期刊文献+
共找到12篇文章
< 1 >
每页显示 20 50 100
基于加权K-Means和局部BPNN的票房预测模型 被引量:6
1
作者 米传民 鲁月 林清同 《计算机系统应用》 2019年第2期15-23,共9页
电影作为典型的短周期、体验型产品,其票房收益受众多因素的共同影响,因此对其票房进行预测较为困难.本文主要构建了一种基于加权K-均值以及局部BP神经网络(BPNN)的票房预测模型对目前的票房预测模型存在的不足进行改进,从而提高票房预... 电影作为典型的短周期、体验型产品,其票房收益受众多因素的共同影响,因此对其票房进行预测较为困难.本文主要构建了一种基于加权K-均值以及局部BP神经网络(BPNN)的票房预测模型对目前的票房预测模型存在的不足进行改进,从而提高票房预测的精度:(1)构建基于随机森林的影响因素影响力测量模型,并以此为依据对票房影响因素进行筛选,以此来简化后续预测模型的输入;(2)考虑到不同影响因素对票房的影响力不同的现实情况,为了解决以往研究中对影响因素权重平均分配的问题,本文构建了基于加权K-均值和局部BP神经网络的票房预测模型,以因素影响力为依据对样本数据进行加权的K-均值聚类,并基于子样本构建局部BP神经网络模型进行票房预测.实验证明,本文所构建的模型平均绝对百分比误差(MAPE)为8.49%,低于对比实验的10.39%,可以看出本文构建的基于加权K-均值以及局部BP神经网络的票房预测模型的预测结果要优于对比模型的预测结果. 展开更多
关键词 电影票房 预测 加权k-均值 BP神经网络
下载PDF
基于优化初始中心的加权K-均值彩色图像聚类算法分析 被引量:3
2
作者 何芳州 《现代电子技术》 北大核心 2020年第18期26-29,共4页
超像素作为一种图像预处理技术,在计算机视觉领域中得到了广泛的应用。该文研究的重点就是基于优化初始中心的加权K-均值彩色图像聚类算法的具体应用,针对单板彩色图像,提出一种基于彩色RGB空间通道的K-均值优化初始中心聚类分割方法,并... 超像素作为一种图像预处理技术,在计算机视觉领域中得到了广泛的应用。该文研究的重点就是基于优化初始中心的加权K-均值彩色图像聚类算法的具体应用,针对单板彩色图像,提出一种基于彩色RGB空间通道的K-均值优化初始中心聚类分割方法,并与SLIC进行了分析,得到一种新的SLIC算法(WKK-SLIC算法)。该算法是基于优化加权K-means聚类初始中心点为基础,对彩色图像进行分割处理。在该算法中,通过运用密度敏感相似度对空间像素点密度生成聚类初始中心完成计量,所得聚类结构较稳定且经试验结果表明,在进行图像分割时该算法各方面的性能都要优于其他算法,具有更高的稳定性与准确性。 展开更多
关键词 彩色图像 聚类算法 加权k-均值 优化初始中心 图像分割 试验分析
下载PDF
加权k-均值在舰船尾迹识别中的应用研究
3
作者 李晓东 《舰船科学技术》 北大核心 2016年第5X期31-33,共3页
首先描述加权k-均值的原理;然后利用对舰船尾迹原始进行分块,并且以此提高尾迹的对比度,对分块后子图像进行归一化Hough变换;最后基于加权k-均值进行舰船尾迹识别。实验结果表明本文算法识别率高,识别时间短。
关键词 加权k-均值 尾迹识别 图像分块
下载PDF
基于随机森林和加权K均值聚类的网络入侵检测系统 被引量:8
4
作者 任晓芳 赵德群 秦健勇 《微型电脑应用》 2016年第7期21-24,共4页
