检索结果-南通市图书馆

同方期刊数据库

基于BTM和加权k-means的微博话题发现

在线全文

学校读者我要写书评

暂无评论

广西师范大学学报（自然科学版） 2019年第3期37卷 71-78页

作者：陈凤蒙祖强广西大学计算机与电子信息学院

为适应微博数据的短文本、低词频、缺乏语义表达等特殊性,提高话题发现的准确性,利于用户从大量微博数据中获取有用信息,本文提出一种基于BTM和加权k-means方法实现微博话题发现。首先,针对微博数据稀疏性的问题,采用BTM模型对微博中的... 详细信息

为适应微博数据的短文本、低词频、缺乏语义表达等特殊性,提高话题发现的准确性,利于用户从大量微博数据中获取有用信息,本文提出一种基于BTM和加权k-means方法实现微博话题发现。首先,针对微博数据稀疏性的问题,采用BTM模型对微博中的短文本进行建模,获得话题词;然后针对传统k-means算法本身的缺陷,提出加权k-means算法实现微博话题发现;最后实验验证本文的方法,实验结果表明,BTM和加权k-means方法解决了微博数据高维度和稀疏性的问题,提高了热点话题发现的准确性和有效性。

关键词： BTM模型加权k-means 微博数据话题发现

在线全文

学校读者我要写书评

暂无评论

基于萤火虫优化的加权k-means算法

计算机应用研究 2018年第2期35卷 466-470页

作者：陈小雪尉永清任敏孟媛媛山东师范大学信息科学与工程学院济南250014 山东省分布式计算机软件新技术重点实验室济南250014 山东警察学院公共基础部济南250014 山东财经大学数学与数量经济学院济南250014

针对传统k-means算法易受初始聚类中心和异常数据的影响等缺陷,利用萤火虫优化算法全局搜索能力强、收敛速度快的优势,对k-means算法的初始聚类中心进行优化,并通过引用一种加权的欧氏距离,减少异常数据等不确定因素带来的不良影响,提... 详细信息

针对传统k-means算法易受初始聚类中心和异常数据的影响等缺陷,利用萤火虫优化算法全局搜索能力强、收敛速度快的优势,对k-means算法的初始聚类中心进行优化,并通过引用一种加权的欧氏距离,减少异常数据等不确定因素带来的不良影响,提出了一种基于萤火虫优化的加权k-means算法。该算法在提升聚类性能的同时,有效增强了算法的收敛速度。在实验阶段,通过UCI数据集中的几组数据对该算法进行了聚类实验及有效性测试,实验结果充分表明了该算法的有效性及优越性。

关键词：加权k-means 聚类萤火虫算法

基于加权k-means聚类算法的机动通信网络自动划分方法

在线全文

学校读者我要写书评

暂无评论

计算机与网络 2022年第2期 56-59页

作者：王均春冀云刚国防科技大学信息通信学院中国电子科技集团公司第五十四研究所

针对机动通信网络规划中的网络划分需求，提出了一种基于加权k-means聚类算法的网络自动划分方法。算法通过采用Elbow方法确定聚类数量，并在初始聚类中心选择中考虑了节点连通度，克服了传统k-means算法初始聚类中心的不确定性，通过... 详细信息

针对机动通信网络规划中的网络划分需求，提出了一种基于加权k-means聚类算法的网络自动划分方法。算法通过采用Elbow方法确定聚类数量，并在初始聚类中心选择中考虑了节点连通度，克服了传统k-means算法初始聚类中心的不确定性，通过对不同特征分配相应权重，进一步提升了聚类效果。实验结果表明，该算法在机动通信网络自动划分中具有良好的准确率，为后续网络规划提供了基础支撑。

关键词：网络划分加权k-means 网络规划节点联通度

来源：博看期刊

基于改进YOLOv3算法的带钢表面缺陷检测

在线全文

学校读者我要写书评

暂无评论

电子学报 2020年第7期48卷 1284-1292页

作者：李维刚叶欣赵云涛王文波武汉科技大学冶金自动化与检测技术教育部工程研究中心湖北武汉430081 武汉科技大学高温材料与炉衬技术国家地方联合工程研究中心湖北武汉430081 武汉科技大学理学院湖北武汉430081

针对热轧带钢表面缺陷检测中存在的检测速度慢、检测精度低等问题,提出了一种改进的YOLOv3算法模型.使用加权k-means聚类算法来优化确定先验框参数,提高先验框(priors anchor)与特征图层(feature map)的匹配度;同时,调整YOLOv3算法的网... 详细信息

针对热轧带钢表面缺陷检测中存在的检测速度慢、检测精度低等问题,提出了一种改进的YOLOv3算法模型.使用加权k-means聚类算法来优化确定先验框参数,提高先验框(priors anchor)与特征图层(feature map)的匹配度;同时,调整YOLOv3算法的网络结构,融合浅层特征与深层特征,形成新的大尺度检测图层,提高网络对带钢表面缺陷的检测精度.实验结果表明,改进后的YOLOv3算法在NEU-DET数据集上平均精度均值达到了80%,较原有的YOLOv3算法提高了11%;同时检测速度保持在50fps,优于目前其它深度学习带钢表面缺陷检测算法.

