KNN

摘要： Accurate prediction of the internal corrosion rates of oil and gas pipelines could be an effective way to prevent pipeline leaks.In this study,a proposed framework for predicting corrosion rates under a small sample of metal corrosion data in the laboratory was developed to provide a new perspective on how to solve the problem of pipeline corrosion under the condition of insufficient real samples.This approach employed the bagging algorithm to construct a strong learner by integrating several KNN learners.A total of 99 data were collected and split into training and test set with a 9:1 ratio.The training set was used to obtain the best hyperparameters by 10-fold cross-validation and grid search,and the test set was used to determine the performance of the model.The results showed that theMean Absolute Error(MAE)of this framework is 28.06%of the traditional model and outperforms other ensemblemethods.Therefore,the proposed framework is suitable formetal corrosion prediction under small sample conditions.

摘要： 以云南省金沙江流域中段为研究对象,基于森林资源二类调查数据和同时期的Landsat 8 OLI遥感数据,采用半变异函数的球状模型计算5类优势树种或树种组的光学遥感估测的光饱和值,采用多元逐步线性回归模型和KNN模型对不同优势树种或树种组的森林地上生物量进行估测。结果表明,不同优势树种或树种组的森林地上生物量光学遥感估测的光饱和值为:其他针叶林(160.201 t/hm^(2))>高山松林(127.938 t/hm^(2))>常绿栎类(101.220 t/hm^(2))>云南松林(98.870 t/hm^(2))>其他阔叶林(88.432 t/hm^(2));KNN模型的拟合精度明显优于多元逐步线性回归模型。

摘要： 为实现船用克令吊仿真作业智能评估、提升评估的科学性和客观性,基于KNN算法提出了一种智能评估模型。基于KNN的评估算法流程将样本集划分为训练集与测试集,进而提出一种最优k值选择算法;在设置评估指标、制定评估项目和设计评估流程的基础上建立了评估克令吊仿真作业模型,并将该评估模型应用于船用克令吊仿真训练系统中,证明了该智能评估模型的可行性与有效性。

摘要： 电力市场的逐步开放以及大量可再生能源的接入使用户具有更多的用电自由,导致电力用户类型多样化、用户间负荷特性差异逐渐增大、负荷数据的类簇分布情况复杂化。为解决传统聚类算法面对不均衡负荷数据集时聚类效果不佳以及缺乏自适应能力等问题,提出一种改进自适应密度峰值聚类(Improved self-adaptive Density Peak Clustering,ISDPC)算法。首先,基于K-最近邻(K-Nearest Neighbor,KNN)和相对密度的思想定义了一种新的密度度量方式。然后在决策图中拟合分段函数得到最优类簇数目。最后,通过构造加权KNN图改进样本分配策略。试验结果表明,与传统聚类算法相比,所提方法聚类结果更加精确、具备自适应能力、鲁棒性更强。

摘要： 农产品价格与人们生活息息相关,准确有效的预测农产品价格可以对平稳价格波动起到一定的作用。而对于价格预测,采用单个的机器学习或者统计模型并不能得到很好的结果。文章对比了常见的几种机器学习方法:支持向量回归(support vector regression,SVR)、线性回归和K-近邻(K-nearest neighbor,KNN)算法在农产品价格预测上的表现,并根据数据特性与模型表现进行模型集成。在集成模型的价格预测实验中,集成模型在鸡蛋均价、白条鸡均价、蔬菜均价3个数据集上较SVR模型分别提升了1.3%、1.4%、4%;较线性回归模型分别提升了0.6%、1.4%、4%;较KNN模型分别提升了6.9%、2.8%、7.7%。证明了集成模型对于提升泛化性能的有效性,预测结果对于农产品市场的完善和改革具有一定的作用。

摘要： 随着区块链技术的发展,以Hyperledger为代表的联盟链技术得到了广泛应用,其异常交易检测需求也逐渐凸显。但当前的区块链异常交易检测技术大多针对公有链设计,没有考虑联盟链交易的隐私保护需求。为了实现高效异常检测并保证联盟链交易的隐私性,文章提出一种基于KNN的具有隐私保护功能的区块链异常交易检测方案。该方案中记账节点使用矩阵乘法对交易数据进行随机化,云服务器使用KNN对随机化后的交易数据特征进行异常检测,并将结果反馈给联盟链记账节点进行验证。实验结果表明,该方案对联盟链效率的影响很小,同时具有良好的检测效果,召回率、精度、F1值分别可达85.3%、87.7%和86.5%。

