检索结果-南通市图书馆

基于混沌优化K均值算法的马铃薯芽眼的快速分割（英文）

在线全文

学校读者我要写书评

暂无评论

农业工程学报 2019年第5期35卷 190-196页

作者：席芮侯加林李立成山东农业大学机械与电子工程学院泰安271018 泰山职业技术学院机电技术工程系泰安271000

为提高芽眼分割的准确性,该文实现了基于混沌优化K均值算法的马铃薯芽眼的快速分割。K均值算法具有有效性及易于实现的优点,但是容易陷入局部最优值的缺点造成了其聚类结果的不准确。混沌系统由于其遍历性和不重复性,能够以较快的速度... 详细信息

为提高芽眼分割的准确性,该文实现了基于混沌优化K均值算法的马铃薯芽眼的快速分割。K均值算法具有有效性及易于实现的优点,但是容易陷入局部最优值的缺点造成了其聚类结果的不准确。混沌系统由于其遍历性和不重复性,能够以较快的速度执行全局搜索。该文提出的算法的主要思想就是将混沌变量映射到K均值算法的变量中,用混沌变量代替其寻找全局最优值。分割试验结果表明:该文提出的算法,不仅在分割准确性上优于当下流行的K均值算法和模糊C均值算法,而且在运行时间上也更胜一筹,K均值算法和模糊C均值算法分割一幅马铃薯芽眼的图像所需的平均时间分别为2.895 5 s和3.556 4 s,而该文提出的算法仅需1.109 s。当聚类数大于3时,该文提出的算法在运行时间上受聚类数目的影响非常小,这一特点可用于其他一些适合聚类数大于3的农作物上。试验结果还表明,对于该文中的样本,最佳聚类数不宜超过3。最后,精度试验验证了该文提出的算法能够对样本中的马铃薯芽眼实现完全,无遗漏的分割,总的分割精度为98.87%,其中,对正常的马铃薯芽眼分割精度可达100%,对特殊马铃薯的芽眼分割精度为91.67%,总体分割精度较好。因此,该文提出的算法能够为后续种薯的自动切块提供参考。

关键词：图像处理图像分割算法快速分割马铃薯芽眼 K均值混沌优化算法遍历性

在线全文

学校读者我要写书评

暂无评论

采用K均值聚类的物理层密钥生成方案

西安电子科技大学学报 2019年第1期46卷 8-13页

作者：刘景美韩庆庆沈志威刘景伟西安电子科技大学综合业务网理论及关键技术国家重点实验室陕西西安710071

传统的密钥生成算法没有同时利用幅值及相位两方面的信息,对信道信息利用不充分。针对此问题,提出了一种使用K均值聚类进行密钥生成的方案,该方法可以充分利用多个维度的信息,提高生成密钥的一致性。在密钥生成过程中,双方通过传输聚类... 详细信息

传统的密钥生成算法没有同时利用幅值及相位两方面的信息,对信道信息利用不充分。针对此问题,提出了一种使用K均值聚类进行密钥生成的方案,该方法可以充分利用多个维度的信息,提高生成密钥的一致性。在密钥生成过程中,双方通过传输聚类中心的位置来进行对测量值进行分类,不会造成密钥信息的泄露。为了更好地提高密钥的一致性与随机性,结合随机导频系数和二维补偿方法,又提出了一种K均值二维补偿密钥生成方案。仿真结果表明,相比于其他密钥生成方法,两个方案在密钥的一致性与随机性方面性能更优。

关键词： K均值聚类密钥生成物理层安全二维补偿

在线全文

学校读者我要写书评

暂无评论

基于菌群优化的K均值聚类算法研究

南京理工大学学报 2021年第3期45卷 314-319页

作者：郭婧耿海军吴勇晋中职业技术学院电子信息系山西晋中030600 山西大学自动化与软件学院山西太原030013

为了提高数据挖掘的聚类准确度,提出了一种基于菌群优化的K均值(k-means)聚类算法。采用K均值算法建立数据聚类模型。根据聚类类别数设定多个聚类中心坐标。设定所属类别距离阈值,然后计算待聚类点和所有中心点距离来划分该聚类点的类... 详细信息

为了提高数据挖掘的聚类准确度,提出了一种基于菌群优化的K均值(k-means)聚类算法。采用K均值算法建立数据聚类模型。根据聚类类别数设定多个聚类中心坐标。设定所属类别距离阈值,然后计算待聚类点和所有中心点距离来划分该聚类点的类别。根据参与聚类各节点和各自中心点的距离值建立适应度函数。引入菌群优化算法对K均值聚类过程进行优化。通过细菌的多次驱散、复制和趋化操作,不断提高数据聚类的适应度,直到达到最大操作次数或者最低聚类精确度阈值,获得稳定的数据聚类挖掘算法。实验证明,通过合理设置驱散和趋化次数,微调菌群算法的引力和斥力参数,能够获得较好的聚类性能。分别采用K均值和该文基于菌群优化的K均值聚类算法对6个不同数据集进行聚类仿真。该文算法对所有数据集的平均聚类准确率都高于92%。针对UCI混合数据集,当聚类达到稳定时,该文算法的聚类标准差明显优于K均值聚类算法;而且该文算法对5000个混合样本完成聚类消耗的时间约70 s,K均值聚类算法约需93 s。

