K-means

摘要： 在线教学平台在高职院校社会扩招学生教学中得到了广泛应用,通过收集平台中大量的学生在线学习行为数据,并利用K-Means聚类算法对这些数据进行有效分析,可以帮助教师掌握学生在线学习行为状态,提高在线教学质量,为提升高职社会扩招学生育人水平提供参考.

摘要： 为提高大学生心理健康认知水平,及时了解大学生心理健康状况,文中提出了由K-means和蚁狮优化算法混合的聚类分析算法,分析大学生心理健康情况,并将心理健康划分为正常、轻微、中等、严重和特别严重5个级别。仿真阶段以群内平均距离和F测度为指标将所提算法与传统K-means、K-meansPSO、K-meansFA、模糊K-means等进行对比,结果表明,算法整体性能优于其他方法。

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： With the application of the advanced measurement infrastructure in power grids,data driven electricity theft detection methods become the primary stream for pinpointing electricity thieves.However,owing to anomaly submergence,which shows that the usage patterns of electricity thieves may not always deviate from those of normal users,the performance of the existing usage-pattern-based method could be affected.In addition,the detection results of some unsupervised learning algorithm models are abnormal degrees rather than“0-1”to ascertain whether electricity theft has occurred.The detection with fixed threshold value may lead to deviation and would not be sufficiently flexible to handle the detection for different scenes and users.To address these issues,this study proposes a new electricity theft detection method based on load shape dictionary of users.A corresponding strategy for tunable threshold is proposed to optimize the detection effect of electricity theft,and the efficacy and applicability of the proposed adaptive electricity theft detection method were verified from numerical experiments.

摘要： The scientific evaluation of arable land remediation potential can be used to formulate remediation policies based on local conditions. This study took arable land resources in Tongxu County, China as the research object and administrative villages as the evaluation unit, constructed an evaluation index system by integrating three aspects—quantity, quality and ecology. Based on the evaluation of arable land remediation potential, the K-means++ spatial clustering algorithm combined with elbow method is used to divide the remediation partition and give the remediation strategy. The results showed that: 1) the evaluation index system of arable land improvement potential, which integrated “quantity-quality-ecology”, was more systematic in analyzing the potential of arable land improvement than the previous single target evaluation index, and explored its internal linkage. 2) There are some spatial differences in the quantitative, qualitative and ecological potentials in Tongxu County, with the quantitative potential being higher in Changzhi Township, the intersection of Lizhuang Township and the southern part of Yuhuangmiao Township, the qualitative potential being more evenly distributed, and the ecological potential being higher around Chengguan Township. 3) Through K-means++ clustering algorithm combined with elbow method, Tongxu County was divided into five subzones: quality improvement zone, intensive improvement zone, quantity improvement zone, comprehensive improvement zone and health improvement zone, among which the highest percentage of quality improvement zone and the lowest percentage of comprehensive improvement zone were 49.2% and 1.5% respectively, and differentiated remediation strategies were provided by research for each sub-district to promote high quality of arable land.

摘要： 针对目前风电塔筒焊缝缺陷人工检测或自动检测方法中存在的安全性差、效率低和准确率低等问题,提出一种改进Faster R-CNN焊缝缺陷检测方法。首先,制作焊缝缺陷样本数据集,并对有限的数据集通过数据增强技术进行样本扩充,改进RPN网络,利用K-means聚类方法生成更加接近目标区域的anchor box;同时结合ResNet深度残差网络,获取更小的焊缝缺陷细节特征,最后为了能获得精确的缺陷位置,采用一种基于IOU(intersection over union)值的三层级联结构。实验结果表明,改进后的Faster R-CNN模型对5种焊缝样本的检测mAP值为89.6%,对工厂的实际操作有较高的应用价值。

摘要： 针对传统产品设计优化耗时耗力、效率较低等问题,提出一种数据驱动的产品优化设计方法.基于Scrapy爬取电商平台用户评论数据;针对文本数据的特点,利用K-means算法进行用户需求分析,根据聚类结果得到优化目标;对优化目标进行特征编码,基于非劣排序遗传算法(NSGA-Ⅱ)进行产品特征优化迭代,得到最终优化结果.以某品牌电饭煲为实例进行应用,以用户满意度为评估指标,将电饭煲造型优化方案与初始方案进行对比,验证了所提方法的有效性.

