KNN算法

摘要： 能量分析攻击至今仍是针对密码芯片最具威胁的攻击方法之一,针对传统的模板分析攻击和KNN算法的攻击进行对比研究,对比模板攻击和机器学习中的KNN优缺点。首先对皮尔逊相关系数、互信息和最大信息系数、距离相关系数3种降维方法进行了研究;然后对比了相同数量功耗曲线下,特征点数量对两种能量分析的成功率等性能的影响;同时研究了不同降维技术在相同功耗曲线数量和不同功耗曲线数量时对两种能量分析攻击的影响。结果表明,模板攻击在运行速度、占用内存方面优于KNN算法攻击,而在攻击成功率和鲁棒性方面,KNN算法攻击具有更好的表现。

摘要： 针对共享单车停靠点供需时空失衡、潮汐效应明显、优化选择水平低的问题,本文把区域编码与分类学习方法相结合,提出一种基于Geo Hash与K最近邻模型(K Nearest Neighbor model,KNN)的共享单车停靠点优化选择方法。首先,在分析现有共享单车停靠问题的基础上,利用Geo Hash算法的区域编码分割,得到停靠点空间分布;然后,在停靠点可供选择数量和可容纳车辆数量的双重约束条件下,利用KNN聚类算法进行二次划分,完成共享单车停靠点的优化选择;最后,利用厦门市思明区和湖里区共享单车数据进行综合评价。研究结果表明,该方法具有一定的合理性,能够为缓解共享单车停靠点潮汐现象提供有益借鉴。

摘要： 在高职院校“互联网+”教学背景下,分析机器学习在学业预警中的技术优势和可行性。利用KNN算法构建学业预警模型,提出基于机器学习的高职学业预警系统设计方案。随着“互联网+”教学不断推广深入,以MOOC、SPOC为代表的信息化教学中得到广泛应用。一方面学生在这些教学信息系统上的学习行为、过程及结果产生了大量的数据记录,这些学习行为数据和学生的学业教学评价之间存在着的内在联系,为创建信息化的学业预警系统提供了数据基础。

摘要： 针对不良的步态会对下肢的关节产生不利的影响(加重行走的负担,能量消耗过快等),以及加重患病的风险,提出了利用KNN(k-nearest neighbor)算法对足外8和足内8两种不良步态与正常步态(对照组)进行分类学习,获取分类模型。三种步态的三维步态数据是从17名受试者在正常行走期间通过3D运动捕捉系统获得的,KNN模型对三种步态识别的总正确率为81.7%,对足外8步态的正确率为92.8%以及足内8的正确率为91.0%。模型的正确率较为准确,可以为矫正不良步态提供有力支持、减少不良步态的检测成本。

摘要： 文章提出了一款基于树莓派,采用计算机语言进行编程,通过Open CV进行人脸识别判断谈话对象的医用护理机器人系统。可根据医疗使用要求,完成心理辅导,代替护士查房,生成电子病历,语音视频记录谈话内容,数据记录等。可在特定情况下代替护士的工作,减轻护士负担,并在一定程度上缓解患者病痛。

摘要： 针对常规技术中的计量生产管理平台不完善、数据处理滞后等问题,提出一种新型的计量生产管理平台。构建包括数据层、访问层、计算层和应用层的分布式多层架构,实现数据的分层处理。设计包括计量客户服务层、计量业务处理层、计量工作质量监控层和计量调度层的计量生产调度数据管理平台,实现不同计量业务的管理,满足用户的多种需要。还融入了大数据处理算法,应用KNN算法实现不同类型数据的分类,通过构建AdaBoost算法模型,实现电能计量故障数据的诊断。试验表明,提出的方法数据处理能力强,工作效率高,误差低。

摘要： 基于高精度水动力模型与机器学习技术,运用极限随机树(ERT)及KNN算法,构建了高分辨率山洪灾害快速预报模型。利用确定系数、平均绝对误差和均方根误差3种指标评估模型的整体可靠性,同时,截取流域出口断面流量验证模型的预报性能。结果表明:所建模型预报结果与水动力模型模拟结果淹没范围基本一致,流域淹没范围平均相对误差低于5%,模型整体稳定可靠;流域出口断面流量平均相对误差低于10%,断面平均水深、流速平均相对误差低于5%,模型预报性能良好;模型可在10s内完成最大淹没情况计算并输出淹没范围图,能为紧急决策提供足够的前置时间,协助决策者更好地采取应对措施。

