K均值聚类

摘要： 对股票分组引入聚类分析,通过对股票收益率的分析完成中央汇金投资机构所持有的20支股票的聚类,建立t-Copula聚类-VaR模型,得出各置信度下的VaR值,且计算出的VaR通过Kupiec似然比检验,由此避免金融产品自身属性对Copula分组-VaR模型的影响,为金融产品投资者提供新的风险价值衡量方向.

摘要： 针对传统的可视化空间数据库智能查询系统存在查询错误率高的问题,设计基于Python语言的可视化空间数据库智能查询系统.获取异构存储分布,通过融合度聚类分析,进行可视化空间数据库的异构样本特征分解,根据分解结果,采用模糊度检测和K均值聚类方法,对可视化空间数据库的差异性数据聚类,以聚类结果为基础,结合随机自适应调度和子空间压缩方法,实现对可视化空间数据库的智能查询.仿真实验结果表明,采用该方法进行可视化空间数据库智能查询的错误率较低,查准率较高,数据特征聚类性较强.

摘要： 目的:分析中药治疗尘肺病的临床处方用药规律,为中医药临床辨治尘肺病以及新药的研究提供思路与参考。方法:检索中国知网、万方数据库、维普中刊库,依照纳排标准对相关文献进行筛选整理,建立中药治疗尘肺病的处方数据库,运用中医传承计算平台(V3.0),基于关联规则、k均值聚类算法及回归模型等方法对中药治疗尘肺病的组方用药规律进行数据挖掘与分析。结果:初步筛选相关文献131篇,最终纳入中药处方97个,中药共计195味。高频药物包括黄芪、桔梗、半夏、甘草、党参、丹参、苦杏仁等,设定置信度为0.7,共获得关联规则14条,高频药物组合13组,聚类分析获得5类组方。结论:中药治疗尘肺病处方以补虚类、化痰止咳平喘类、活血化瘀类药物为主,佐以清热药、解表药、理气药、利水渗湿药等,药物组合及类方分析体现出益肺健脾、化痰止咳、活血通络、宣肺开痹等治疗方向,对应了尘肺病肺虚络痹的基础病理特点,相关药物与类方组合可为中医临床辨治尘肺病提供一定的用药思路,同时为新药的研究与开发提供参考。

摘要： 针对大规模多输入多输出(multiple input multiple output,MIMO)系统中亟待解决的导频污染问题,提出一种基于K均值聚类的导频分配策略来减轻导频污染问题。该方案基于大尺度衰落因子对用户进行门限分组,再基于用户位置信息对用户进行K均值聚类分组,并对不同组别的用户采用不同的导频分配方案。仿真结果表明,基于K均值聚类的大规模MIMO导频分配方案可有效抑制导频污染问题对大规模MIMO系统性能的影响,提高导频效率并减少导频开销。

摘要： 选取了温湿指数、风效指数、着衣指数3个舒适度指数来衡量广东省避暑旅游气候的舒适性。通过气温、相对湿度、风速以及日照时数等要素进行Anusplin插值得出全省精细化空间分布,计算格点的温湿指数、风效指数、着衣指数并进行聚类分析。结果表明:广东夏季3个指数值均在偏热及以上的区间,舒适性跟海拔高度有较强的正相关关系。全省景区可分成5类:类型Ⅰ:舒适度第4,比较均匀分布在全省各市较低海拔地区;类型Ⅱ:舒适度第3,大部分属于韶关、河源;类型Ⅲ:舒适度第2,包括9个景区;类型Ⅳ:最不舒适,大部分位于珠三角、粤东偏东以及粤西偏西地的低海拔区域;类型Ⅴ:全省最舒适的景区,只有3个景区。

摘要： 为了提高炮位侦察校射雷达中炮位侦察定位精度同时提升外推结果一致性,本文引入聚类思想,建立了基于K-均值聚类的弹道外推模型。该模型采用七态无迹卡尔曼滤波算法对量测数据进行多次滤波,然后利用4阶龙格-库塔积分方法对火炮位置进行外推,最后对多次外推结果进行K-均值聚类处理,采用综合多因子方法计算簇品质,选取最优簇对应的聚类中心作为最终的火炮位置进行输出。实验结果表明,该弹道外推算法显著提升了外推结果的一致性及定位精度。