关键词：数据挖掘菌群优化 K均值聚类适应度函数层次聚类粒子群优化

采用基于密度加权和偏好信息的K均值聚类的胸阻抗信号自动检测算法

在线全文

学校读者我要写书评

暂无评论

电子与信息学报 2015年第4期37卷 824-829页

作者：李勇明陈勃翰王品重庆大学通信工程学院重庆400044 第三军医大学生物医学工程与医学影像学院重庆400038

为了自动识别胸阻抗(Trans Thoracic Impedance,TTI)信号中的按压和通气波形,完成相关重要参数的计算,从而实现对心肺复苏质量的监测评估,该文提出一种基于密度加权与偏好信息的胸阻抗信号自动检测算法。该方法针对实验采集的猪的电诱... 详细信息

为了自动识别胸阻抗(Trans Thoracic Impedance,TTI)信号中的按压和通气波形,完成相关重要参数的计算,从而实现对心肺复苏质量的监测评估,该文提出一种基于密度加权与偏好信息的胸阻抗信号自动检测算法。该方法针对实验采集的猪的电诱导心脏骤停模型TTI信号,通过预处理和多分辨率窗口搜索法完成潜在按压和通气波形的标记;接着,提取每个标记波形的宽度、幅值以及相邻波形特征差作为特征,并按标记波形宽度对信号进行分段;之后,再对信号进行小波分解,提取其小波系数每段的能量与原始波形幅值之比作为特征;最后采用基于密度加权与偏好信息的K均值聚类分析法对标记的波形进行分类识别。实验结果表明,该算法对TTI信号中按压波形和波形分析识别的正确率和敏感度均较高,鲁棒性好,且运行时间(0.43 s±0.07 s)满足实时性要求。

关键词：自动识别胸阻抗 K均值密度加权偏好信息

在线全文

学校读者我要写书评

暂无评论

采用万有引力定律自动确定类数的K均值算法

西安交通大学学报 2014年第10期48卷 115-119页

作者：杜辉王宇平董晓盼西安电子科技大学计算机学院西安710071 西北师范大学计算机科学与工程学院兰州730070

针对传统K均值算法需要提前指定聚类数目且易陷入局部最优的问题,提出了一种采用万有引力定律自动确定类数的K均值算法(Gravity K均值算法,GK均值算法)。所提算法利用正交设计方法在数据空间均匀投放若干探测器,探测器根据万有引力定律... 详细信息

针对传统K均值算法需要提前指定聚类数目且易陷入局部最优的问题,提出了一种采用万有引力定律自动确定类数的K均值算法(Gravity K均值算法,GK均值算法)。所提算法利用正交设计方法在数据空间均匀投放若干探测器,探测器根据万有引力定律移动,当两个探测器的距离小于给定阈值时合并为一个,当探测器处于稳定状态时,探测器的个数就是聚类的数目。将得到的探测器作为K均值算法的初始中心点,有效地避免了K均值算法陷入局部最优。实验结果表明:相比传统K均值算法,本文提出的方法可以自动确定聚类数目,并给出较好的初始中心,算法的迭代次数至少减少了25%,聚类正确率平均提高了14%,DB(Davies and Bouldin)聚类评价指标平均降低了0.19。

关键词：万有引力聚类 K均值探测器

在线全文

学校读者我要写书评

暂无评论

结合蚁群算法的改进粗糙K均值聚类算法

数据采集与处理 2019年第2期34卷 341-348页

作者：刘洋王慧琴张小红西安建筑科技大学信息与控制工程学院西安710055 西安建筑科技大学管理学院西安710055 西安科技大学通信与信息工程学院西安710054

粗糙集理论是一种处理边界对象不确定的有效方法。将粗糙集与K均值结合的粗糙K均值聚类算法,具有简单高效且可处理聚类边界元素的特点,但同时存在缺陷。针对粗糙K均值聚类算法对初始点敏感,经验权重设置忽略数据差异性,阈值设置不合理... 详细信息

粗糙集理论是一种处理边界对象不确定的有效方法。将粗糙集与K均值结合的粗糙K均值聚类算法,具有简单高效且可处理聚类边界元素的特点,但同时存在缺陷。针对粗糙K均值聚类算法对初始点敏感,经验权重设置忽略数据差异性,阈值设置不合理导致聚类结果波动性大的缺陷,本文提出结合蚁群算法的改进粗糙K均值聚类算法,改进的算法中使用蚁群算法中随机概率选择策略和信息素更新的正负反馈机制,以及采用动态调整算法阈值和相关权重的方法,对粗糙K均值聚类算法进行优化。最后采用UCI的Iris、Balance?scale和Wine数据集分别对算法进行实验。实验结果表明,改进后的粗糙K均值聚类算法得到的聚类结果准确率更高。

