迟服务,以最短的时间完成拣货任务。构建考虑最小拣货路径的在线订单分批规划模型,以最小化平均有效订单服务时间。提出一种基于规则的启发式算法来求解模型,其中包含k-means聚类算法和遗传算法,分别处理订单的分批和拣选路径的规划。最后利用具体算例进行模拟计算,实验结果表明,与传统固定时间窗启发式算法相比,提出的基于规则的启发式算法能够显著提高拣货效率。

摘要： 针对YOLOv3算法在小目标上检测效果不佳,漏检率较高的问题,提出一种改进YOLOv3网络结构的小目标识别方法。首先,利用优化的K-means聚类方法弥补原聚类算法中对聚类中心的初始位置敏感问题;然后,对数据集中的标注目标进行聚类分析选取优化的聚类锚点框宽高维度作为改进YOLOv3网络的初始候选框;其次,对Darknet-53网络结构进行调整,在主干网络最后增加2个1×1和3×3卷积层;最后,将YOLOv3网络4倍降采样特征图与经过上采样的8倍降采样特征图进行拼接融入第三个检测层。实验结果表明:改进的YOLOv3算法在小目标检测中平均准确率为78.8%,较原始YOLOv3原始算法平均精确度均值(mAP)提升了5.2%,漏检率降低了4.9%,具有较好的小目标检测效果。

摘要： 针对区域内新能源货车充电站规划选址问题,本文提出考虑充电需求与竞争选址,并基于改进的聚类算法构建规划选址的方法。最后以成都为例,实例分析新能源货车充电站在该市的规划选址过程,分析结果表明,选址模型能够有效地平衡充电站的建设成本、效益和充电便捷度。

摘要： 针对如何更准确地分析校园无线网络数据中隐藏的社交关系亲密度,本文提出了改进DBSCAN时空聚类算法.首先,通过采集校园无线网络数据,在根据学生连接WiFi的地点,时间等信息形成时空轨迹.运用改进的算法对时空轨迹聚类.其次,对聚类结果进行特征轨迹提取,运用LCSS算法进行相似性对比,轨迹间相似度越高说明关系比较亲密;相似度越低,可能是较孤僻的学生,老师需要进一步排查和引导教育.最后,运用FinBI对轨迹聚类结果可视化展示.实验结果表明,该算法提高了聚类结果的准确性和有效性,为解决其他相似性问题提供思路.

摘要： 以不平衡数据分类为背景,针对生活和生产中存在的不平衡数据分类问题进行讨论研究和实验分析,在几何合成少数类过采样技术(GSMOTE)的基础上,结合k-means聚类算法,提出了一种改进的k-GSMOTE过采样方法。该方法在使用GSMOTE过采样前,对不平衡数据进行聚类划分,有效地缓解了GSMOTE采样方法难以处理类内不平衡数据的局限问题,将k-GSMOTE过采样方法用于经典的不平衡数据集上进行实验验证。结果表明:分类器的分类性能得以明显提升。

摘要： 在运营商放号模式从卖卡切换为赠卡后,新增市场放号质量研究显得越来越重要.为了快速有效进行新增放号质量分析,通过数据挖掘的方法,分别使用熵权法和聚类算法实施了从数据探索、数据清洗、因子选择、模型运算到模型验证的完整建模过程.从提高建模质量和挖掘有效信息出发,进一步开展了模型交叉验证和可视化效果呈现.结果发现两种模型算法各有千秋,命中率均能符合实战要求,但聚类算法效果更佳.在进行交叉验证后模型效果依然符合要求,其数据挖掘结果可在编程实现后自动化部署运行输出,从而有效指导运营商的放号质量管控工作.

摘要： 基于树结构的三支决策增量聚类算法中的静态数据聚类算法(SOC-TWD算法)有效解决了数据重叠问题,但该算法只能对纯数值数据进行距离度量,并且度量时没有考虑属性重要度不同的问题.针对以上问题,本文提出了一种面向混合属性数据的加权三支决策聚类算法(MAW-SOC-TWD算法),该算法定义了一种新的混合属性权重系数分配方法,改写了SOC-TWD算法中的距离计算公式,将属性重要度考虑到距离度量中,弥补了SOC-TWD算法只能针对纯数值数据进行聚类以及聚类过程中将所有属性的重要程度视为相等的不足.并在UCI数据集上验证MAW-SOC-TWD算法的有效性,实验结果表明MAW-SOC-TWD算法具有更高的聚类准确率和稳定性.