摘要： 为改进传统K-means聚类算法中存在因随机选择初始质心而导致聚类结果不稳定且准确度低的缺点,提出基于改进量子旋转门人工鱼群算法的K-means聚类(IQAFSA)算法,通过动态更新量子旋转门的旋转角提高下一代更新方向准确度及更新速度。变异策略从传统的非门改为H门,既增加种群的多样性,又使全局搜索能力增强;最终使用所改进算法选取K-means的初始质心再进行聚类。通过UCI数据的测试以及在医学相关数据上的实验表明,提出的算法具有有效性,准确度较高且收敛速度较快。

摘要： 制造业生产环境复杂,瓶颈现象的出现会制约其发展。针对利用单一数据识别单个瓶颈机器的方法难以具体描述系统瓶颈的问题,提出了一种基于区间数聚类分析的多属性瓶颈区域识别方法。首先采用k-means++聚类分析方法,根据决策矩阵比较各指标的相似程度,找出不同距离下的机器区域。然后利用决策矩阵求出的可能度矩阵排序向量找出各区域的主导机器,比较后确定瓶颈区域。最后通过实例验证了所提方法的有效性和准确性。

摘要： 我国现代化农业近年来蓬勃发展,农业温室建设取得了空前发展,机器学习理论大量融合到现代科技农业当中,模式控制的出现使得温室控制飞跃性发展。文章旨在研究现代农业温室的控制模式的识别、提取与分析方法,在现有农业温室控制模式的基础下,提出了温室的时参模型控制模式,并使用K-means聚类算法对温室数据进行了控制模式提取。文章以拉萨市智昭产业园温室数据为例,建立数据的时参模型并对其进行聚类分析,并提取其控制模式,结果表明本方法可以有效生成温室的控制模式。且文章提出的基于K-means的温室时参模型控制模式分析方法,能够运用机器学习聚类分析将复杂繁琐的温室环境数据生成控制温室的模式,为现代设施农业温室的控制提供了一种模式提取方法。

摘要： 文本聚类中,文本特征向量的高维特性使得对样本统计特征的评估十分困难,所以有必要进行有效的维数简约.LLE算法利用线性重构的局部对称性找出高维数据空间中的非线性结构,并在保持各数据点临近位置关系情况下,把高维空间数据点映射为低维空间对应的数据点.文章采用LLE-k均值方法进行中文文本聚类研究.首先利用LLE进行降维处理,然后对得到的线性特征向量用k均值进行聚类分析,与PCA、ISOMAP和LLE算法比较,结果显示LLE-k均值算法能得到更好的可视化效果.

摘要： 文本聚类中,文本特征向量的高维特性使得对样本统计特征的评估十分困难,所以有必要进行有效的维数简约.LLE算法利用线性重构的局部对称性找出高维数据空间中的非线性结构,并在保持各数据点临近位置关系情况下,把高维空间数据点映射为低维空间对应的数据点.文章采用LLE-k均值方法进行中文文本聚类研究.首先利用LLE进行降维处理,然后对得到的线性特征向量用k均值进行聚类分析,与PCA、ISOMAP和LLE算法比较,结果显示LLE-k均值算法能得到更好的可视化效果.

摘要： 文本聚类中,文本特征向量的高维特性使得对样本统计特征的评估十分困难,所以有必要进行有效的维数简约.LLE算法利用线性重构的局部对称性找出高维数据空间中的非线性结构,并在保持各数据点临近位置关系情况下,把高维空间数据点映射为低维空间对应的数据点.文章采用LLE-k均值方法进行中文文本聚类研究.首先利用LLE进行降维处理,然后对得到的线性特征向量用k均值进行聚类分析,与PCA、ISOMAP和LLE算法比较,结果显示LLE-k均值算法能得到更好的可视化效果.

摘要： 文本聚类中,文本特征向量的高维特性使得对样本统计特征的评估十分困难,所以有必要进行有效的维数简约.LLE算法利用线性重构的局部对称性找出高维数据空间中的非线性结构,并在保持各数据点临近位置关系情况下,把高维空间数据点映射为低维空间对应的数据点.文章采用LLE-k均值方法进行中文文本聚类研究.首先利用LLE进行降维处理,然后对得到的线性特征向量用k均值进行聚类分析,与PCA、ISOMAP和LLE算法比较,结果显示LLE-k均值算法能得到更好的可视化效果.

摘要： 本文针对Roeehio容易受到类别样本分布及噪声影响的而导致错误扩大类别范围的问题，提出对训练样本进行聚类，使用聚类形成的多个簇的质心向量替代单个质心向量作为过滤判定向量组的方法。该方法既能保证过滤效率，又比单质心的Rocchio过滤法具有更高的召回率和准确率。

摘要： 本文针对Roeehio容易受到类别样本分布及噪声影响的而导致错误扩大类别范围的问题，提出对训练样本进行聚类，使用聚类形成的多个簇的质心向量替代单个质心向量作为过滤判定向量组的方法。该方法既能保证过滤效率，又比单质心的Rocchio过滤法具有更高的召回率和准确率。