关键词：目标检测带钢表面缺陷 YOLOv3 加权k-means

在线全文

学校读者我要写书评

暂无评论

电信客户流失预测系统的设计与实现

电信客户流失预测系统的设计与实现

作者：吴少威东南大学

学位级别：硕士

近几年,国家对电信行业的监管日渐严格,与此同时,电信行业面临着日趋激烈的市场竞争。在此背景下,对客户流失进行预测,以便制定针对性的客户营销策略,增加客户粘性,变得尤为重要。本文以电信运营商的核心需求为切入点,设计并实现一种电... 详细信息

近几年,国家对电信行业的监管日渐严格,与此同时,电信行业面临着日趋激烈的市场竞争。在此背景下,对客户流失进行预测,以便制定针对性的客户营销策略,增加客户粘性,变得尤为重要。本文以电信运营商的核心需求为切入点,设计并实现一种电信客户流失预测系统,采集和处理相关的客户相关数据,应用客户细分模型和流失预测模型,对客户进行流失预测,以便企业对高价值客户进行挽留,减少客户流失率。论文主要工作如下:(1)数据采集与预处理。通过kettle抽取、转换和监控数据,进行包括数据清洗、特征构造、数据规范化等数据预处理工作,提出了基于kNN的缺失值填补方法,并对客户流失数据集进行特征选择,以提高训练数据的质量。(2)客户流失预测模型构建。利用熵权法和相关性分析法确定模型参数指标权重,提出了基于加权k-means算法的电信客户细分方法;利用逻辑回归、随机森林、XGBoost和Light GBM算法分别构建客户流失预测模型,并对模型参数进行调优,然后选择AUC高的模型进行Voting融合(包括软投票和硬投票),将分群结果应用到流失预测中,提高预测准确度。(3)设计并实现了电信客户流失预测系统。基于Spring Boot和Vue框架进行系统开发,系统主要包括系统基础功能模块、数据采集模块、数据建模模块以及数据展示模块,并对系统进行了功能性和非功能性测试,验证了该系统的有效性和可靠性。

关键词： kNN 客户细分加权k-means 流失预测 Voting融合

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于GIS的物流配送路线优化的研究

基于GIS的物流配送路线优化的研究

作者：陈梅苏州大学

学位级别：硕士

随着市场经济的发展,物流对经济活动的影响日益明显。配送流程是物流活动中直接与消费者相连的环节,而车辆路径规划问题(VRP)又是物流配送中关键的一环。因此,对车辆路径规划问题进行研究,建立满足客户需求的车辆优化系统,是提升企业服... 详细信息

随着市场经济的发展,物流对经济活动的影响日益明显。配送流程是物流活动中直接与消费者相连的环节,而车辆路径规划问题(VRP)又是物流配送中关键的一环。因此,对车辆路径规划问题进行研究,建立满足客户需求的车辆优化系统,是提升企业服务水平及资源利用率的重要课题。物流配送所涉及到的信息80%以上与空间地理信息有着直接的关系,对地理空间有很大的依赖性。而地理信息系统(GIS)技术作为获取、存储、分析和处理空间地理数据的工具,具有强大的空间数据管理和空间分析能力。于是本文将GIS技术应用到物流配送中来辅助解决路径规划问题。本文主要研究内容为:(1)研究了物流配送系统和GIS的发展过程及现状特征,指出两者相结合的可行性和必要性。(2)对现有国内外VRP解决方法进行研究和比较,得出了两阶段法虽在VRP求解上具有优越性、但其初始解却很少从空间角度考虑的结论。(3)利用空间聚类对需求点进行分簇以得到初始解,使得VRP问题变为k个旅行商问题(TSP);并根据VRP的特点,对所采用的k-means算法进行改进,同时通过实验验证了正确性。(4)在各分簇内引入蚁群算法来解决TSP问题,并通过仿真实验,研究分析了蚁群算法在求解TSP问题上各参数对结果的影响及其最佳设置。(5)通过对标准VRP问题进行实验与结果分析,验证了“加权k-means+蚁群”算法求解VRP问题的有效性、准确性及优越性。最后,在实验结果的基础上,提出切合实际系统集成方案,完成了一个原型系统,实现空间和属性数据库的统一存储管理、电子地图基本操作、最优路径查找功能。

