期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到9篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
一种面向不完备信息系统的集对k‑means聚类算法 被引量：6
1
作者 张春英 高瑞艳 +4 位作者 刘凤春 王佳昊 陈松 冯晓泽 任静 《数据采集与处理》 CSCD 北大核心 2020年第4期613-629,共17页
针对不完备信息系统的数据聚类问题,将集对分析理论引入k-means聚类中,同时为了更好地表示样本与类簇的关系,构建了一种面向不完备信息系统的集对k-means(Set pair k-means,SPKM)聚类算法。首先,基于集对理论提出了一种集对距离度量方法... 针对不完备信息系统的数据聚类问题,将集对分析理论引入k-means聚类中,同时为了更好地表示样本与类簇的关系,构建了一种面向不完备信息系统的集对k-means(Set pair k-means,SPKM)聚类算法。首先,基于集对理论提出了一种集对距离度量方法,并将该度量方法运用到k-means算法中,得到初步聚类结果;随后,对于同时属于多个类的样本,将其分配到相应类的边界域,对于只属于一个类的样本,将其分配到相应类的正同域或边界域,其中聚类结果由肯定属于该类簇的正同域、可能属于该类簇的边界域以及肯定不属于该类簇的负反域3个部分共同表示;最后通过选取UCI数据库中的6个数据集与4种对比算法进行实验评价。实验结果表明,SPKM算法在准确率、F1值、Jaccard系数、FMI和ARI等指标上均具有良好的聚类性能。 展开更多
关键词 集对信息粒 不完备信息 k‑means 集对距离度量 集对k‑means聚类
下载PDF
神经正切核K-Means聚类 被引量：3
2
作者 王梅 宋晓晖 +1 位作者 刘勇 许传海 《计算机应用》 CSCD 北大核心 2022年第11期3330-3336,共7页
针对K‑Means聚类算法利用均值更新聚类中心,导致聚类结果受样本分布影响的问题,提出了神经正切核K‑Means聚类算法(NTKKM)。首先通过神经正切核(NTK)将输入空间的数据映射到高维特征空间,然后在高维特征空间中进行K‑Means聚类,并采用兼... 针对K‑Means聚类算法利用均值更新聚类中心,导致聚类结果受样本分布影响的问题,提出了神经正切核K‑Means聚类算法(NTKKM)。首先通过神经正切核(NTK)将输入空间的数据映射到高维特征空间,然后在高维特征空间中进行K‑Means聚类,并采用兼顾簇间与簇内距离的方法更新聚类中心,最后得到聚类结果。在car和breast‑tissue数据集上,对NTKKM聚类算法的准确率、调整兰德系数(ARI)及FM指数这3个评价指标进行统计。实验结果表明,NTKKM聚类算法的聚类效果以及稳定性均优于K‑Means聚类算法和高斯核K‑Means聚类算法。NTKKM聚类算法与传统的K‑Means聚类算法相比,准确率分别提升了14.9%和9.4%,ARI分别提升了9.7%和18.0%,FM指数分别提升了12.0%和12.0%,验证了NTKKM聚类算法良好的聚类性能。 展开更多
关键词 神经正切核 k‑means 核聚类 特征空间 核函数
下载PDF
基于K-means和PCA的银行客户数据研究
3
作者 张克强 刘静超 《现代计算机》 2023年第22期60-63,共4页
根据银行的业务客户样本,通过K-means方法对群体进行聚类分析,从而发现不同客户群体的特征和行为习惯,为银行的业务决策提供依据。在具体实现过程中,首先需要进行数据预处理和特征工程,包括数据清洗、缺失值填充、特征选择等。使用轮廓... 根据银行的业务客户样本,通过K-means方法对群体进行聚类分析,从而发现不同客户群体的特征和行为习惯,为银行的业务决策提供依据。在具体实现过程中,首先需要进行数据预处理和特征工程,包括数据清洗、缺失值填充、特征选择等。使用轮廓系数法确定最优聚类数目,对预处理后的样本进行K-means聚类分析,再使用主成分分析法(PCA)进行数据降维,对结果进行可视化展示,从而更加清晰地了解不同客户群体的特征和行为习惯。 展开更多