摘要： 目的:建立基于聚类算法的医院门诊预约调度模型,使门诊患者获得不同的优先顺序,缩短其候诊时间。方法:采用K均值聚类、聚集层次聚类以及马尔可夫决策过程(MDP)调度方法,建立医院门诊预约调度模型;将门诊患者分为高优先级和低先级两类,确定门诊患者的优先级并根据优先级类别分配容量。结果:通过门诊预约调度模型的流体近似方法估算MDP的最优解,提出的模型可应用于医院的数据集。根据门诊预约调度模型在每日门诊结束时对门诊患者进行排程,安排高优先级和低先级门诊患者在第2日预约,并在接下来的一周(7日)内继续此过程。结论:基于聚类算法的医院门诊预约调度模型能够为高优先级的门诊患者提供最佳预约,可在医院门诊患者的优先排序和调度中发挥重要作用。

摘要： 高质量发展标志着我国当前经济发展开启新篇章,是我国未来经济发展的重要目标。本文按照系统性、全面性、科学性和可操作性的原则,以河北省11个地级市为研究对象,基于经济发展、科技支撑、生态环保、协调共享的四个方面为视角,根据“目标层—准则层—指标层”构建河北省城市高质量评价指标体系。收集整理了河北2019年的指标数据,采用熵权法、综合评价法以及K-均值聚类分析法对河北省各市高质量发展进行评价排序及分类。研究发现河北省内城市间高质量发展水平存在明显差异,并从科技创新投入、社会保障和服务水平、统筹规划三个方面提出对策建议。

摘要： 针对传统方法在车型信息数据聚类过程中受初始化中心点的影响较大导致聚类精度低、鲁棒性差以及在迭代过程中求取均值选择聚类中心受离群点影响大的问题,提出了一种DHSSA优化的K均值互补迭代车型信息数据聚类方法。首先,针对SSA算法中发现者位置更新不足和种群多样性不足的问题,设计了一种扰动因子-领头雀优化策略,通过自适应领头雀策略加强了最优个体的影响力,利用扰动因子扩大搜索空间,提升了寻找聚类中心的准确率;其次,设计了基于筛选最大最小距离积方法 SMMP优化聚类中心的初始化,在MMP基础上增加了筛选机制,使初始化的中心尽可能更均匀地分布在每个簇中;最后,融合DHSSA和SMMP来优化K均值互补迭代,在减小迭代次数的同时增加搜索效率,得到较好的聚类结果。利用多种数据集进行测试,通过试验结果中的收敛曲线和性能指标可以看出,提出的DHSSA-KMC方法相对于SSA-KMC、IMFO-KMC、KMC和KMC++具有更高的搜索精度、收敛速度和更低的聚类代价,并且耗时相对于SSA-KMC和IMFO-KMC有所减少,证明了算法的有效性和优越性。在车型信息数据处理过程中,DHSSA-KMC可以高效聚类生成竞品车型供消费者选择,应用价值明显。

摘要： 绝缘子是架空输电线路的重要部件,因此有必要及时检测运行状态下的绝缘子。针对传统航拍绝缘子图像需人工采集特征且无法适用所有场景的问题,提出一种基于改进Faster-RCNN的绝缘子航拍图像检测算法。首先,将Faster-RCNN的VGG16特征提取网络替换为Resnet50以加深网络深度;其次,在特征提取阶段引入CBAM注意力机制模块,给绝缘子的特征分配更大的权重,使网络能够更好地区分图像中的绝缘子目标与背景;最后,根据绝缘子的尺寸大小,采取K均值聚类算法选择锚点框。运用该方法检测数据集中的绝缘子图像,结果显示改进后的Faster-RCNN网络相较于原始网络在检测准确率上有明显提高。

摘要： 糖尿病是世界上危害较大的一种慢性疾病,随着医疗水平的提升,对糖尿病的医疗诊断效率提出了新要求.因此,综合论述了多种利用数据挖掘技术的糖尿病预测模型,在总结前人研究的基础上,指出了这些模型存在的不足.