关键词：车辆路径规划地理信息系统空间聚类加权k-means 蚁群算法

基于Wk-means与GhostNet的卷烟厂物料输送巷道异物检测方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于WK-means与GhostNet的卷烟厂物料输送巷道异物检测方法研究

作者：辛秋生东华理工大学

学位级别：硕士

针对卷烟厂物料输送巷道因人员闯入或穿梭车运载散落物料(统一称为“异物”)导致的安全隐患,以及人工巡检和激光检测所引起的实时性和准确性问题,本文提出基于加权k-means和GhostNet融合改进的YOLO v4物料输送巷道异物视觉检测方法。本... 详细信息

针对卷烟厂物料输送巷道因人员闯入或穿梭车运载散落物料(统一称为“异物”)导致的安全隐患,以及人工巡检和激光检测所引起的实时性和准确性问题,本文提出基于加权k-means和GhostNet融合改进的YOLO v4物料输送巷道异物视觉检测方法。本文工作如下:(1)采用融合SE注意力机制的GhostNet作为YOLO v4的特征提取网络,一方面解决CSPDarknet53参数过多而导致实时性差和目前常用目标检测算法难以部署在移动端的问题;另一方面,通过SE注意力机制关注特征提取的网络通道,增加了异物目标的特征信息,从而增强了小物体特征提取能力,提高了异物目标检测精度。(2)采用Adam优化算法和学习率等间隔调整策略提高了模型的检测精度、召回率和精确率,加快模型训练的前期收敛速度,降低模型的误检率。(3)利用熵权法融合改进得到的加权k-means对目标检测模型锚框进行聚类优化,解决初始锚框对卷烟厂巷道异物数据集不适应问题,加快模型的训练速度,减少模型的计算量,提高模型对卷烟厂异物的检测速度和检测精度。(4)基于加权k-means和GhostNet融合改进的YOLO v4目标检测方法,设计并开发了卷烟厂物料输送巷道异物实时检测系统,并在该系统上对卷烟厂巷道数据集进行异物检测测试,验证了提出的模型改进方法的可行性。本文提出YOLO v4-GhostNet-SE-Wk-means-Adam-Step目标检测模型,通过在卷烟厂物料输送巷道状态数据集训练与现场应用,结果表明,本文方法达到较好的检测效果:对卷烟厂异物的平均检测精度达到98.48%,检测速度为58 FPS,召回率达到91.41%,精确率达到99.70%,误检率为0.62%,顺利解决了目前卷烟厂巷道异物检测的实时性和准确性问题。同时,该模型在VOC2007和COCO2017数据集也表现出较好的检测结果:检测精度均达到90%以上,检测速度分别为48 FPS和52 FPS,误检率分别为2.93%和3.15%,表明该模型具有良好的泛化能力。

关键词：加权k-means SE注意力机制 GhostNet Adam 等间隔调整策略

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

圆环形汽车钢铁零件缺陷检测系统

圆环形汽车钢铁零件缺陷检测系统

作者：彭露露上海师范大学

学位级别：硕士

目前,我国大部分机械加工生产厂商仍然采用人工方式对圆环形汽车钢铁零件进行质检,检测效率差、精度低,人为因素干扰大。为了高效完成圆环形汽车钢铁零件缺陷检测任务,本文利用机器视觉技术,分别对圆环形汽车钢铁零件的尺寸缺陷和表面... 详细信息