目前,许多误用检测系统无法检测未知攻击,而异常检测系统虽然能够精确检测未知攻击,但具有较高的误报警率。为此,提出了一种基于随机森林和加权K均值聚类算法的混合入侵检测系统。首先,利用随机森林算法从训练集中建立入侵模型,构建误... 目前,许多误用检测系统无法检测未知攻击,而异常检测系统虽然能够精确检测未知攻击,但具有较高的误报警率。为此,提出了一种基于随机森林和加权K均值聚类算法的混合入侵检测系统。首先,利用随机森林算法从训练集中建立入侵模型,构建误用检测模型,通过网络连接的特征匹配来检测已知攻击。然后,利用加权K均值算法构建异常检测模块,根据随机森林算法获得的特征,将不确定性攻击的网络连接数据进行聚类,进而实现未知攻击的检测。在KDD′99数据库中的实验表明,该系统具有较高的检测率和较低的误报警率。 展开更多
关键词 入侵检测系统 随机森林 加权k-均值聚类 误用检测 异常检测
下载PDF
基于图的加权核K均值的图像多尺度分割 被引量:6
5
作者 李昱川 田铮 《光学学报》 EI CAS CSCD 北大核心 2009年第10期2762-2767,共6页
提出改进的最小割(IMC)模型以避免分割出小的孤立点集,研究了改进的最小割模型与加权核K均值之间的等价关系,列举了几种常见的用于建立图割模型边权值的相似度函数,并分析了其对分割结果的影响。在此基础上,设计了一个基于图的加权核K... 提出改进的最小割(IMC)模型以避免分割出小的孤立点集,研究了改进的最小割模型与加权核K均值之间的等价关系,列举了几种常见的用于建立图割模型边权值的相似度函数,并分析了其对分割结果的影响。在此基础上,设计了一个基于图的加权核K均值图像多尺度分割方法,该方法既避免了基于图割的图像分割中图谱的求解问题,又避免了加权核K均值方法中核矩阵的选取问题,同时实现了对图像多尺度的分割。通过对该方法进行抗噪性能的分析,以及在光学图像上对实验结果进行比较,验证了所提出方法的有效性。 展开更多
关键词 图像处理 图像分割 加权k均值 多尺度分割
原文传递
基于局部PSO-LSSVM的水泥f-CaO测量方法研究 被引量:9
6
作者 王秀莲 孙旭晨 +2 位作者 王卓 苑明哲 刘钊 《控制工程》 CSCD 北大核心 2014年第6期807-811,共5页
针对水泥熟料质量指标游离氧化钙含量难以实时检测的问题,提出一种基于局部pso-lssvm的软测量建模方法。在构建局部建模数据集时,同时考虑了数据样本之间的加权欧氏距离与向量的夹角,使得训练数据的选取更加具有实际意义。由于局部建模... 针对水泥熟料质量指标游离氧化钙含量难以实时检测的问题,提出一种基于局部pso-lssvm的软测量建模方法。在构建局部建模数据集时,同时考虑了数据样本之间的加权欧氏距离与向量的夹角,使得训练数据的选取更加具有实际意义。由于局部建模的时间开销较大,首先,采用加权k均值聚类算法对历史数据库进行聚类分析得到若干子样本集;其次,在与当前输入数据加权欧氏距离最小的子样本集中,建立基于pso-lssvm算法的局部软测量模型,计算得到当前游离氧化钙含量值;最后,应用实际数据进行训练和验证,结果表明,该方法较全局建模具有更好的泛化能力,能够满足水泥熟料游离氧化钙含量检测的实时性要求,对于实现水泥烧成系统的优化控制,提高能源利用率具有重要意义。 展开更多
关键词 游离氧化钙 加权k均值聚类 局部建模 最小二乘支持向量机 粒子群优化
下载PDF
基于局部平滑加权图割方法的SAR图像分割 被引量:7
7
作者 赵伟 田铮 +1 位作者 杨丽娟 延伟东 《光电子.激光》 EI CAS CSCD 北大核心 2014年第11期2212-2218,共7页