关键词 银行 k-means 轮廓系数 PCA
下载PDF
基于K-means和Dlib的脸型分类算法设计与实现
4
作者 李东阳 项辉宇 +1 位作者 冷崇杰 张勇 《现代计算机》 2023年第24期56-60,共5页
脸型分类是人脸分析领域中的重要任务,对于人脸识别和美学评估等应用具有重要意义。针对传统脸型分类算法准确率低、分类速度慢的问题,提出一种新的基于Dlib和K-means算法的人脸脸型分类算法。首先创建级联分类器和面部特征点预测器进... 脸型分类是人脸分析领域中的重要任务,对于人脸识别和美学评估等应用具有重要意义。针对传统脸型分类算法准确率低、分类速度慢的问题,提出一种新的基于Dlib和K-means算法的人脸脸型分类算法。首先创建级联分类器和面部特征点预测器进行面部检测和关键点定位,使用高斯滤波器对灰度图像进行平滑处理,使用K-means算法对额头区域进行聚类,通过测量额头线、颧骨线、下颚线、脸长线的长度和脸颊角度根据算法确定面部形状。根据实验集测试结果,相对于现有算法而言,此算法在脸型分类的准确性显著提升。 展开更多
关键词 脸型分类算法 k-means Dlib
下载PDF
基于K⁃means的个性化视频推荐方法研究
5
作者 吴珂彤 贾双英 李恒博 《现代计算机》 2023年第17期95-99,共5页
视频网站以吸引用户观看自己的视频为营销手段,有效推荐视频给用户,有利于提高用户粘性,成为各大视频网站竞争的手段。通过深入研究,提出一种视频推荐方法,它基于电影和用户之间的相似度,利用K⁃means聚类对数据进行深度挖掘分析,并结合... 视频网站以吸引用户观看自己的视频为营销手段,有效推荐视频给用户,有利于提高用户粘性,成为各大视频网站竞争的手段。通过深入研究,提出一种视频推荐方法,它基于电影和用户之间的相似度,利用K⁃means聚类对数据进行深度挖掘分析,并结合用户的个性化需求,实现更加精准的推荐。通过验证,证明了该方法的可行性。 展开更多
关键词 视频推荐 k⁃means 个性化 聚类算法
下载PDF
基于K⁃means的机场相似天气场景聚类识别分析 被引量：9
6
作者 尚然然 刘鸿潮 +3 位作者 张旭 许亚男 李印凤 孙聪 《指挥信息系统与技术》 2020年第5期24-29,共6页
为了准确和高效地进行机场天气聚类识别,进而为民航系统在不同天气场景下做出正确决策提供参考和依据,首先,以2018年北京首都国际机场的天气数据为研究目标进行解析量化,得到能见度、云底高、侧风风速、雷暴、降雨和降雪6个维度的天气变... 为了准确和高效地进行机场天气聚类识别,进而为民航系统在不同天气场景下做出正确决策提供参考和依据,首先,以2018年北京首都国际机场的天气数据为研究目标进行解析量化,得到能见度、云底高、侧风风速、雷暴、降雨和降雪6个维度的天气变量;然后,运用K均值聚类(K‑means)算法对天气情况进行聚类识别,识别出7种天气场景;最后,分析了不同天气场景的主要特征及其分布,并结合实际运行情况进行了验证。验证结果表明,该算法能够有效识别机场相似天气场景,具有实用性。 展开更多
关键词 机场天气 k‑means算法 聚类分析
下载PDF
划分聚类法在短历时雨型设计中的应用
7
作者 金灿 袁文秀 +1 位作者 周宏 刘俊 《中国给水排水》 CAS CSCD 北大核心 2024年第3期113-119,共7页
为更好地反映短历时暴雨特征,对雨型进行分类,基于四川省乐山国家基准气候站1981年—2021年逐分钟降雨数据资料,使用多种方法对90场历时60 min、78场历时120 min和86场历时180 min降雨选取最佳聚类数,采用K-means聚类和PAM聚类两种方法... 为更好地反映短历时暴雨特征,对雨型进行分类,基于四川省乐山国家基准气候站1981年—2021年逐分钟降雨数据资料,使用多种方法对90场历时60 min、78场历时120 min和86场历时180 min降雨选取最佳聚类数,采用K-means聚类和PAM聚类两种方法对雨型进行分析。结果表明,K-means聚类法对城市短历时暴雨雨型分类的结果比PAM聚类法更直观有效;乐山气候站历时60 min的雨型分为3类、历时120 min的雨型分为2类、历时180 min的雨型分为3类,单峰靠前的雨型最为常见。研究结果可为乐山市海绵城市建设、排水防涝规划等提供参考,同时可为机器学习在设计暴雨雨型研究中的应用提供新思路。 展开更多