摘要： 本文针对Roeehio容易受到类别样本分布及噪声影响的而导致错误扩大类别范围的问题，提出对训练样本进行聚类，使用聚类形成的多个簇的质心向量替代单个质心向量作为过滤判定向量组的方法。该方法既能保证过滤效率，又比单质心的Rocchio过滤法具有更高的召回率和准确率。

摘要： 本文针对Roeehio容易受到类别样本分布及噪声影响的而导致错误扩大类别范围的问题，提出对训练样本进行聚类，使用聚类形成的多个簇的质心向量替代单个质心向量作为过滤判定向量组的方法。该方法既能保证过滤效率，又比单质心的Rocchio过滤法具有更高的召回率和准确率。

摘要： 本文针对Roeehio容易受到类别样本分布及噪声影响的而导致错误扩大类别范围的问题，提出对训练样本进行聚类，使用聚类形成的多个簇的质心向量替代单个质心向量作为过滤判定向量组的方法。该方法既能保证过滤效率，又比单质心的Rocchio过滤法具有更高的召回率和准确率。

摘要： 为获得分布式环境下用户所期望的聚类结果，提出了基于约束信息的并行k-means聚类算法。在分析并行k-means能够有效实现对水平分布式数据进行聚类的基础上，将站点用户的约束信息以chunklet的形式引入到分布式聚类过程，通过修改并行k-means的目标函数，设计约束并行k-means算法，从而引导算法执行有偏搜索。算法在理论上确保无约束样本簇内距离最小的同时能够确保chunklet约束中的样本与对应的簇中心之间的平均距离最小。实验结果表明，约束并行k-means算法能够有效改善并行k-means的聚类精度，同时在分布式环境下能够得到与已有约束聚类算法在集中式数据集上相等价的聚类结果。

摘要： 本发明公开一种基于Kmeans和DBSCAN相结合的局部放电模式识别方法，包括步骤如下：数据采集，连续采集局部放电传感器的时域数据，对采集到的时域数据进行实时处理，生成PRPD谱图；对PRPD谱图进行包络波形放电/噪声计算；对判断为放电的PRPD谱图，基于Kmeans法对PRPD谱图进行白噪声滤波；对滤波后的PRPD谱图基于层次密度聚类法进行PD簇聚类，对聚类后的簇进行特征提取；建立模型，对模型训练及识别模型可信度获取；将局部放电故障实测的数据输入已训练好的模型进行识别，获取最终的识别结果。本发明基于PRPD谱图进行滤波、提取特征，不仅减少了在线监测系统数据传输通讯压力，且仅对谱图中PD簇进行特征提取，提高了特征提取的准确性。

摘要： 本发明公开了一种牵引供电系统电能质量分类管理的PCA‑Kmeans聚类方法，通过利用PCA主成分分析法将电能质量评估指标降维成两个特征，再通过Kmeans聚类算法对各个电力片段的电能质量进行了成功的划分评估，最后经过与其他电能质量划分方式的对比，验证本发明具有更好的实践性。首先将轨道交通变电所输出的三相电压、电流数据预处理，然后分别进行对称分解和傅里叶变换，然后提取出来计算评估电能质量的6个特征值，最后通过这6个特征值利用PCA‑Kmeans聚类算法进行降维仿真，来对牵引供电系统的可靠性进行等级划分、评估验证，综合以上提高牵引供电系统的可靠性进行电能质量的评估和确定。

摘要： 本发明属于电力系统规划领域，具体涉及一种基于E‑C‑Kmeans聚类和SOP优化的DG双层优化配置方法。在含智能软开关(Soft Open Point，SOP)的柔性配电网中提出了一种分布式电源DG的双层优化配置模型。上层规划以运营商年收益最大为目标求解DG安装的位置和容量，下层通过对SOP进行约束使网络运行性能最优，考虑到负荷和分布式电源输出的时间序列特征，设计了一种新的聚类方法E‑C‑Kmeans对四季场景下的风速和辐照度进行聚类，得到典型场景日曲线。本发明考虑到规划问题属于大规模混合整数非线性的问题，需要将离散变量与连续变量进行解耦，采用遗传算法和原对偶内点法混合算法进行求解，最后基于改进的IEEE33节点配电网系统，对优化模型和求解方法的有效性进行验证分析。

摘要： 本发明公开了一种基于Kmeans聚类的降水粒子识别方法及装置，该方法包括：获取雷达观测数据的极化变量，极化变量包括水平反射率因子、差分反射率因子以及比差分传播相移；根据水平反射率因子和差分反射率因子的物理约束关系重构比差分传播相移，根据水平反射率因子、差分反射率因子以及重构后的比差分传播相移确定重构后的观测数据；采用模糊分类算法对重构后的观测数据进行降水粒子识别，获取第一识别结果；采用Kmeans聚类方法对第一识别结果进行二次分类，获取第二识别结果。本发明通过重构比差分传播相移，并采用Kmeans聚类方法进行二次分类，提高了降水粒子识别的准确度。