摘要： K最近邻算法是机器学习中一种经典的监督算法。但该算法处理数据时需要遍历所有特征,在处理高维数据时,运行效率低。针对该问题,文章采用方差过滤对数据特征进行预处理,该方法可有效降低数据特征数,提高算法运行效率。实验测试表明,经过特征预处理后的数据集,特征数有效减少,在不降低准确率的情形下,可减少30%的运行时间。

摘要： 丢失值填补在数据挖掘领域是非常重要的。针对数据集中出现属性丢失值的情况,本论述提出了一种属性丢失值分块填补(ABNS)的方法。首先对数据集进行标准化处理,然后将其数据分成相等的n个块,接着验证每一块来获取相对应的最优的K值,最后使用最优的K值进行数据填补来得到相应的数据。实验采用公开数据集Horse Colic、Vote和Diabetes进行实验,并且在使用贝叶斯、KNN和SMO算法进行分类评估的情况下,对所提出的方法与传统均值填补方法和概率填补方法进行对比。实验结果分析表明,所提方法的填补效果较对比的方法具有一定优势。

摘要： 机器人世界杯(RoboCup)是目前智能机器人领域一项重要的国际学术赛事,传球模式识别是RoboCup中一个重要的研究问题.为探究传球模式与球队决策间的关联性,使用Python语言解析比赛日志文件,将球场划分为三个有效区域,提取传球数、传球距离、三个有效区域的传球数共五个特征,应用KNN算法深入挖掘传球特征,得到各球队的传球模式.实际比赛时利用KNN分类模型识别不同球队的传球模式,根据不同传球模式的特点,采用不同的球队策略.最后将这些策略加入到球队代码中,取得了较好的效果.

摘要： 为解决配电网单相接地故障区段定位难题,提出一种基于KNN和多电流特征的配电网接地故障区段定位新方法。故障点上游区段和故障点下游以及健全区段的相电流和零序电流的幅值、极性以及相似性等均存在差异,同时将相电流和零序电流的突变量作为故障区段的识别依据,提高了区段定位的准确率。针对识别判据的阈值设置困难的问题,提出利用KNN自动检测差异性,以适应不同故障位置。最后利用Matlab软件进行仿真验证,结果表明所提区段定位方法在不同接地故障情况下识别准确率达95.5%,验证了所提方法的有效性。

摘要： 对新出现的恶意代码进行快速准确的分类有利于提高对它们的分析效率,从而缩短应急响应时间.提出了一种分支序列模型用来描述恶意代码对系统函数的调用行为,同时介绍了计算这种分支序列间距的算法,基于此距离采用kNN算法对恶意代码进行分类测试的结果表明,介绍的分支序列模型能更加有效地描述恶意代码对系统函数的调用行为,从而提高了对恶意代码的分类准确度.

摘要： 对新出现的恶意代码进行快速准确的分类有利于提高对它们的分析效率,从而缩短应急响应时间.提出了一种分支序列模型用来描述恶意代码对系统函数的调用行为,同时介绍了计算这种分支序列间距的算法,基于此距离采用kNN算法对恶意代码进行分类测试的结果表明,介绍的分支序列模型能更加有效地描述恶意代码对系统函数的调用行为,从而提高了对恶意代码的分类准确度.

摘要： 对新出现的恶意代码进行快速准确的分类有利于提高对它们的分析效率,从而缩短应急响应时间.提出了一种分支序列模型用来描述恶意代码对系统函数的调用行为,同时介绍了计算这种分支序列间距的算法,基于此距离采用kNN算法对恶意代码进行分类测试的结果表明,介绍的分支序列模型能更加有效地描述恶意代码对系统函数的调用行为,从而提高了对恶意代码的分类准确度.