摘要： 针对目前体能训练中普遍采用人工监督计数所带来的效率低、误差大的问题,设计了一种Fast-3D-Pose-Counter智慧体能计数算法。该算法首先利用改进的YOLO_v3网络对单目RGB摄像头采集的视频进行目标检测,得到人体目标区域。然后使用SimplePose网络进行二维姿态估计,并将人体关键点的二维坐标输入3D Pose Baseline网络,得到三维坐标系下的人体姿态。最后基于KNN算法设计动作计数分类器对三维特征向量进行分类,实现有效动作计数。实验结果表明,本算法的推理速度达到了27.4 FPS,计数准确率达到了99.6%,具备很好的实用性。

摘要： 【目的】提高猪只行为识别效率,提供猪只健康状态的快速判别依据,推进中国生猪养殖智能化和规模化。【方法】借鉴OpenPose人体姿态估计算法并对其改进,构建猪只姿态估计模型,在视频流图像中提取猪只骨骼关节点,通过计算关节点间距与骨骼关节角度描述猪只行为特征,利用K-最近邻算法(K-nearest neighbor,Knn)对猪只行为进行分类。【结果】采用基于改进OpenPose算法对猪只行为的识别准确率达到94%以上,优于采用YOLO v4算法的识别结果;与采用DeepCut、Associative Embedding和DeeperCut姿态估计算法相比,采用改进OpenPose算法构建的猪只姿态估计模型对猪只各类行为识别准确率提高了4%以上。【结论】本识别方法能够满足生猪规模化养殖中猪只行为自动化监控的需求,有效降低工人劳动强度,为猪只健康异常状态的判别提供辅助决策信息,在养殖业智能化和信息化领域具有巨大应用潜力。

摘要： 介绍人工智能(AI)背景下东华大学信息科学与技术学院本科基础课程“C语言程序设计”的AI案例式教学探索,并以监督学习中的分类算法KNN为例详细介绍具体的改革方案。向学生开放东华大学西门子先进自动化实验室,为该课程的AI案例式教学提供了良好的实验室支持。

摘要： 本文提出基于高斯加权距离以及聚类重构机制的K-NN文本聚类算法.文章提出K-NN邻近域的概念,通过高斯加权的邻近域算法实施K-NN聚类.利用高斯函数根据样本与聚类中心的距离为样本赋权,计算聚类距离.基于邻近域权重和聚类密度对形成的聚类实施重构,实现聚类数目的自适应调整.使用拆分算子拆分稀疏聚类并调整异常样本;使用合并算子合并相似聚类.实验显示聚类重构机制能够有效地提高聚类的准确率及召回率,增加聚类密度,使得形成的聚类结果更加合理.

摘要： 本文提出基于高斯加权距离以及聚类重构机制的K-NN文本聚类算法.文章提出K-NN邻近域的概念,通过高斯加权的邻近域算法实施K-NN聚类.利用高斯函数根据样本与聚类中心的距离为样本赋权,计算聚类距离.基于邻近域权重和聚类密度对形成的聚类实施重构,实现聚类数目的自适应调整.使用拆分算子拆分稀疏聚类并调整异常样本;使用合并算子合并相似聚类.实验显示聚类重构机制能够有效地提高聚类的准确率及召回率,增加聚类密度,使得形成的聚类结果更加合理.

摘要： 本文提出基于高斯加权距离以及聚类重构机制的K-NN文本聚类算法.文章提出K-NN邻近域的概念,通过高斯加权的邻近域算法实施K-NN聚类.利用高斯函数根据样本与聚类中心的距离为样本赋权,计算聚类距离.基于邻近域权重和聚类密度对形成的聚类实施重构,实现聚类数目的自适应调整.使用拆分算子拆分稀疏聚类并调整异常样本;使用合并算子合并相似聚类.实验显示聚类重构机制能够有效地提高聚类的准确率及召回率,增加聚类密度,使得形成的聚类结果更加合理.

摘要： 本文提出基于高斯加权距离以及聚类重构机制的K-NN文本聚类算法.文章提出K-NN邻近域的概念,通过高斯加权的邻近域算法实施K-NN聚类.利用高斯函数根据样本与聚类中心的距离为样本赋权,计算聚类距离.基于邻近域权重和聚类密度对形成的聚类实施重构,实现聚类数目的自适应调整.使用拆分算子拆分稀疏聚类并调整异常样本;使用合并算子合并相似聚类.实验显示聚类重构机制能够有效地提高聚类的准确率及召回率,增加聚类密度,使得形成的聚类结果更加合理.