摘要： 本发明公开了一种基于KMeans‑FPgrowth算法的矿用卡车发动机故障预警方法，包括：步骤一：采集发动机相关特征历史数据，并基于K‑Means聚类算法对各个特征进行聚类，基于轮廓系数找到最佳聚类个数；步骤二：对聚类后的特征及聚类区间进行编号；步骤三：基于FP‑growth关联规则算法对编号后的特征进行规则提取，设定覆盖率，基于覆盖率对FP‑growth算法的支持度和置信度进行调整，提取出最终的规则；步骤四：采集发动机相关特征实时数据，设置滑动窗口，当窗口内的覆盖率率小于设定值时，发起发动机故障预警。本发明根据相关参数预测出实时缸温与实际缸温进行对比，提前发现缸温异常，减少设备维修成本。

摘要： 本发明涉及一种结合激光散斑和Kmeans聚类算法的苹果无损检测方法，包括：1、采用激光散斑测量方法，获取N个苹果的散斑位移，计算N个苹果的共振频率；2、采用标准的Kmeans聚类算法，对N个苹果的共振频率进行中心聚类计算；3、获取待检测苹果的共振频率，根据步骤2的中心聚类结果判断待检测苹果的缺陷类别。本发明具有较强的泛化能力，基于计算机视觉的方法只能对预先标注的缺陷类型进行检测，而本发明对任何能引起苹果共振频率变化的缺陷类型都适用。通过选择高阶共振频率并结合降噪技术，使得本发明提出的新方法具有很强的抵抗噪声能力，适用于环境不可控的各种实际工况，这是有别于传统计算机视觉方法的突出优点。

摘要： 该发明公开了一种基于Kmeans的融合模型光伏发电短期预测方法，属于数据处理领域。具体包括：光伏数据的预处理；特征分析；对历史数据进行聚类划分；由经聚类后的光伏数据及其特征集合分别构建XGBoost、LightGBM、Multilayer Perceptron模型并得到各自的预测结果；将XGBoost、LightGBM、Multilayer Perceptron模型进行融合，得到预测模型，输出预测结果。本发明通过充分的数据预处理，结合基于集成思想的GBDT模型，通过深度学习的方式融合三种机器学习算法，相比单一的模型，在不同的气候条件下提高了预测精度和有效性。

摘要： 本发明涉及一种基于kmeans聚类的半监督学习方法及其应用，属于计算机领域。该方法包括以下步骤：多次随机按比例选取不同类别样本、特征进行kmeans聚类，由子簇中不同类别占比判定该簇样本类别；每一次迭代中，由本轮所有聚类结果，根据投票法决定待确定样本的所属类别；对于每一次kmeans聚类，由该聚类轮廓系数转换后的最大值点直接确定聚类的中心点个数。能够解决样本不平衡问题，集成学习的方式能够有效解决样本不平衡问题，通过集成学习的迭代，能够进一步保证不平衡数据分析效果的稳定性。

摘要： 本发明公开了一种基于kmeans算法对电力负荷曲线分析方法，包括：选取某一年的负荷数据作为分析样本；按照每个月为标准单位，计算样本数据的按照月负荷特性样本的最大值、最小值、最大值发生时间、最小值发生时间、峰谷差率5个指标进行归一化处理，最后用kmeans聚类方法进行聚类；每组类数目的确定判据为可采用簇内90％的样本距离类中心的距离小于某个特定误差值确定的分类数目，并选取距离类中心样本数据较远且非孤立点的样本为典型日负荷特性，得到分类后的电力负荷曲线。该种基于kmeans聚类算法对电力计量负荷曲线分析方法，利用kmeans聚类分析方法选取负荷特性时，聚类效果与数据是否具有明显分类特征有关，当样本数据具有明显的分类特征时。

摘要： 本发明公开了基于kmeans的电网异常设备检测方法及装置，该检测方法通过构建电网数据集的第一基本簇，并以第一基本簇为基础对电网数据集进行聚类，得到第一聚类簇；在聚类过程中依次判断所述电网数据集中的第一数据点所属的第一基本簇或判断所述第一数据点为异常数据点，并根据所述异常数据点查找对应的异常设备；对每次聚类后得到的第一聚类簇与上一次聚类后得到的第一聚类簇进行聚集程度比较，当两者的聚集程度的差值小于第一预设阈值时结束聚类，当两者的差值大于等于第一预设阈值时根据所述第一聚类簇构建第一基本簇，并重新以第一基本簇为基础进行聚类。本发明技术方案提高了针对异常智能电网设备的精准检测。