关键词 设计暴雨雨型 划分聚类 k-means聚类 PAM聚类 乐山市
原文传递
Multi‑shapelet:一种基于shapelet的多变量时间序列分类方法 被引量：2
8
作者 詹熙 黎维 潘志松 《数据采集与处理》 CSCD 北大核心 2023年第2期386-400,共15页
shapelet是时间序列中最具有辨识性的子序列,其一经提出就被来自各个领域的研究人员广泛研究,并在此过程中提出了许多有效的shapelet发现技术用于进行时间序列分类。然而,多变量时间序列的候选shapelet可能长度不同且变量来源不同,故很... shapelet是时间序列中最具有辨识性的子序列,其一经提出就被来自各个领域的研究人员广泛研究,并在此过程中提出了许多有效的shapelet发现技术用于进行时间序列分类。然而,多变量时间序列的候选shapelet可能长度不同且变量来源不同,故很难直接对其进行比较,这对基于shapelet多变量时间序列分类方法提出了独特的挑战。为了应对这一挑战,提出了一种基于无监督表示学习和shapelet的多变量时间序列分类方法Multi‑shapelet。Multi‑shapelet首先使用混合模型DC‑GNN(Dilated convolution neural network and graph neural network,DC‑GNN)作为编码器,将不同长度的候选shapelet嵌入统一的shapelet选择空间,以进行shapelet之间的比较;其次,提出了一种新的损失函数以无监督学习方式训练该编码器,使得DC‑GNN对shapelet编码得到相应的嵌入(Embedding)后,属于同类shapelet对应的嵌入之间的相对位置形成的拓扑与原空间中shapelet之间相对位置形成的拓扑之间的关系更接近于一种等比例的缩小,这对后续基于相似性的剪枝过程十分重要;最后,使用K‑means聚类和模拟退火算法进行shapelet剪枝和选择操作。在UEA的18个多变量时间序列数据集上的实验结果表明,Multi‑shapelet的整体精度相比于其他方法得到了显著提升。 展开更多
关键词 shapelet 无监督表示学习 k‑means聚类 模拟退火算法 shapelet剪枝
下载PDF
冲击噪声下基于张量分解和K‑means聚类的MIMO雷达阵列诊断 被引量：3
9
作者 陈金立 王亚鹏 +1 位作者 李家强 龙伟军 《电子学报》 EI CAS CSCD 北大核心 2021年第12期2315-2322,共8页
针对冲击噪声下多输入多输出(Multiple‑Input Multiple‑Output,MIMO)雷达阵列诊断失效问题,对基于二阶矩的传统匹配滤波器进行改进以适应非高斯噪声,并提出一种基于张量分解和K‑means聚类的阵列诊断方法.该方法利用MIMO雷达各接收阵元... 针对冲击噪声下多输入多输出(Multiple‑Input Multiple‑Output,MIMO)雷达阵列诊断失效问题,对基于二阶矩的传统匹配滤波器进行改进以适应非高斯噪声,并提出一种基于张量分解和K‑means聚类的阵列诊断方法.该方法利用MIMO雷达各接收阵元回波信号的高斯核函数值来自适应地调整匹配滤波器的系数,以有效形成虚拟阵列.为挖掘正常和故障阵元的匹配滤波输出数据的多维特征,将虚拟阵列协方差矩阵构建成三阶平行因子(PARAllel FACtor,PARAFAC)张量,并通过COMFAC(COMplex parallel FACtor analysis)算法分解获得收发阵列流形矩阵,使用欧式距离度量其相似性,确定两个簇类数据的聚类中心并划分出异常簇类,以完成故障阵元位置的诊断.仿真结果验证了所提算法的有效性. 展开更多
关键词 MIMO雷达 阵列诊断 冲击噪声 匹配滤波 张量分解 k‑means聚类
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部