摘要： 本文提出基于高斯加权距离以及聚类重构机制的K-NN文本聚类算法.文章提出K-NN邻近域的概念,通过高斯加权的邻近域算法实施K-NN聚类.利用高斯函数根据样本与聚类中心的距离为样本赋权,计算聚类距离.基于邻近域权重和聚类密度对形成的聚类实施重构,实现聚类数目的自适应调整.使用拆分算子拆分稀疏聚类并调整异常样本;使用合并算子合并相似聚类.实验显示聚类重构机制能够有效地提高聚类的准确率及召回率,增加聚类密度,使得形成的聚类结果更加合理.

摘要： 推荐系统应用于定向广告、个性化营销和信息检索,已经成为电子商务应用中的重要组成部分.近年来,许多研究者关注予将上下文信息作为一个重要的用户信息应用到推荐系统中.本文提出了一种挖掘非结构化文本中上下文信息的新方法,用于上下文感知的推荐系统中.用Labeled—LDA算法构建上下文分类器,项目的效用函数包含预测等级和上下文值表示每个项目在当前的上下文下信息.上下文值表示在给定的上下文中项目对用户的合适程度,预测等级用常规的kNN推荐算法计算得到.将该方法应用于客户对旅馆评论的数据,产生上下文感知的推荐项目.实验结果表明该方法由于考虑到了上下文信息,大大提高推荐系统的命中率.

摘要： 推荐系统应用于定向广告、个性化营销和信息检索,已经成为电子商务应用中的重要组成部分.近年来,许多研究者关注予将上下文信息作为一个重要的用户信息应用到推荐系统中.本文提出了一种挖掘非结构化文本中上下文信息的新方法,用于上下文感知的推荐系统中.用Labeled—LDA算法构建上下文分类器,项目的效用函数包含预测等级和上下文值表示每个项目在当前的上下文下信息.上下文值表示在给定的上下文中项目对用户的合适程度,预测等级用常规的kNN推荐算法计算得到.将该方法应用于客户对旅馆评论的数据,产生上下文感知的推荐项目.实验结果表明该方法由于考虑到了上下文信息,大大提高推荐系统的命中率.

摘要： 推荐系统应用于定向广告、个性化营销和信息检索,已经成为电子商务应用中的重要组成部分.近年来,许多研究者关注予将上下文信息作为一个重要的用户信息应用到推荐系统中.本文提出了一种挖掘非结构化文本中上下文信息的新方法,用于上下文感知的推荐系统中.用Labeled—LDA算法构建上下文分类器,项目的效用函数包含预测等级和上下文值表示每个项目在当前的上下文下信息.上下文值表示在给定的上下文中项目对用户的合适程度,预测等级用常规的kNN推荐算法计算得到.将该方法应用于客户对旅馆评论的数据,产生上下文感知的推荐项目.实验结果表明该方法由于考虑到了上下文信息,大大提高推荐系统的命中率.

摘要： 推荐系统应用于定向广告、个性化营销和信息检索,已经成为电子商务应用中的重要组成部分.近年来,许多研究者关注予将上下文信息作为一个重要的用户信息应用到推荐系统中.本文提出了一种挖掘非结构化文本中上下文信息的新方法,用于上下文感知的推荐系统中.用Labeled—LDA算法构建上下文分类器,项目的效用函数包含预测等级和上下文值表示每个项目在当前的上下文下信息.上下文值表示在给定的上下文中项目对用户的合适程度,预测等级用常规的kNN推荐算法计算得到.将该方法应用于客户对旅馆评论的数据,产生上下文感知的推荐项目.实验结果表明该方法由于考虑到了上下文信息,大大提高推荐系统的命中率.

摘要： 为了提高驾驶员疲劳检测的效果,提出了一种新的基于Gobor小波变换的疲劳模式检测方法.新的方法采用Gabor小波提取脸部特征,应用多尺度KNN算法对人脸图像信息进行分类.实验结果表明,新的疲劳检测方法在K值较小的情况下对驾驶员疲劳模式的检测具有很好的效果.

