检索结果-南通市图书馆

基于Voronoi图和改进k-means的扇区优化研究

在线全文

学校读者我要写书评

暂无评论

西北工业大学学报 2023年第1期41卷 170-179页

作者：林福根温祥西吴明功衡宇铭空军工程大学空管领航学院陕西西安710051 国家空管防相撞技术重点实验室陕西西安710051

扇区划分是空中交通管制的一项重要工作,合理的扇区划分能够提高空域的使用率,保障航空器的飞行安全。鉴于平峰时段的扇区划设不能很好适用于复杂空情的现状,提出一种基于Voronoi图和改进k-means的扇区优化方法。依据空情态势构建冲突网... 详细信息

扇区划分是空中交通管制的一项重要工作,合理的扇区划分能够提高空域的使用率,保障航空器的飞行安全。鉴于平峰时段的扇区划设不能很好适用于复杂空情的现状,提出一种基于Voronoi图和改进k-means的扇区优化方法。依据空情态势构建冲突网络,结合航空器速度障碍关系和复杂网络理论提出了扇区综合管制负荷计量方式。依据负荷值采用改进k-means聚类方法确定了合理的聚类中心作为Voronoi图的生成元,从而使用Voronoi图的划分方法生成合理边界来优化扇区。采集厦门空域管制扇区数据作为仿真场景进行了计算分析,结果表明,在繁忙时段,优化后的扇区管制负荷平均方差相比原扇区降低了66.04%,平峰时段降低了13.88%,达到了均衡扇区负荷的目的,验证了扇区优化方法的有效性,为现有的扇区划设工作提供了参考依据。

关键词：空中交通管制扇区优化 k-means 速度障碍法 Voronoi图

基于多球分裂的增量式k-means聚类算法

在线全文

学校读者我要写书评

暂无评论

吉林大学学报（工学版） 2022年第6期52卷 1434-1441页

作者：曲福恒钱超越杨勇陆洋宋剑飞胡雅婷长春理工大学计算机科学技术学院长春130022 长春师范大学教育学院长春130032 吉林农业大学信息技术学院长春130118

针对Ball k-means(BkM)算法对初始化中心敏感、求解精度不高的问题,提出了一种基于多球分裂的增量式k-means聚类算法。该算法利用BkM需要记录各球聚类半径的特点,从给定的初始聚类中心个数开始,按照固定步长一次性产生多个增量聚类中心... 详细信息

针对Ball k-means(BkM)算法对初始化中心敏感、求解精度不高的问题,提出了一种基于多球分裂的增量式k-means聚类算法。该算法利用BkM需要记录各球聚类半径的特点,从给定的初始聚类中心个数开始,按照固定步长一次性产生多个增量聚类中心,直至得到k个初始中心。本文算法避免了所有n个s维数据之间的距离计算,在不增加空间复杂度的前提下将传统增量聚类中心选取的计算量由O(n^(2)s)降低至O(k log k)(kk-means、BkM、Ik-+以及3个典型增量聚类算法的对比实验结果表明,本文算法降低了BkM的初始化敏感性,解的精度提升了37.15%~66.92%,是对比增量算法中唯一能够提升k-means效率的算法,且随着聚类个数的增加,效率优势更加明显。

关键词：模式识别 k-means 增量聚类 ball k-means 多球分裂

Partition of GB-InSAR deformation map based on dynamic time warping and k-means

在线全文

学校读者我要写书评

暂无评论

Journal of Systems Engineering and Electronics 2022年第4期33卷 907-915页

作者： TIAN Weiming DU Lin DENG Yunkai DONG Xichao Radar Research Lab School of Information and ElectronicsBeijing Institute of TechnologyBeijing 100081China key Laboratory of Electronic and Information Technology in Satellite Navigation(Beijing Institute of Technology) Ministry of EducationBeijing 100081China School of Information and Electronics Beijing Institute of TechnologyBeijing 100081China Beijing Institute of Technology Chongqing Innovation Centre Chongqing 401120China Advanced Technology Research Institute Beijing Institute of TechnologyJi'nan 250300China

Ground-based interferometric synthetic aperture radar(GB-InSAR)can take deformation measurement with a high accuracy.Partition of the GB-InSAR deformation map benefits analyzing the deformation state of the monitoring scene better.Existing partition methods rely on labelled datasets or single deformation feature,and they cannot be effectively utilized in GBInSAR applications.This paper proposes an improved partition method of the GB-InSAR deformation map based on dynamic time warping(DTW)and k-means.The DTW similarities between a reference point and all the measurement points are calculated based on their time-series deformations.Then the DTW similarity and cumulative deformation are taken as two partition features.With the k-means algorithm and the score based on multi evaluation indexes,a deformation map can be partitioned into an appropriate number of classes.Experimental datasets of West Copper Mine are processed to validate the effectiveness of the proposed method,whose measurement points are divided into seven classes with a score of 0.3151.