针对合成孔径雷达(SAR)图像分割,提出了一种局部平滑加权图割(LSWGC,local smoothing weighted graph cut)模型。首先,在加权图割(WGCut)的目标函数中加入局部平滑罚项,提高了基于谱聚类的SAR图像分割方法对斑点噪声的稳健性,抑制了SAR... 针对合成孔径雷达(SAR)图像分割,提出了一种局部平滑加权图割(LSWGC,local smoothing weighted graph cut)模型。首先,在加权图割(WGCut)的目标函数中加入局部平滑罚项,提高了基于谱聚类的SAR图像分割方法对斑点噪声的稳健性,抑制了SAR图像分割中孤立点的产生;其次,利用WGCut与加权核K均值(WKKM)的等价性,LSWGC以不同于参数核图割(PKGC)方法的核化方式将核映射引入目标函数中,用图割最优化算法求解标号函数,避免了基于谱聚类的SAR图像分割方法中图谱的求解问题,同时改善了PKGC方法二类划分易丢失目标的不足。模拟和真实SAR图像的实验结果证实了本文方案的有效性。 展开更多
关键词 图像处理 合成孔径雷达(SAR)图像分割 图割 加权k均值(WkkM)
原文传递
改进的基于区域的运动目标分割方法 被引量:1
8
作者 葛庆国 吴晓娟 江冬梅 《计算机工程》 CAS CSCD 北大核心 2004年第24期106-108,共3页
针对视频监控系统,提出了一种改进的基于区域的运动目标分割方法。与传统方法相比,在运动检测阶段,结合时域差分和背景差分进行运动检测,并通过自适应方法进行背景更新;在差分图像二值化时,采用自适应阈值方法来代替传统的手工确定阈值... 针对视频监控系统,提出了一种改进的基于区域的运动目标分割方法。与传统方法相比,在运动检测阶段,结合时域差分和背景差分进行运动检测,并通过自适应方法进行背景更新;在差分图像二值化时,采用自适应阈值方法来代替传统的手工确定阈值法;对于区域分割,使用基于加权平方欧式距离的均值聚类算法代替传统的均值聚类算法。实验结果表明该改进方法比传统方法具有更好的实时性、鲁棒性和有效性。 展开更多
关键词 背景差分 自适应阈值 加权k均值聚类 运动估计
下载PDF
基于加权K均值聚类的多属性初至拾取方法 被引量:5
9
作者 周竹生 曾维祖 +1 位作者 刘思琴 陈文样 《地震学报》 CSCD 北大核心 2020年第2期177-186,I0001,共11页
为提高初至拾取方法的准确性和自适应能力,将变异系数加权K均值聚类算法引入初至拾取中。首先提取均方根振幅、相邻道相关性、线积分、振幅谱主频等多种地震属性;然后针对地震属性进行加权K均值聚类,自动识别初至所在时窗;最后结合相位... 为提高初至拾取方法的准确性和自适应能力,将变异系数加权K均值聚类算法引入初至拾取中。首先提取均方根振幅、相邻道相关性、线积分、振幅谱主频等多种地震属性;然后针对地震属性进行加权K均值聚类,自动识别初至所在时窗;最后结合相位校正法,实现时窗内初至波起跳时间的拾取。在此基础上通过实际数据测试,并与长短时窗能量比法、反向传播神经网络方法对比,验证了本文方法的有效性与可行性。结果表明,基于加权K均值聚类的多属性初至拾取方法能较快速、准确地拾取低信噪比数据的初至,并且无需人为判断时窗,从而提高了拾取的自适应能力。 展开更多
关键词 地震属性 加权k均值聚类 初至拾取 初至波
下载PDF
主动学习基自适应PC-Kriging模型的复合材料结构可靠度算法
10
作者 龚煜廉 张建国 +3 位作者 吴志刚 褚光远 范晓铎 黄赢 《航空学报》 EI CAS CSCD 北大核心 2024年第8期176-186,共11页