摘要： 本发明涉及一种基于KNN算法和k‑means算法改进的空调负荷聚合方法，1)建立空调负荷的等效热参数模型，生成训练数据集；2)对训练数据集中的数据进预处理；3)在预处理后的数据集中选取空调负荷等效热参数模型中的分类关键参数；4)利用分类关键参数作为分类标准训练KNN分类模型，确定k值；5)在不同的空调负荷类别中选定聚合关键参数，将确定的k值作为k‑means算法的k值，依据关键参数利用k‑means算法进行聚合，利用等效替代法获取聚合功率；6)针对不同类别的聚合空调负荷依据特点选择调控策略，进而获取聚合空调负荷的组合调控策略。与现有技术相比，本发明具有提高空调负荷的聚合精度、提高聚合空调负荷的响应潜力等优点。

摘要： 本发明设计一种基于KNN算法与多项式回归算法组合的跨区域致密油藏油井产能预测方法，属于油气勘探开发技术领域。该方法包括获取日生产数据及地质数据；对数据进行预处理；运用灰度关联删除关联度弱的数据列，并基于理论公式添加新的数据列；根据KNN算法建立地质数据分类模型；根据多项式回归算法建立地质数据和产能数据联合的产能预测模型，并寻找出最优模型；最终通过模型预测出油井产量。本发明由于采取以上技术方案，可以在分析已有数据的前提下，得出产能预测算法模型，进而可以用一套方法结合新生产状态数据预测不同地区油井产油量，也可以对新开井进行产能预测。本发明借助KNN算法和多项式回归算法可以较好的满足不同地质油井产能预测的需求，具有较高的泛化性。并且可以对新开井以及未知井进行产能预测和评估，进而可以更早的为油井生产制度提供参考，以优化油田资源利用率。

摘要： 本发明公开了自动视觉检测技术领域，具体的说是一种基于BM4D去噪算法和KNN算法的苹果分类方法，该方法包括以下几个步骤：S1：使用双目机器视觉提取固定位置下苹果的空间坐标集；S2：通过摄像头将拍照后图片转化为数字图像，并对图片进行归一化处理；再通过MATLAB软件对数字图像进行一系列操作；S3：对得到的图像进行预处理，采用方法是对图像进行彩色空间选择，之后对得到的图像进行频率增强，并对该图像进行BM3D滤波；基于机器视觉的苹果分类系统能够代替传统的人工目测方法，通过提高苹果分类效率、减少人工分类存在明显的客观和误差问题，提高分级效率和精度，同时来达到减少人力物力的目的。

摘要： 本发明公开了一种基于EM算法和KNN算法的数据预处理方法，包括以下步骤：S1、将原始数据集按照属性值是否缺失分为完备数据子集和不完备数据子集，将完备数据子集作为EM算法的训练样本，使用EM算法进行聚类；S2、使用KNN算法在聚类结果上进行缺失值填补。本发明在使用KNN进行缺失值填补之前，先使用EM算法对原始数据集进行聚类分析，然后再在得到的聚类结果之上使用KNN来进行缺失值填补，操作简单、填充准确率高。

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： 本发明提供了一种基于KNN算法的航次进箱量分布情况预测方法和系统，包括：步骤1：对航次特征进行编码，并进行相似航次匹配；步骤2：对相似航次进行核密度估计，并在核密度估计结果中进行抽样；步骤3：对抽样数据进行核密度估计，得到预测结果；步骤4：通过遗传算法对预测结果进行优化。本发明能够在每日甚至每小时的更细粒度上对航次的进箱量做出预测，从而更好地挖掘码头的吞吐能力，高效地提供货运服务，降低成本并提升水路航运的市场竞争力。

摘要： 本发明涉及道路交通安全领域，特别涉及一种基于KNN算法的纠正驾驶员驾驶行为的方法。本发明提供的一种基于KNN算法的纠正驾驶员驾驶行为的方法，通过采集驾驶员的面部信息，将相关数据上传到中央控制单元并且根据Retinaface人脸检测算法和KNN分类算法来划分不同疲劳等级并加以干预，该装置能够最大限度的减少了对驾驶员的干预并且保证了驾驶员的驾驶舒适性。

摘要： 本发明公开了一种基于改进KNN算法的页岩脆性指数预测方法，包括确定训练井和测试井；将训练井中的每个测井参数分别与脆性指数进行相关性分析并对比，选择相关系数绝对值在前三的三个测井参数作为自变量，脆性指数作为因变量；利用训练井中的数据构建训练样本和训练数据库；利用KNN算法迭代优化训练数据库，得到最优训练数据库；将最优训练数据库中数据再作为训练数据，将测试井与训练井中对应的数据作为测试数据，采用交叉验证法得到最优K值；用最优训练数据库、最优K值建立KNN模型得到预测模型，本发明能提高模型预测的准确率和稳定性，提高预测精度。

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。