摘要： 往复式压缩机结构复杂,呈现出强耦合的非线性特征,且其工作环境恶劣,故障诱因较多.本文提出了一种基于非负矩阵分解的往复式压缩机故障数据聚类算法,首先利用平方Euclidean距离的概念建立了误差矩阵E的代价函数,其次利用三种不同的非负矩阵分解算法对代价函数进行求解,最后根据分解后的基矩阵和系数矩阵确定数据所属的分类.在往复式压缩机故障数据集上的测试结果表明,与其他聚类算法相比,该方法可对不同类型的故障进行准确分类,具有良好的应用前景和实用价值.

摘要： 建筑能耗不仅取决于建筑的物理节能性能,更受到使用者室内行为的影响.随着室内定位技术的发展,大量的室内行动轨迹可以被监测记录.这些轨迹既可以揭示人在室内的分布规律,也可以被进一步转译为具体使用行为,从而探究使用行为和建筑能耗间的关联性.但是,由于轨迹信息的复杂性、多样性及外部噪声干扰,现有统计分析方法很难对数据进行深度解读,且容易受到研究者先验知识的影响.本文提出了一种全新的基于卷积自编码神经网络(CAE)的行为轨迹聚类算法.该算法使用CAE模型,将原始轨迹数据进行压缩并产生对应的特征向量,根据特征向量间进行聚类分析.算法可以通过非监督式的学习方式,自动提取轨迹主要特征并排除噪音等干扰.此算法被成功应用于真实展览空间中参观人员行动特征的分析中,并成功提取了典型的空间行为轨迹模式.在此基础上,结合问卷调查的背景信息,将参观者人员的个体属性与行为模式进行了综合的分析,并发现内在规律.

摘要： 为提高商用车柴油发动机SCR系统匹配开发效率,使用聚类算法将瞬态排放循环中发动机原机NOx排放与催化器转化效率进行耦合考虑,快速评估催化器的能力及确定发动机原机NOx排放最优值;在一台重型柴油机WHTC循环标定中使用该方法对发动机原机NOx排放与催化器转化效率进行耦合考虑,使发动机WHTC循环排放快速有效地达标国四限值.结果显示,基于聚类算法的催化器能力评估方法在瞬态排放循环,特别是低温循环,标定中可有效地提高开发效率.

摘要： 随着移动终端的快速发展,基于指纹识别的定位技术得到了很多人的关注.为了减少位置指纹定位算法的计算量,常应用K-means算法对指纹库进行聚类分析.但K-means聚类算法的聚类数必须预先确定,聚类结果依赖于初始聚类中心,易陷入局部最优解,对孤点敏感.针对上述缺点,本文在K-means算法的均值—平方差准则函数的基础上加入了样本密度函数,提出一种用扩展准则函数求指纹数据库实际类数的方法,去除多余的聚类中心,改善了孤点的问题;通过最小化一个辅助聚类函数来获得较优的指纹库初始聚类中心,提高了收敛速度.实验表明,将改进的K-means算法应用到位置指纹定位中,指纹的聚类划分具有更高的分类效果及稳定性,与传统K-means算法相比,定位精度提高了13.8％.

摘要： 本案例对特定用户群的海量话单数据、业务感知数据等进行分析研究挖掘,结合宽带资源信息库数据,关联用户所在地位置和宽带资源位置,通过聚类算法将用户群精准分类后,建立用户数据业务模型和营销推送级别,并输出最终营销目标用户.从市场前端反馈的营销结果来看,营销成功率较传统的电话营销方式大为提高,效果明显.

摘要： 随着LTE移动业务的不断发展、市场部门的不断提速降费,从VoLTE商用再到市场部门的多项优惠套餐,网络负荷逐渐成为影响客户发展的关键因素.本文基于中国移动公司现有高负荷评估方法进行改进,并引入关键场景信息、无线性能信息、客户感知信息,基于DBSCAN算法进行聚类分析,提前预知重点场景及高价值待扩容区域,支撑精准扩容,以适应精细化市场经营模式.