针对复合材料机翼随机固有频率可靠性分析复杂、高维、高度非线性和计算时间长的问题,本文提出了一种主动学习基自适应PC-Kriging模型的可靠度算法。在基自适应PC-Kriging模型中,采用一种基自适应策略来确定多项式混沌展开部分的正交多... 针对复合材料机翼随机固有频率可靠性分析复杂、高维、高度非线性和计算时间长的问题,本文提出了一种主动学习基自适应PC-Kriging模型的可靠度算法。在基自适应PC-Kriging模型中,采用一种基自适应策略来确定多项式混沌展开部分的正交多项式基,以近似数值模型的全局响应,Kriging用于高阶非线性插值以近似数值模型的局部响应。在主动学习可靠度计算框架中,引入加权K均值聚类,在一次迭代中添加K个对失效概率贡献较大的候选样本点以减少迭代次数和加快收敛速度。通过一个高度非线性的数值算例分析,证明了所提方法的有效性和准确性。将该方法应用于复合材料板和复合材料机翼的随机固有频率可靠性分析,获得了准确高效的可靠度计算结果。 展开更多
关键词 可靠性分析 基自适应PC-kriging 主动学习 加权k均值聚类 复合材料机翼 随机固有频率
原文传递
基于粒子群优化聚类算法的多预测器信用评估模型 被引量:4
11
作者 张润驰 杜亚斌 《系统工程》 CSSCI 北大核心 2017年第10期154-158,共5页
经典的加权k均值聚类算法能够有效区分不同属性对聚类过程的影响程度,但同时也易因权值的选取不当导致预测性能较差。本文在其基础上,针对信用评估问题,设计了多预测器粒子群优化加权k均值聚类(MPWKM)模型。MPWKM模型首先对样本数据进... 经典的加权k均值聚类算法能够有效区分不同属性对聚类过程的影响程度,但同时也易因权值的选取不当导致预测性能较差。本文在其基础上,针对信用评估问题,设计了多预测器粒子群优化加权k均值聚类(MPWKM)模型。MPWKM模型首先对样本数据进行预处理,剔除重要程度较低的属性,接着以粒子群算法搜索加权k均值聚类算法的最优权值组合,解决权值选择问题,进而构建多个基于不同样本空间子集的基预测器,最后根据各基预测器的预测结果组合成完整的预测模型,进一步提升模型的性能。实证研究表明:MPWKM模型与现有的五个成熟模型相比,在预测精度较高的同时,也具有较好的平衡性与稳定性。 展开更多
关键词 信用评估 MPWkM模型 粒子群算法 加权k均值聚类算法
原文传递
压力传感器因温度漂移补偿方法
12
作者 董添奇 谈聪 《传感器世界》 2023年第4期9-16,共8页
为了改善压力传感器因温度漂移导致的测量误差问题,在标定压力和温度下,通过传感器测出的数据做拟合,减小温度对测量结果的影响。文章首先对数据进行预处理,利用协方差评价序列间的影响权重,以数据融合方式改造训练集,过滤其中潜在因素... 为了改善压力传感器因温度漂移导致的测量误差问题,在标定压力和温度下,通过传感器测出的数据做拟合,减小温度对测量结果的影响。文章首先对数据进行预处理,利用协方差评价序列间的影响权重,以数据融合方式改造训练集,过滤其中潜在因素的影响,进而增强数据间的相关性;其次,利用插值曲线良好的拟合效果,等间隔的在曲线上抽取若干新数据点,扩充原始训练集,提升神经网络的训练精度;最后,用加权K均值聚类(K-means Clustering Algorithm)的径向基神经网络(Radial Basis Function Neyral Network)对扩增数据进行训练,得到拟合神经网络模型,使用测试数据对模型进行试验。实验结果表明,文章提出的方法对压力传感器温度漂移数据的拟合有很好的效果。 展开更多
关键词 插值拟合 协方差 径向基神经网络 加权k均值聚类 扩增样本
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部