目前,我国大部分机械加工生产厂商仍然采用人工方式对圆环形汽车钢铁零件进行质检,检测效率差、精度低,人为因素干扰大。为了高效完成圆环形汽车钢铁零件缺陷检测任务,本文利用机器视觉技术,分别对圆环形汽车钢铁零件的尺寸缺陷和表面缺陷进行检测研究,并设计和实现圆环形汽车钢铁零件的缺陷检测系统,具有实际工程应用价值。本文关键内容如下:（1）利用视觉测量技术对圆环形汽车钢铁零件的尺寸缺陷进行检测。在图像预处理的基础上,综合采用了粗精定位级联的亚像素边缘检测方法。其中,对于亚像素边缘检测Zernike矩法的不足作出改进:1)通过增加亚像素边缘点判定条件解决Zernike矩奇数尺寸模板在x轴上的精度误差问题;2)结合Otsu法实现Zernike矩灰度阶跃最佳阈值自动选择,提高了检测效率。在边缘检测的基础上,对零件内外圆半径和内外圆圆度这四个尺寸参数进行测量,并根据测量误差判定零件尺寸缺陷问题。本文利用对比性研究思想,对现有的各种算法和改进后的零件尺寸测量方法进行了多方面比较,实验结果表明,本文改进方法测量误差更小,精度更高,满足工业零件尺寸缺陷检测要求。（2）利用深度学习技术对圆环形汽车钢铁零件的表面缺陷进行检测。根据圆环形汽车钢铁零件的表面缺陷特点,通过改进YOLOV4,提出了基于SE-RYOLOV4的圆环形汽车钢铁零件表面缺陷检测算法。改进点如下:1)通过加权k-means算法对钢铁零件表面缺陷数据集进行聚类,得到与样本更加匹配的anchor预选框,解决缺陷样本不平衡问题。2)将SE模块引入YOLOV4骨干网络中的残差单元,将注意力更多的放在包含众多信息的通道,提高准确度。3)在网络输出的尺寸为76×76的特征图后连接RFB-s模块,增大感受野,扩大信息提取范围,提高分辨率,能提取到更多细节信息。在和多个目标检测算法的对比性实验中,改进的SE-R-YOLOV4算法在圆环形汽车钢铁零件表面缺陷数据集上m AP50达到90.5%,FPS为53.1帧每秒,综合性能更好,能满足工业生产实时性要求。通过在MS COCO数据集上的迁移实验,说明改进算法可以处理不同的数据集,执行多分类任务,验证了其可迁移性和通用性。（3）设计并实现了圆环形汽车钢铁零件的缺陷检测系统,可以一键式完成圆环形汽车钢铁零件的尺寸缺陷检测和表面缺陷检测任务,初步应用工业检测。

关键词： Zernike YOLOV4 加权k-means SENet RFB-s模块

基于主题模型和融合相似度的微博推荐算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于主题模型和融合相似度的微博推荐算法研究

作者：刘博吉林大学

学位级别：硕士

在信息多样化的今天,网络社交媒体发得到快速发展。结交更多朋友、了解更多有趣的话题是当下人们对社交网络媒体的主要需求。新浪微博作为一种新型的网络媒体形式,日渐成为人们分享日常生活和获取实时新闻的主要平台。在微博数据中有很... 详细信息

在信息多样化的今天,网络社交媒体发得到快速发展。结交更多朋友、了解更多有趣的话题是当下人们对社交网络媒体的主要需求。新浪微博作为一种新型的网络媒体形式,日渐成为人们分享日常生活和获取实时新闻的主要平台。在微博数据中有很多可利用的信息,现阶段的微博用户只局限于接收自己关注的信息,而其他有热度的话题和或可能感兴趣的话题内容得不到主动的推送。因此,如何推荐此类信息成为微博研究的一个重要方向。微博数据文本内容较短,语义信息匮乏,具有很高的稀疏性,传统主题模型无法充分提取有用的信息。又因传统的微博推荐并没有将时间等因素和相似度进行融合考虑,所以推荐准确度比较低。针对这些问题,本文主要从以下两个方面对微博推荐进行改进:（1）针对直接利用LDA模型构建微博用户模型时,存在微博文本长度较短、语义信息缺乏影响主题建模效果,本文提出一种基于用户评论的模型UCLDA,该模型将用户的评论和用户历史微博文本进行整合,对微博短文本的特征进行扩展,缓解了微博本文作为短文本特征稀疏的问题,随后对文本特征进行数据建模,得到其主题词分布,并使用加权k-means的计算方式得到微博话题簇。该模型通过爬虫获得的微博数据作为数据集进行实验测试,按照一定比例选取不同的训练集和测试集,进行了k次不同的实验,通过对基于UCLDA、LDA以及BTM的聚类算法进行对比试验,验证了基于UCLDA和加权k-means的方法对热点话题发现的准确性和有效性有了提高。（2）针对UCLDA主题模型无法结合用户对于微博话题偏好的时效性等问题,本文提出了一种融合相似度算法。首先确定新用户的微博主题对应微博话题簇中的哪一个,然后根据不同微博内容潜在属性互相交替的可能,通过对用户的行为、微博的内容、微博话题的命名进行相似度计算分析,结合外部环境的影响,赋予三者相同的权重因子,计算其相似度。该模型同样以微博数据集作为实验数据,与传统的基于相似度的推荐算法进行对比实验,实验结果表明,实际值准确度明显低于将三者属性融合之后得到的相似度结果。这种算法既深刻考量了时间热点效应,又把热门热搜话题和冷门话题效应对推荐结果的影响进行了提升。

关键词： UCLDA模型加权k-means 融合相似度微博推荐