摘要： 糖尿病是世界上危害较大的一种慢性疾病,随着医疗水平的提升,对糖尿病的医疗诊断效率提出了新要求.因此,综合论述了多种利用数据挖掘技术的糖尿病预测模型,在总结前人研究的基础上,指出了这些模型存在的不足.

摘要： 糖尿病是世界上危害较大的一种慢性疾病,随着医疗水平的提升,对糖尿病的医疗诊断效率提出了新要求.因此,综合论述了多种利用数据挖掘技术的糖尿病预测模型,在总结前人研究的基础上,指出了这些模型存在的不足.

摘要： 糖尿病是世界上危害较大的一种慢性疾病,随着医疗水平的提升,对糖尿病的医疗诊断效率提出了新要求.因此,综合论述了多种利用数据挖掘技术的糖尿病预测模型,在总结前人研究的基础上,指出了这些模型存在的不足.

摘要： 城市交通系统庞大而复杂,为保证交通管理的灵活性及鲁棒性,必须划分交通小区分而治之.针对现有的基于划分的聚类算法应用于交通小区划分存在的问题,本文基于交通特性定义了聚类有效性指标,进而设计了将模糊C均值聚类与K均值聚类相结合的交通小区划分算法.以吴江区为例,结合17万余条出租GPS数据,搭建GIS平台划分交通小区,验证了算法的有效性,进而可视化地分析了小区之间的交通OD,为城市交通运营、规划部门决策提供重要参考和依据.

摘要： 城市交通系统庞大而复杂,为保证交通管理的灵活性及鲁棒性,必须划分交通小区分而治之.针对现有的基于划分的聚类算法应用于交通小区划分存在的问题,本文基于交通特性定义了聚类有效性指标,进而设计了将模糊C均值聚类与K均值聚类相结合的交通小区划分算法.以吴江区为例,结合17万余条出租GPS数据,搭建GIS平台划分交通小区,验证了算法的有效性,进而可视化地分析了小区之间的交通OD,为城市交通运营、规划部门决策提供重要参考和依据.

摘要： 城市交通系统庞大而复杂,为保证交通管理的灵活性及鲁棒性,必须划分交通小区分而治之.针对现有的基于划分的聚类算法应用于交通小区划分存在的问题,本文基于交通特性定义了聚类有效性指标,进而设计了将模糊C均值聚类与K均值聚类相结合的交通小区划分算法.以吴江区为例,结合17万余条出租GPS数据,搭建GIS平台划分交通小区,验证了算法的有效性,进而可视化地分析了小区之间的交通OD,为城市交通运营、规划部门决策提供重要参考和依据.

摘要： 城市交通系统庞大而复杂,为保证交通管理的灵活性及鲁棒性,必须划分交通小区分而治之.针对现有的基于划分的聚类算法应用于交通小区划分存在的问题,本文基于交通特性定义了聚类有效性指标,进而设计了将模糊C均值聚类与K均值聚类相结合的交通小区划分算法.以吴江区为例,结合17万余条出租GPS数据,搭建GIS平台划分交通小区,验证了算法的有效性,进而可视化地分析了小区之间的交通OD,为城市交通运营、规划部门决策提供重要参考和依据.

摘要： 针对局部遮挡对粒子滤波跟踪算法的影响,本文提出了抗遮挡自适应的粒子滤波算法.该算法采用矩形作为跟踪窗,在重要性重采样之后,引入K均值聚类(KM聚类)算法,将空间特征与权重分布近似的粒子进行聚类,得到粒子子群,并通过粒子子群估计目标的最终状态,修正跟踪窗.当面积变化超过5％时,说明存在遮挡或同色干扰现象,则跟踪窗保持上一帧尺寸不变,否则跟踪窗随着运动目标尺度变化而变化,实现自适应.该算法对局部遮挡和运动目标尺度变化鲁棒性较好.