摘要： 为了充分利用管道运行中采集的种类繁多的数据,实现对管道泄漏后的快速预警,保障油气管道运行安全.本文通过建立基于聚类的离群点挖掘模型,提高了泄漏检测的检测精度、准确度和反应速度.该方法避免以往泄漏检测方法误报多、效率低,依靠人工核实,主观性强的弊端,保障成品油管道的安全运行.

摘要： 为了充分利用管道运行中采集的种类繁多的数据,实现对管道泄漏后的快速预警,保障油气管道运行安全.本文通过建立基于聚类的离群点挖掘模型,提高了泄漏检测的检测精度、准确度和反应速度.该方法避免以往泄漏检测方法误报多、效率低,依靠人工核实,主观性强的弊端,保障成品油管道的安全运行.

摘要： 本发明公开了基于精准模糊聚类算法的居民电力数据聚类方法及装置，该方法包括：步骤1：推导精准模糊聚类算法的目标函数，并定义精准模糊聚类中心，计算隶属矩阵，控制精准模糊聚类算法的误差，使得精准模糊聚类算法的目标函数最小；步骤2：根据评价数据集聚类方法的度量指标，选取与居民电力数据可维护性和响度指标值影响最大的每类加权方法、低耦合度方法、对每个类的响应度方法这三个度量指标算得的度量值重新组合运算，得到一个影响精准模糊隶属矩阵精度的隶属系数，从而确定精准模糊聚类算法的聚类中心，并运用精准模糊聚类算法对数据聚类。本发明提高了聚类算法的准确度和精度，聚类算法的可维护性和响度指标值也得到优化。

摘要： 本发明公开一种基于指定聚类数目AP聚类算法的滚动轴承故障诊断方法，通过给未知分类的滚动轴承数据集指定一个聚类数目，并不断改变偏向度来得到不同的聚类结果，记录指定聚类数目下每一个聚类结果的轮廓系数，再选聚类结果集中轮廓系数最大的聚类结果作为滚动轴承数据集的最终聚类结果，实现滚动轴承故障的诊断分类。本发明能够实现任意指定聚类数目，并得出指定聚类数目的最佳聚类结果，并能在得到聚类数目等于指定聚类数目条件下，找出精度最高的聚类结果，以提高滚动轴承的故障诊断精度。

摘要： 本发明涉及一种基于改进谱聚类算法的文本聚类方法，包括：对待聚类文档集依次进行分词、去停用词以及提取关键词处理；创建文本相似度矩阵、邻接矩阵、度矩阵以及拉普拉斯矩阵；计算拉普拉斯矩阵的特征值和特征向量，得到特征矩阵；采用经典聚类方法对特征矩阵进行聚类，得到对应的聚类结果；若已知类别个数，则结合聚类结果以及提取的关键词，基于TF‑IDF算法提取出类别关键词；若未知类别个数，则依次调整聚类参数，以得到对应的多个调整聚类结果，对多个调整聚类结果进行评估，选取出最优的聚类结果；输出聚类结果及对应的类别关键词。与现有技术相比，本发明针对已知或未知类别数的情况，能够对文本进行聚类，同时能够输出对应于各类别的关键词。

摘要： 本发明涉及人工蜂群算法技术领域，具体涉及基于模糊C‑均值算法和人工蜂群聚类算法的混合聚类算法，该算法包括初始化阶段、引领蜂阶段、跟随蜂阶段和侦查蜂阶段，还包括如下步骤：步骤一：跟随蜂阶段结束后，判断当前算法是否是第一次循环；若是，则执行步骤二；若不是，则执行步骤三；步骤二：将当前的最优解作为模糊C‑均值聚类算法的初始聚类中心进行优化，若优化后的解的质量高于当前最优解，则用优化后的解代替当前最优解，否则放弃，同时相应蜜源的迭代次数加1，然后进入侦查蜂阶段；步骤三：判断最优解在跟随蜂阶段后是否发生改变；若是，则执行步骤二；若否，则进入侦查蜂阶段。本发明所提供的算法聚类准确率高、收敛速度快、寻优精度高。

