检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于粒群优化的k均值算法及其应用

计算机工程 2008年第16期34卷 201-203,206页

作者：宋凌李枚毅李孝源湘潭大学信息工程学院湘潭411105

针对k均值聚类算法依赖于初始值的选择,且容易收敛于局部极值的缺点,提出一种基于粒群优化的k均值算法。利用粒群优化指导k均值算法的初始值选择,使其容易收敛到全局极值。将该算法应用到入侵检测中,实验结果表明该算法聚类效果好、收... 详细信息

针对k均值聚类算法依赖于初始值的选择,且容易收敛于局部极值的缺点,提出一种基于粒群优化的k均值算法。利用粒群优化指导k均值算法的初始值选择,使其容易收敛到全局极值。将该算法应用到入侵检测中,实验结果表明该算法聚类效果好、收敛快、容易实现。

关键词：粒群优化入侵检测 k均值

基于k均值集成和SVM的P2P流量识别研究

在线全文

学校读者我要写书评

暂无评论

计算机科学 2012年第4期39卷 46-48,74页

作者：刘三民孙知信刘余霞安徽工程大学计算机与信息学院芜湖241000 南京航空航天大学计算机科学与技术学院南京210016 南京邮电大学计算机技术研究所南京210003 南京大学计算机软件新技术国家重点实验室南京210093 安徽工程大学电气工程学院芜湖241000

提出基于k均值集成和支持向量机相结合的P2P流量识别模型,以保证流量识别精度和稳定性,克服聚类识别模型中参数值难以确定、复杂性高等缺点。对少量标签样本采用随机簇中心的k均值算法训练基聚类器,按最大后验概率分配簇标签,无标签样... 详细信息

提出基于k均值集成和支持向量机相结合的P2P流量识别模型,以保证流量识别精度和稳定性,克服聚类识别模型中参数值难以确定、复杂性高等缺点。对少量标签样本采用随机簇中心的k均值算法训练基聚类器,按最大后验概率分配簇标签,无标签样本与其最近簇标签一致;按投票机制集成无标签样本标签信息,并结合原标签样本训练支持向量机识别模型。该模型利用了集成学习稳定性和SVM在小样本集上的良好泛化性能。理论分析和仿真实验结果证明了方案的可行性。

关键词：流量识别支持向量机 k均值集成学习

在线全文

学校读者我要写书评

暂无评论

与k均值混合的支持向量机的个人信用评估

中南大学学报（自然科学版） 2013年第S2期44卷 169-173页

作者：高尚刘夫成江苏科技大学计算机科学与工程学院江苏镇江212003

针对当前传统个人信用评价中的问题,提出一种将k-mean聚类方法和支持向量机回归模型结合起来的个人信用评估的新方法。该方法先将信用数据大致聚为k类,统计每一类的信用度,然后利用支持向量机进行回归。研究结果表明:与简单聚类方法和... 详细信息

针对当前传统个人信用评价中的问题,提出一种将k-mean聚类方法和支持向量机回归模型结合起来的个人信用评估的新方法。该方法先将信用数据大致聚为k类,统计每一类的信用度,然后利用支持向量机进行回归。研究结果表明:与简单聚类方法和支持向量机分类方法比较,该方法有效地提高了整个模型的训练精度和测试精度。

关键词：个人信用评估 k均值支持向量机

在线全文

学校读者我要写书评

暂无评论

一种新的基于k均值聚类的色彩量化算法研究

计算机科学 2012年第S3期39卷 375-377页

作者：姜月秋牛硕高宏伟沈阳理工大学信息科学与工程学院沈阳110159

色彩量化是数字图像处理中的一项关键技术。通过对基于分割和聚类的色彩量化算法的研究,提出了一种新的基于k均值聚类的色彩量化算法。首先,根据色调H对像素点进行粗分类;然后对各个子聚类族进行基于k均值聚类的色彩量化处理。通过与当... 详细信息

色彩量化是数字图像处理中的一项关键技术。通过对基于分割和聚类的色彩量化算法的研究,提出了一种新的基于k均值聚类的色彩量化算法。首先,根据色调H对像素点进行粗分类;然后对各个子聚类族进行基于k均值聚类的色彩量化处理。通过与当前常用的量化算法进行比较,得出此算法在量化效果和执行时间上都具有较好的表现。