摘要： 针对局部遮挡对粒子滤波跟踪算法的影响,本文提出了抗遮挡自适应的粒子滤波算法.该算法采用矩形作为跟踪窗,在重要性重采样之后,引入K均值聚类(KM聚类)算法,将空间特征与权重分布近似的粒子进行聚类,得到粒子子群,并通过粒子子群估计目标的最终状态,修正跟踪窗.当面积变化超过5％时,说明存在遮挡或同色干扰现象,则跟踪窗保持上一帧尺寸不变,否则跟踪窗随着运动目标尺度变化而变化,实现自适应.该算法对局部遮挡和运动目标尺度变化鲁棒性较好.

摘要： 本发明公开了一种基于层次聚类的改进K均值聚类算法，其步骤为：计算n个对象两两间的距离；构造n个单成员聚类；根据数据得出层次聚类；当数据分为K类时，计算出每一类的聚类中心；以求出的聚类中心作为K均值的初始聚类中心，K值作为K均值聚类的个数，进行K均值聚类得到聚类结果。本发明通过比较聚类结果与改进的K均值聚类结果两者的组内方差与组间方差表明改进的K均值聚类更为准确合理。将层次聚类和k-均值聚类各自的优点都尽量的发挥出来，避免两个聚类方法自身的不足，最大程度的提高了聚类的质量。

摘要： 本发明公开了一种基于改进K均值聚类CCA‑BiLSTM多维度短期电力负荷预测方法，属于电力负荷预测技术领域。该方法首先对历史负荷与多维度数据进行预处理，按月去除异常值、补充缺失值；之后初定k个日负荷特征标签，采用PCCs改进的K均值算法对历史负荷数据聚类并采用DBi指数分析，结合分析结果与工程经验，明确日负荷标签k值与其对应负荷标签w的特征；构建预处理后的历史多维度数据向量集，将其与历史负荷数据进行CCA贡献度分析，并筛分出10个特征变量重构特征数据集；利用历史负荷数据、负荷标签与重构数据集完成BiLSTM网络进行训练，最终实现对未来短期电力负荷数据的预测。利用本发明所提出的短期电力负荷预测方法，可降低预测过程的时间冗余度，减少所需外部变量的维度，有效增强负荷预测结果的准确性与通用性。

摘要： 本发明涉及一种基于决策树和二分K均值聚类的客户分群方法及系统，包括客户特征处理及分群算法实施，通过客户的特征对客户进行分群，每个客群可以输出特征规则用以刻画，特征规则具有良好的解释性，可结合业务经验进行调整，形成一个高精度且兼备解释性的客户分群规则，同时还保留了机器学习类方法的精准性并可支持无监督学习与有监督学习两类训练方式。基于本发明方法输出的客户分群，可用于对客户的精准营销、产品设计、风险管理等方面，提升企业精细化经营水平，同时也可为产品设计提供依据。

摘要： 本发明公开了一种基于K均值聚类的时间感知自适应兴趣点推荐方法，该方法包括：第一步、将签到数据集转换成三维评分矩阵；第二步、统计每个时间槽内的签到用户数量、被访问兴趣点数量和签到次数，构建各时间槽的三维签到特征向量；第三步、对时间槽进行K均值聚类，计算同一聚类内各时间槽之间的时间相似度；第四步、利用同一时间聚类内其他时间槽中的评分信息计算当前时间下的用户相似度；第五步、利用时间聚类结果和聚类内部的时间相似度对传统的基于用户的协同过滤方法进行改进，使其能根据当前推荐时间自适应生成兴趣点预测评分；第六步、对比本发明提出的推荐系统和其他经典推荐系统的推荐精度，评价所提出技术的准确性和有效性。