摘要： 本发明公开了一种遗传算法与聚类算法复合嵌套的异常声音检测算法，包括基因算法、增强的增量主因素分析法与基于密度的空间聚类计算方法，具体步骤如下：S1、先采用增强的增量主因素分析法来减少从音频文件转换为数字的数据集的维度，获得降维数据集；S2、使用从增强的增量主因素分析法中得到的降维数据集，并应用基于密度的空间聚类计算方法进行有效的聚类；S3、通过基因算法对聚类后的数据集进行计算训练，从而获得最优的参数配置；能够有效的平衡样本数据，从而增加了监督学习的普适性，降低噪音干扰，继而增加整体运算性，在本地建立输运运算模型，能以较少的运算成本，减少人工调参的复杂和依赖性，增强算法对环境变化的自适配能力。

摘要： 本发明公开了一种基于多种聚类算法和多元线性回归的电力客户聚类方法，包括：通过多种聚类算法对电力客户数据集进行预分类；根据预分类结果对电力客户数据集中的电力客户数据进行关键实例选取；以关键实例为基础建立多元线性回归模型，并构建用于求解每种聚类算法权重系数的目标求解函数，求解目标函数获得每种聚类算法的权重系数；根据每种聚类算法的权重系数进行决策分类的综合计算，实现对电力客户数据的分类。本发明通过算法间的聚类与交互，弥补了单一聚类算法对电力客户分类的局限性，有效提升了电力客户类型的识别精度，更准确的挖掘出有价值的客户信息。

摘要： 本发明公开了基于精准模糊聚类算法的居民电力数据聚类方法及装置，该方法包括：步骤1：推导精准模糊聚类算法的目标函数，并定义精准模糊聚类中心，计算隶属矩阵，控制精准模糊聚类算法的误差，使得精准模糊聚类算法的目标函数最小；步骤2：根据评价数据集聚类方法的度量指标，选取与居民电力数据可维护性和响度指标值影响最大的每类加权方法、低耦合度方法、对每个类的响应度方法这三个度量指标算得的度量值重新组合运算，得到一个影响精准模糊隶属矩阵精度的隶属系数，从而确定精准模糊聚类算法的聚类中心，并运用精准模糊聚类算法对数据聚类。本发明提高了聚类算法的准确度和精度，聚类算法的可维护性和响度指标值也得到优化。

摘要： 本发明提供了一种基于曲线均值聚类算法的边缘侧用电数据聚类方法及装置，涉及用电数据聚类的技术领域，所述方法包括：获取第一用电日负荷数据，并对用电日负荷数据进行预处理以获取第二用电日负荷数据；对第二用电日负荷数据进行低秩性分析和奇异值计算，并采用肘方法确定最优簇数；基于最优簇数对第二用电日负荷数据采用K均值聚类算法进行聚类。通过本发明可以在边缘侧对用电数据进行聚类，为基于边‑云协同的电力高级应用提供强有力的支撑。

摘要： 本发明提供一种自动识别聚类数的层次聚类算法，包括以下步骤：利用自然邻居搜索停止时所有数据点的反向邻居数最大值μ以及数据点μ近邻的欧式距离之和计算数据点的密度，设计一种通过手动输入参数控制噪声比例的动态噪声识别器来识别噪点进行去噪，获得去噪后的数据集；利用距离越近的点越容易划分到同一个聚类中这一思想，设计一种基于k近邻有向边迭代图合并过程划分聚类的方法进行聚类，记录聚类数和迭代次数的关系，利用迭代次数最大值判定最佳聚类数，得到去噪后数据集的最佳聚类结果；对噪点数据划分聚类，得到最终聚类结果。本申请通过对去噪后数据集构造k近邻有向图，迭代图合并过程进行聚类，利用迭代次数最大值判断数据集的最佳聚类数。

摘要： 本发明提出了一种方法，对于密度峰值聚类算法的聚类策略进行优化，主要解决密度峰值聚类算法在确定聚类中心后，剩余点分配过程中，因某个点分配错误而导致的“多米诺骨牌”效应。利用k‑dist值剔除噪声点，使簇与簇之间更加独立；运用广度优先搜索遍历算法对簇进行遍历，实现样本点的聚类；最后将剩余点分批次的分配给离其最近的点所在的类。这种聚类策略减少了噪声点对聚类结果的影响，避免了聚类过程中因为一个点分配错误而导致的连锁反应，显著提高了聚类效果。