关键词：聚类 K均值蚁群算法粗糙集目标函数

在线全文

学校读者我要写书评

暂无评论

基于FPGA的K均值改进算法的实现与应用

基于FPGA的K均值改进算法的实现与应用

作者：石晴文哈尔滨理工大学

学位级别：硕士

近年来,网络时代迅猛发展,基于数据挖掘的网络入侵检测作为一项重要的防御技术备受关注。K均值聚类算法凭借其简单、高效的运算特点在网络入侵检测中具有巨大潜力。但是随着该领域的发展需要,对于入侵检测的准确度与速度提出了更高的要... 详细信息

近年来,网络时代迅猛发展,基于数据挖掘的网络入侵检测作为一项重要的防御技术备受关注。K均值聚类算法凭借其简单、高效的运算特点在网络入侵检测中具有巨大潜力。但是随着该领域的发展需要,对于入侵检测的准确度与速度提出了更高的要求,原始的K均值算法已经不能满足实际的需求,往往需要优秀的改进算法。此外,FPGA平台不但逻辑资源丰富,设计灵活,且具有并行处理数据的优势,使其在加速计算领域备受青睐。为了提升算法的准确度与速度,本文针对K均值算法初始聚类中心点的选取和k值的不确定问题,选用密度峰值聚类算法改进K均值算法。并且基于FPGA平台,使用Verilog HDL硬件描述语言设计实现。首先,在充分分析理解两种算法的概念、原理的基础上,实现了基于密度峰值聚类的K均值算法改进策略,并通过实验对比验证了改进算法在聚类效果和运行效率上的优势。其次根据改进策略,提出了硬件实现的总体架构,主要由USB接口的数据输入、密度峰值聚类算法的实现、K均值算法的实现构成。最后通过Modelsim仿真验证各功能模块设计的正确性。将上述改进算法的硬件架构应用于网络入侵检测领域中,对其中经典数据集NSL-kDD进行数据处理,包括独热编码、归一化等,并分别采用主成分分析和遗传算法对特征降维。一方面消除冗余特征对网络入侵检测率的影响;另一方面,数据维度的减少使得计算复杂度降低,速度也随之提升。最后将各模块部署在DE2-115开发板上进行测试,基于FPGA的密度峰值聚类改进K均值算法在网络入侵检测上的检测率达73.5%,与Intel Xeon通用CPU平台相比,实现了2倍加速,且功耗为CPU的三分之一左右。

关键词： K均值密度峰值聚类 FPGA 网络入侵检测

同方学位论文库评论

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K均值的超分辨率图像噪声识别方法

自动化与仪表 2023年第9期38卷 68-72,77页

作者：窦国贤周伟喻成琛郭力旋安徽继远软件有限公司合肥230088

现有的大部分噪声识别算法都是基于图像中只存在单一类型高强度噪声的假设,很少有研究者对于常见的低强度混合噪声进行研究,该文研究基于K均值的超分辨率图像噪声识别方法。采用加权均值算法灰度化处理超分辨率图像并提取出图像特征。... 详细信息

现有的大部分噪声识别算法都是基于图像中只存在单一类型高强度噪声的假设,很少有研究者对于常见的低强度混合噪声进行研究,该文研究基于K均值的超分辨率图像噪声识别方法。采用加权均值算法灰度化处理超分辨率图像并提取出图像特征。通过粒子群算法建立聚类中心求解函数,自适应调整粒子惯性因子、学习因子及其适应度程度,寻找出全局最优聚类中心,结合K均值进行图像特征分类,确定具有噪声特征的类别,得到超分辨率图像噪声识别结果。实验结果表明,所提方法能够有效识别出各种类型超分辨率图像噪声,保证识别效果与速度。

关键词： K均值聚类中心超分辨率图像噪声识别特征分类

在线全文

学校读者我要写书评

暂无评论

基于GSA算法改进的K均值聚类

计算机工程与设计 2020年第4期41卷 1001-1005页

作者：娄奥姚敏立袁丁火箭军工程大学作战保障学院陕西西安710025

为改善K均值聚类存在的对初始聚心敏感、全局搜索能力弱和凭经验确定聚类数等不足,提出一种基于GSA算法的改进K均值聚类。采用粒子编码策略,把聚类中心集合视作种群粒子,引入GSA搜索聚类质量最好的初始聚类中心,设均方误差为适应度函数... 详细信息

为改善K均值聚类存在的对初始聚心敏感、全局搜索能力弱和凭经验确定聚类数等不足,提出一种基于GSA算法的改进K均值聚类。采用粒子编码策略,把聚类中心集合视作种群粒子,引入GSA搜索聚类质量最好的初始聚类中心,设均方误差为适应度函数,引导全局搜索方向,设置种群成熟度因子避免算法陷入局部最优,引入聚类质量评价指标获取最佳聚类数。通过在4种UCI数据集上做仿真测试,验证了改进后K均值聚类具有较高的正确率和更好的稳定性。

关键词： K均值万有引力搜索算法粒子编码种群成熟度最佳聚类数