摘要： 本发明公开了一种基于K均值聚类的时间感知自适应兴趣点推荐方法，该方法包括：第一步、将签到数据集转换成三维评分矩阵；第二步、统计每个时间槽内的签到用户数量、被访问兴趣点数量和签到次数，构建各时间槽的三维签到特征向量；第三步、对时间槽进行K均值聚类，计算同一聚类内各时间槽之间的时间相似度；第四步、利用同一时间聚类内其他时间槽中的评分信息计算当前时间下的用户相似度；第五步、利用时间聚类结果和聚类内部的时间相似度对传统的基于用户的协同过滤方法进行改进，使其能根据当前推荐时间自适应生成兴趣点预测评分；第六步、对比本发明提出的推荐系统和其他经典推荐系统的推荐精度，评价所提出技术的准确性和有效性。

摘要： 本发明用于人工智能领域，涉及区块链领域，公开了基于K均值聚类算法的问答匹配方法、装置、设备及介质，其中，方法包括：获取用户输入的用户问题，并对用户问题进行向量转换，以获得用户问题的问题向量；根据预设匹配方法确定用户问题的多个候选答案，并确定每一候选答案的K个答案语义向量，K个答案语义向量为基于K均值聚类算法，对候选答案进行聚类后获得的语义向量；根据问题向量对K个答案语义向量进行基于注意力机制的向量计算，以获得候选答案的候选答案向量；根据候选答案向量与问题向量的匹配值，在多个候选答案中确定用户问题的正确答案；本发明编码速度较快且减少了信息丢失的可能，提高了候选答案向量以及匹配结果的准确性。

摘要： 本发明提供DHSSA优化的K均值互补迭代车型信息数据聚类方法，输入标准数据集，根据其类别的个数确定标准数据集中类的个数；对获得的数据集利用SMMP初始化中心点；计算获得的每个数据样本对获得的初始化中心点的欧式距离，将样本点所属类别归于最小欧式距离的聚类中心；对获得的每个类别采用DHSSA进行寻优操作，得到新聚类中心，通过适应度函数公式计算每个类别的适应度值；对获得的新聚类中心使用KMC重新确定每个样本的新类别；对获得的新类别进行适应度值计算；判断得到的适应度值是否小于前述得到的适应度值，若小于，则更新聚类中心并继续下一步；否则，继续下一步；判断是否达到最大迭代次数，若是，则输出数据聚类结果；若否，则回转计算欧式距离。

摘要： 本公开提供了一种基于K均值聚类的动力电池组不一致性诊断方法及系统，其属于动力电池组技术领域，所述方案包括：获取各电池单体的电压均值和标准差；以各电池单体的电压均值和标准差作为数据集，基于K‑means聚类算法对所述数据集聚类为若干簇；其中，每个电池单体的电压均值和标准差作为一个数据点坐标值；计算每个电池单体所构成数据点到其所属簇中心的距离；基于所述距离值与预设阈值的比较结果，判断当前电池单体是否异常，实现动力电池组的不一致性诊断。

摘要： 基于均值偏移和K均值聚类技术的图像对象提取方法，先使用均值偏移进行图像平滑，先应用meanshift算法进行图像平滑消除细节信息，在进行过meanshift平滑操作后，图像的细节部分将被忽略，从而将均值偏移的结果按照其颜色信息进行进一步聚类;在这一步骤中，要求聚类过程具有较高的效率并且能够满足一定的精度要求;运用k均值聚类算法对图像进行分割;K均值聚类的算法如下：应用K-means算法进行颜色聚类以提取图像中的对象信息，均值偏移和K均值聚类算法相结合，结合二者的优点，并规避了二者的缺点。算法的时间短且效率高。从而得到拥有较好结果的图像对象提取结果。

摘要： 本发明提出一种基于自适应k均值聚类的多目标定位方法，密度峰值聚类算法(DPC)和k‑means聚类算法相结合，提出自适应k‑means聚类算法，基于提取的特征点，自适应确定待定位目标数量，对不同目标的特征点集聚类；通过最近邻比值算法进行粗匹配，利用特征点投票构建最优几何约束进行精匹配，实现多目标精确定位。本方法对于不同类型、数量的待定位目标，在旋转、尺度变换、部分遮挡和光照变换下等复杂环境下均可精确定位目标，具有较好的鲁棒性。