摘要： 对新出现的恶意代码进行快速准确的分类有利于提高对它们的分析效率,从而缩短应急响应时间.提出了一种分支序列模型用来描述恶意代码对系统函数的调用行为,同时介绍了计算这种分支序列间距的算法,基于此距离采用kNN算法对恶意代码进行分类测试的结果表明,介绍的分支序列模型能更加有效地描述恶意代码对系统函数的调用行为,从而提高了对恶意代码的分类准确度.

摘要： 对新出现的恶意代码进行快速准确的分类有利于提高对它们的分析效率,从而缩短应急响应时间.提出了一种分支序列模型用来描述恶意代码对系统函数的调用行为,同时介绍了计算这种分支序列间距的算法,基于此距离采用kNN算法对恶意代码进行分类测试的结果表明,介绍的分支序列模型能更加有效地描述恶意代码对系统函数的调用行为,从而提高了对恶意代码的分类准确度.

摘要： 对新出现的恶意代码进行快速准确的分类有利于提高对它们的分析效率,从而缩短应急响应时间.提出了一种分支序列模型用来描述恶意代码对系统函数的调用行为,同时介绍了计算这种分支序列间距的算法,基于此距离采用kNN算法对恶意代码进行分类测试的结果表明,介绍的分支序列模型能更加有效地描述恶意代码对系统函数的调用行为,从而提高了对恶意代码的分类准确度.

摘要： 控制关系(dominant relationship)在Skyline计算、Rank-Aware查询处理以及市场分析等方面有着非常广泛的应用,自提出以来受到越来越多的关注.对于一个N维的数据集,其中的一个点p能控制另一个点q,当且仅当p在各个维上的值都不比q差,而且至少在一个维上的值比q要好.在最近的研究工作中指出,基于以上定义的控制关系可以用于市场分析中的产品定位问题,对于一个产品而言,控制能力越强(能控制的顾客越多)该新产品就越好.但是考虑到一个产品要在各个属性上都有非常好的表现是非常困难的,放松了控制关系的定义,认为当一个产品在各个属性上的取值都与顾客的偏好"近似"时,该产品就能控制这个顾客(即能满足该顾客的要求).另外此前的工作在分析产品的市场定位时没有考虑竞争对手的影响,导致分析的结果不能用于实际应用.基于以上考虑,定义了一种新的基于kNN的控制关系,并将其用于市场竞争且资源受限情况下的产品分析和市场定位问题.在R*树的基础上,提出了一种新的控制关系分析算法.实验验证了所提出的方法是有效的.

摘要： 控制关系(dominant relationship)在Skyline计算、Rank-Aware查询处理以及市场分析等方面有着非常广泛的应用,自提出以来受到越来越多的关注.对于一个N维的数据集,其中的一个点p能控制另一个点q,当且仅当p在各个维上的值都不比q差,而且至少在一个维上的值比q要好.在最近的研究工作中指出,基于以上定义的控制关系可以用于市场分析中的产品定位问题,对于一个产品而言,控制能力越强(能控制的顾客越多)该新产品就越好.但是考虑到一个产品要在各个属性上都有非常好的表现是非常困难的,放松了控制关系的定义,认为当一个产品在各个属性上的取值都与顾客的偏好"近似"时,该产品就能控制这个顾客(即能满足该顾客的要求).另外此前的工作在分析产品的市场定位时没有考虑竞争对手的影响,导致分析的结果不能用于实际应用.基于以上考虑,定义了一种新的基于kNN的控制关系,并将其用于市场竞争且资源受限情况下的产品分析和市场定位问题.在R*树的基础上,提出了一种新的控制关系分析算法.实验验证了所提出的方法是有效的.