关键词：色彩量化 HSI色彩空间 k均值

在线全文

学校读者我要写书评

暂无评论

粗糙集连续属性离散化的k均值方法

辽宁工程技术大学学报（自然科学版） 2015年第5期34卷 642-646页

作者：陈贞邢笑雪莆田学院信息工程学院福建莆田351100 长春大学电子信息工程学院吉林长春130022

为在应用粗糙集理论处理数据时,对连续属性进行离散化预处理,采用k均值算法对连续属性进行离散化的方法,将属性无监督聚类成两类.通过在UCI数据库上选取的4组数据进行实验,首先离散化,再通过粗糙集约简,最后使用k NN(k=10)分类器,并和... 详细信息

为在应用粗糙集理论处理数据时,对连续属性进行离散化预处理,采用k均值算法对连续属性进行离散化的方法,将属性无监督聚类成两类.通过在UCI数据库上选取的4组数据进行实验,首先离散化,再通过粗糙集约简,最后使用k NN(k=10)分类器,并和其他两种离散化方法进行对比.研究结果表明:该方法能够提高离散化的效率,降低实验的复杂度,并有效减少断点数.

关键词：离散化 k均值粗糙集无监督聚类 k近邻分类算法

在线全文

学校读者我要写书评

暂无评论

新的改进k均值粒子群算法在组合导航的应用

计算机应用 2014年第5期34卷 1397-1399,1412页

作者：夏奇郝顺义董淼任洋空军工程大学航空航天工程学院西安710038

在捷联惯导/卫星导航(SINS/GNSS)紧组合导航系统的非线性非高斯高动态模型中,一般k均值粒子群优化(PSO)算法易出现粒子退化、滤波发散等问题。针对上述问题,提出一种融入权值修正的k均值粒子群滤波方法。通过观测SINS/GNSS紧组合导航系... 详细信息

在捷联惯导/卫星导航(SINS/GNSS)紧组合导航系统的非线性非高斯高动态模型中,一般k均值粒子群优化(PSO)算法易出现粒子退化、滤波发散等问题。针对上述问题,提出一种融入权值修正的k均值粒子群滤波方法。通过观测SINS/GNSS紧组合导航系统的精度因子(GDOP),来修正粒子权值,从而修正每个k均值的聚类中心的权重,进而优化粒子;并结合SINS/GNSS紧组合导航系统模型进行了仿真分析。结果表明在非线性非高斯高动态的情况下,该改进算法有效地抑制了滤波发散,提高了精度。

关键词：捷联惯导/卫星导航紧组合 k均值粒子群优化权值修正精度因子

在线全文

学校读者我要写书评

暂无评论

基于动态k均值聚类算法的SAR图像分割

中国科学院大学学报（中英文） 2016年第5期33卷 674-678页

作者：邢涛黄友红胡庆荣李军王冠勇中国航天二院二十三所北京100854 中国人民解放军驻航天二院二十三所军代表室北京100854

针对SAR图像的分割问题,对k均值聚类算法进行研究.分析动态k均值聚类算法,用聚类样本数的正比函数对该聚类适应度函数进行平均,改进适应度函数的计算.毫米波SAR图像分割实验结果表明,对于城区建筑及路、桥场景的分割,改进后的动态k均值... 详细信息

针对SAR图像的分割问题,对k均值聚类算法进行研究.分析动态k均值聚类算法,用聚类样本数的正比函数对该聚类适应度函数进行平均,改进适应度函数的计算.毫米波SAR图像分割实验结果表明,对于城区建筑及路、桥场景的分割,改进后的动态k均值聚类算法和自适应动态k均值聚类算法的分割质量与改进前相同,但是分割时间有一定的减少,改进适应度函数后分割效率得到了提高.

关键词：合成孔径雷达图像分割聚类 k均值

在线全文

学校读者我要写书评

暂无评论

k均值算法研究及其应用

K均值算法研究及其应用

作者：朱建宇大连理工大学

学位级别：硕士

数据挖掘技术诞生于信息大爆炸的时代,用于在大规模数据中获取数据中隐含的关系和模式。其中,聚类方式作为数据挖掘技术中的一项重要的技术,随着其理论的不断发展和完善,该技术已经应用到了极其广泛的领域,如商务决策,图像识别,数据模... 详细信息