关键词： ground-based interferometric synthetic aperture radar(GB-InSAR) deformation map partition dynamic time warping(DTW) k-means

基于k-means聚类的多智能体跟随多领导者算法

在线全文

学校读者我要写书评

暂无评论

系统仿真学报 2023年第3期35卷 616-622页

作者：袁国栋何明马子玉张伟士刘学达李伟陆军工程大学指挥控制工程学院江苏南京210001

为防止多智能体集群跟随多个领导者时编队混乱,提出了3种k-means聚类算法,将集群分成与领导者数量相同的社区,社区内的智能体将跟随同一领导者。所提出的3种算法中,算法1适用于智能体分布空间广的场景,系统达到一致性所需时间最短;算法... 详细信息

为防止多智能体集群跟随多个领导者时编队混乱,提出了3种k-means聚类算法,将集群分成与领导者数量相同的社区,社区内的智能体将跟随同一领导者。所提出的3种算法中,算法1适用于智能体分布空间广的场景,系统达到一致性所需时间最短;算法2则适用于智能体分布稀疏的场景,可有效避免智能体碰撞等危险;算法3则大大降低多智能体集群的控制成本,但将会牺牲系统的收敛速度。相较于传统预先对智能体编号,领导-跟随关系固定的方法,本文提出的分簇方法使系统收敛时间更短,且有效应对中途任务变更的情况,可快速分配给智能体新的合适任务。

关键词：多智能体多领导者 k-means 编队控制分簇方法

基于邻域互信息与k-means特征聚类的特征选择

在线全文

学校读者我要写书评

暂无评论

智能系统学报 2024年

作者：孙林梁娜徐久成天津科技大学人工智能学院河南师范大学计算机与信息工程学院

针对多数邻域系统通过人工调试很难搜索到最佳邻域半径，以及传统的k-means聚类需要随机选取簇中心和指定簇的数目等问题，提出了一种基于邻域互信息与k-means特征聚类的特征选择方法。首先，将样本在各特征下与其他样本距离的平均值作... 详细信息

针对多数邻域系统通过人工调试很难搜索到最佳邻域半径，以及传统的k-means聚类需要随机选取簇中心和指定簇的数目等问题，提出了一种基于邻域互信息与k-means特征聚类的特征选择方法。首先，将样本在各特征下与其他样本距离的平均值作为自适应邻域半径，确定样本的邻域集，并由此构建了自适应邻域熵、邻域互信息、归一化邻域互信息等度量，反映特征之间的相关性。然后，基于归一化邻域互信息构建自适应k近邻集合，利用Pearson相关系数表示特征的权重定义加权k近邻密度，实现自动选取k-means算法的簇中心，进而完成k-means特征聚类。最后，给出加权平均冗余度，选出每个特征簇中加权平均冗余度最大的特征构成最优特征子集。实验结果表明所提算法不仅可以有效提升特征选择的分类结果而且可以获得更好的聚类效果。

关键词：特征选择邻域互信息 k-means 特征聚类自适应k近邻特征权重加权k近邻密度

基于自编码的改进k-means光伏能源数据清洗方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机科学 2024年第S01期51卷 713-717页

作者：彭勃李耀东龚贤夫广东电网有限责任公司电网规划研究中心广州510080

智能电网的发展带来了海量能源数据,数据质量是开展数据价值挖掘等任务的基础。然而,多源海量光伏能源数据的采集与传输过程中不可避免地存在异常数据,因此需要进行数据清洗。目前,基于传统统计机器学习的数据清洗模型存在一定的局限性... 详细信息

智能电网的发展带来了海量能源数据,数据质量是开展数据价值挖掘等任务的基础。然而,多源海量光伏能源数据的采集与传输过程中不可避免地存在异常数据,因此需要进行数据清洗。目前,基于传统统计机器学习的数据清洗模型存在一定的局限性。文中提出了一种基于Transformer自编码结构的改进型k-means聚类模型,用于能源大数据清洗。该模型通过肘部法则自适应地确定聚类簇数,并利用自编码网络对聚类内数据进行压缩和重构,从而实现异常数据的检测和恢复。同时,模型利用Transformer的多头注意力机制学习数据间的相关特征,提高了对异常数据的筛查能力。在光伏发电公开数据集上的实验证明,与其他方法相比,该模型具有更好的异常数据检测效果,筛查准确率可达96%以上。此外,所提模型能在一定程度上恢复异常数据,为能源大数据应用提供了有效的支持。