摘要： 控制关系(dominant relationship)在Skyline计算、Rank-Aware查询处理以及市场分析等方面有着非常广泛的应用,自提出以来受到越来越多的关注.对于一个N维的数据集,其中的一个点p能控制另一个点q,当且仅当p在各个维上的值都不比q差,而且至少在一个维上的值比q要好.在最近的研究工作中指出,基于以上定义的控制关系可以用于市场分析中的产品定位问题,对于一个产品而言,控制能力越强(能控制的顾客越多)该新产品就越好.但是考虑到一个产品要在各个属性上都有非常好的表现是非常困难的,放松了控制关系的定义,认为当一个产品在各个属性上的取值都与顾客的偏好"近似"时,该产品就能控制这个顾客(即能满足该顾客的要求).另外此前的工作在分析产品的市场定位时没有考虑竞争对手的影响,导致分析的结果不能用于实际应用.基于以上考虑,定义了一种新的基于kNN的控制关系,并将其用于市场竞争且资源受限情况下的产品分析和市场定位问题.在R*树的基础上,提出了一种新的控制关系分析算法.实验验证了所提出的方法是有效的.

摘要： 在无线传感器网络中进行感知数据查询,必须考虑传感器节点能量受限的特性.提出了一种基于过滤器的无线传感器网络近似一维K-NN查询优化算法FAKNN. FAKNN算法利用样本数据为每一个节点设置一个经验取值区间,并针对查询选择样本数据均值距离查询点最近的部分节点构成候选结果集.由于用户对查询结果的满意度与候选节点的个数和越界概率有关,因此需要通过计算节点的越界概率来确定最终候选结果集,并将候选节点的经验取值区间作为过滤器随查询请求发送到全网.节点利用过滤规则阻止数据发送,从而节省节点能量.仿真实验表明,FAKNN算法在保证查询准确率的同时,可大幅降低查询通信量.

摘要： 该KNN膜形成用液体组合物包含有机金属化合物与溶剂，所述有机金属化合物包含有机钾化合物、有机钠化合物及有机铌化合物。在该KNN膜形成用液体组合物中，有机钾化合物及钠化合物分别为由通式CnH2n+1COOH(其中，4≤n≤8)表示的羧酸的金属盐，有机铌化合物为烷氧化铌或所述通式CnH2n+1COOH(其中，4≤n≤8)所示的羧酸的金属盐，主溶剂为由所述通式CnH2n+1COOH(其中，4≤n≤8)表示的羧酸，且相对于KNN膜形成用液体组合物100质量％包含50质量％～90质量％。

摘要： 本发明提供一种基于邻居表的KNN改进算法及其装置，该方法包括判断指定搜索区域的长宽比是否小于预设值；如是，则将指定搜索区域作为搜索范围，根据预先设定好的阈值建立四叉树模型；根据所建立的四叉树模型所划分的结点区域，通过空间位置找到每一个结点直接相邻的所有邻居结点，并行构建邻居表，其中，该邻居表用于在查找近邻点时快速确定有效搜索范围；确定给定点所在的叶子结点区域；基于查询邻居表的结点区域确定有效的搜索范围；基于有效的搜索范围，并行计算该范围内所有点与给定点的距离，从而找出多个近邻点。本发明用以解决目前现有算法中存在的复杂度高、执行效率低等各种问题，适合在GPU上大规模并行执行，执行效率高，并行性高。

摘要： 本发明提供基于相似原理的改进KNN算法的挤压铸造工艺参数设计方法，属于工艺参数设计技术领域，工艺参数设计方法首先基于相似原理对工艺参数的相关变量的相对变化趋势进行衡量。在此基础上提取与目标案例的相关变量相对变化趋势相似的样本数据，基于这些样本数据，进行KNN聚类并对聚类样本中的对应参数进行加权回归作为目标案例的工艺参数设计值。该设计方法基于已有的研究数据，充分参考利用了现有的相关研究成果，无需进行繁琐的实验研究且工艺参数的设计精度较高。相比于现有的工艺参数设计方法，节省了大量的时间成本和实验成本。该方法具有普适性，不仅适用于挤压铸造工艺参数的设计，对于其它类似领域的参数设计同样适用。

摘要： 本发明公开了基于PointNet的图卷积与KNN搜索的点云零件级分割方法，首先，通过一个微型网络T‑Net保证点云旋转不变性；然后，计算每两两点对之间的欧氏距离，选取距离最近的k个点，以点pi为中心点构造k近邻域图来提取局部特征，在后续的模型训练中，对每一层动态更新k邻域图，得到局部特征信息；接下来，通过设计新的T‑Net微型网络对齐不同点云局部特征数据；最后，将输出的多层局部特征与全局特征进行拼接，再通过多个MLP操作，得到三维点云物体的零件级分割结果，本发明能够提高三维点云物体的零件级分割精度。