数据挖掘技术诞生于信息大爆炸的时代,用于在大规模数据中获取数据中隐含的关系和模式。其中,聚类方式作为数据挖掘技术中的一项重要的技术,随着其理论的不断发展和完善,该技术已经应用到了极其广泛的领域,如商务决策,图像识别,数据模式识别等。交通事故原因分析对于聚类分析来说,则是一个较为新颖的应用领域。随着交通事故数据的不断累积,亟需要一种数据挖掘技术对其发生的模式进行挖掘,从而能有效规避事故。聚类分析,尤其是聚类分析中的k均值算法是一个较好的选择。本文首先对k均值算法进行了较为深入地研究。k均值聚类算法是一种被广泛应用的聚类算法,其特点是高效,实现简单。然而,该算法本身存在着多方面的不足,其中,初始聚类中心点的选择不当和离群点严重影响着该聚类算法的准确性和收敛速度。目前存在的针对于k均值算法改进中,基于密度加权的k均值改进算法具有较好的聚类效果,然而该算法的时间复杂度为O（N2）,是较为低效的。本文则提出一种改进,既能获得较好的聚类效果,又能保证改进后算法的线性时间复杂度。本文首先针对初始聚类中心点的选择提出了一种方法,能够在数据对象空间中均匀选择中心点;而对于离群点,本文也给出了相应的检测方法,以防止离群点对聚类效果的干扰。本文通过理论证明改进后的算法能够保持线性的时间复杂度,因此改进算法相对于基于密度加权的k均值算法更高效。本文选用UCI机器学习数据库的数据集进行对比实验进一步说明改进后算法的高效性和准确性。本文针对交通事故数据的特点进行了深入地研究。交通事故数据的类型往往包含连续值和离散值,而目前存在的对于交通事故数据的聚类分析中,处理连续值和离散值的方式是一样的,这显然是不合适的。因此本文在交通事故数据的预处理步骤中,对离散值的处理方式进行了改进。然后本文将改进后的k均值算法应用到交通事故原因分析中;在得到了聚类簇后,本文又提出了如何针对交通事故数据中不同的数据类型,得到每个聚类簇的典型的表征;然后根据这些表征进行分析并得出了较为合理的事故原因分类。

关键词： k均值离群点交通事故候选中心点簇最大半径

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

k均值聚类在高新技术企业信用评级中的应用

K均值聚类在高新技术企业信用评级中的应用

作者：张昉电子科技大学

学位级别：硕士

信息时代,技术竞争在世界范围内愈演愈烈。近年来,高新技术产业迅猛发展,已经成为国民经济增长的一个重要支撑,决定着国家科技力量和经济发展前景,也是各国普遍关注的焦点之一。然而市场经济的发展,提高了高新技术企业地位和作用的同时... 详细信息

信息时代,技术竞争在世界范围内愈演愈烈。近年来,高新技术产业迅猛发展,已经成为国民经济增长的一个重要支撑,决定着国家科技力量和经济发展前景,也是各国普遍关注的焦点之一。然而市场经济的发展,提高了高新技术企业地位和作用的同时,也暴露出了现阶段存在的不少问题。企业的发展,科研的创新,转化为现实生产力的需要,使得高新技术企业面临着大量的资金需求,因而高新技术企业在我国迟迟不能形成规模。我国的高新技术企业一直不能得到金融机构、公共政策及民众的支持,表面看来是由于高新技术企业的高风险、信息不透明、缺乏信用保障等,分析深层次原因,则是高新技术企业的评级体系一直未能有效建立。由于信息的不对称,资金的提供方不能有效了解需求方的信用状况及信用状况的变化,因而有限的资金资源不能合理地分配给资金需求方。针对这一问题,本文从第三方的角度,对高新技术企业近几年的信用状况进行分析,以期能够为合理解决这一问题提高科学的参考意见。传统的k均值聚类算法,能够及时快速的处理高维数据,但是该算法对初始中心点选择的随机性大大影响了该算法的聚类效果。针对传统方法的缺陷,本文利用熵值法确定对象指标的权重,并通过对评价对象的信用评分进行排序、差分等处理,最终选取了适当的中心进行聚类。结果表明,改进的k均值聚类算法能够较好的实现高新技术企业的信用评级,有着良好的应用效果和现实意义。在确定了企业信用等级的基础上,本文建立了高新技术信用转移模型。作者利用信用转移矩阵分析了高新技术企业过去3年和未来3年的信用等级变化状况,得出了如下结论:短期来说,高新技术企业并不会存在很高风险,破产概率也相对较低。但是长期看来,破产概率增加,银行及其他金融机构要注意控制风险,及时调整资金流向。另外,本文计算得出的信用转移矩阵,能够有效支持目前银行及其他金融机构信贷风险管理实践,有利于经营者进行贷款投放决策,更好地保护好资金提供方的利益。最后,在上述研究的基础上,利用马尔可夫信用转移矩阵,参照国外先进的信用风险管理经验,本文以CreditMetrics模型为例对我国信用风险进行度量,并计算了单笔贷款的信用情况。综上所述,信用风险管理体系在现实中有着广泛的应用,因此建立高新技术企业信用风险管理体系是一项意义重大而迫在眉睫的任务。

关键词：信用评级高新技术企业 k均值信用转移 CreditMetrics模型