摘要： 本发明提出了一种基于秘密共享、混淆电路、不经意传输协议等技术的双云模型安全高效的KNN算法。首先通过秘密共享技术将数据发送给双云服务器，随后利用混淆电路、不经意传输协议设计了安全欧式距离协议、安全比较协议、安全排序协议等，最后通过模块化顺序组合的方式，实现了安全的KNN算法。与基于同态加密的解决方案不同，我们设计的方案能够实现在同等安全性级别的条件下，具有更高的效率，后者需要在密文上进行比较、乘法等计算，会产生较大的计算开销。与基于差分隐私的解决方案相比，本方案对用户的查询没有隐私预算的要求，用户可以进行无限次的查询。本发明提出的方案中可适用于弱客户端，在计算的过程中均保持离线状态。

摘要： 本发明设计人工智能技术，提出一种基于KNN和DSN的微表情识别方法、系统、设备及存储介质，包括：对待识别微表情图像进行特征提取，获取微表情时空特征；将待识别微表情图像输入微表情识别模型的最近邻模块，获取待识别微表情图像中微表情样本点对应的相邻矩阵，并与微表情时空特征进行重构，获取重构特征；将重构特征输入微表情识别模型的深度堆叠网络模块，获取待识别微表情图像中微表情的所属类别。本发明通过提取微表情图像的时空特征，充分利用了微表情图像在时间和空间上变化大、包含信息丰富的特点，有利于后续微表情识别；通过微表情时空特征和微表情样本点的相邻矩阵进行特征重构，实现样本数据之间的关联特征，提高识别精度。

摘要： 本发明提供了一种基于改进KNN的分布式地铁客流预测方法，包括：搭建集群环境；获取具体一个地铁站的所有的历史入站刷卡记录以及预测当天的入站刷卡记录；利用分布式系统，将地铁入站刷卡记录按照小时划分，作为一小时内的地铁客流；计算所有的历史入站人数与预测当天的入站人数的向量距离；选取不同的K值，并且计算偏差和方差，得到最优的K值；利用历史入站人数数据，训练LightGBM算法模型；选择K条向量距离最小的历史入站人数数据，输入模型，得到一组预测值。根据LightGBM的预测值，用KNN公式预测当天每小时的地铁客流。本方法融合了KNN和LightGBM算法，有效地利用了所有历史数据来预测地铁客流情况，并且模型准确率较高。

摘要： 本发明公开了一种基于KNN神经网络算法的用电异常分方法，包括以下步骤：S1、数据选取：通过电网服务器用的电热力图，选取相邻用电峰值较高区域为检测试验区，从服务器数据库内调取该区域用户用电数据；S2、数据筛分：根据检测区域内用户用电数据峰值，初略筛分疑似正常用户和疑似异常用户，并将数据缺失和数据异常用户信息单独归类。该种基于KNN神经网络算法的用电异常分方法，利用用户以往用电数据结合正常数据样本和异常数据样本判断现有数据，从而快速筛选分类那些用户用电异常，利用KNN算法排查清算，相对于传统人工排查清算，不仅效率大大提高，节约大量人力物力，使用方便，具有较高的实用价值。

摘要： 本发明公开了一种海环境下基于双参数KNN的小目标检测方法，本发明考虑传统KNN算法无法控制虚警率的问题，通过调节k值和比例参数η，来达到控制虚警率的目的，是模式识别技术或理论在对海雷达慢速小目标检测领域的延展。能够更加深入小目标检测问题，具有泛化性优良的特点，是一种新的有应用潜力的小目标检测方法。

摘要： 本发明涉及一种基于wifi指纹和改进knn算法的住宅楼宇室内定位方法，包含步骤指纹采集点规划设置、指纹采集、设备定位扫描上报、指纹匹配计算、空间位置计算，该方法与原始KNN算法比较，采用多级聚合排序法，解决了传统定位算法受到空间干扰，定位不准的问题，本发明对室内复杂建筑结构和开放区域信号干扰具有更高的容忍度，定位准确度高。