关键词：自编码数据清洗异常检测 Transformer k-means

基于k-means与kNN的多特征苹果在线分级

在线全文

学校读者我要写书评

暂无评论

新疆农业科学 2023年第3期60卷 643-650页

作者：王迎超张婧婧达新民耿新雪新疆农业大学计算机与信息工程学院乌鲁木齐830052

【目的】准确获取红富士苹果的分级指标,为实现多特征融合的苹果分级提供依据。【方法】以均值滤波、全局亮度均衡化与图像裁剪方法,预处理实验所需的苹果图像;使用k-means聚类算法、OTSU最大类间方差法,将苹果灰度图转换为二值图;利用... 详细信息

【目的】准确获取红富士苹果的分级指标,为实现多特征融合的苹果分级提供依据。【方法】以均值滤波、全局亮度均衡化与图像裁剪方法,预处理实验所需的苹果图像;使用k-means聚类算法、OTSU最大类间方差法,将苹果灰度图转换为二值图;利用二值图与苹果原图的异或运算,提取苹果轮廓;采用苹果的二值图计算苹果的果实区域大小;使用颜色空间转换RGB-HSV中H通道划分果实红色区域;通过构建掩膜、形态学操作判断果体是否含有缺陷及计算其面积;构建最小外接矩形计算苹果的果径及果形;利用kNN分类算法实现多特征融合的苹果在线自动分级。【结果】基于k-means聚类与kNN分类相结合的苹果在线分级方法,在优于传统图像阈值分割效果的基础上,特级果分级准确率为97.14%,一级果分级准确率为100%,二级果分级准确率为93.75%,等外果分级准确率为100%,综合分级准确率达到97%。【结论】100个苹果测试准确率达到97%,验证了该分级方法的可行性与准确性。

关键词：多特征融合苹果自动分级 k-means OTSU kNN

基于波段影像统计信息量加权k-means聚类的高光谱影像分类

在线全文

学校读者我要写书评

暂无评论

控制与决策 2021年第5期36卷 1119-1126页

作者：李玉甄畅石雪朱磊辽宁工程技术大学测绘与地理科学学院辽宁阜新123000 葫芦岛宏跃集团有限公司辽宁葫芦岛125200

针对分类过程中如何合理利用高光谱影像波段问题,提出一种基于波段影像统计量加权k-means聚类的高光谱影像分类算法.该算法的核心思想在于:由波段含有的信息量及波段间的相关性确定各波段权重,同时考虑各波段对各聚类的重要性.首先,根... 详细信息

针对分类过程中如何合理利用高光谱影像波段问题,提出一种基于波段影像统计量加权k-means聚类的高光谱影像分类算法.该算法的核心思想在于:由波段含有的信息量及波段间的相关性确定各波段权重,同时考虑各波段对各聚类的重要性.首先,根据波段影像的熵、标准差及均值定义波段信息量函数,根据相邻波段影像互信息定义相关性函数;其次,由上述波段信息量函数及波段间相关性函数定义波段权重函数;然后,结合波段权重和波段-类属权重定义规则化目标函数;最后,依据参数特性设计目标函数求解方案.对Salinas高光谱影像和Pavia Centre高光谱影像分别采用所提出的算法与传统k-means算法、 PCA+k-means算法及子空间波段选择+k-means算法进行对比实验,对于总精度及kappa系数,所提出的算法都高于其他3种对比算法,结果验证了所提出算法的有效性.相对于其他3种算法而言,所提出的算法可有效改善高光谱影像分类的性能.

关键词：波段加权统计信息熵信息 k-means 高光谱影像分类

基于自组织神经网络和k-means的场地地下水污染特征分析与分区管控研究

在线全文

学校读者我要写书评

暂无评论

环境工程 2022年第6期40卷 31-41,47页

作者：黄燕鹏汪远昊王超刘伟江王宏吕广丰林斯杰胡清哈尔滨工业大学环境学院哈尔滨150090 南方科技大学环境科学与工程学院广东深圳518055 南科大工程技术创新中心(北京) 北京100083 生态环境部土壤与农业农村生态环境监管技术中心北京100012

该研究基于自组织神经网络(SOM)和k-means方法,以华中地区某铬渣污染场地为研究对象,探讨了SOM+k-means方法应用于场地地下水污染分区管控的可能性。通过监测数据的描述性统计分析场地地下水污染特征,发现Cr(Ⅵ)、COD_(Mn)、SO^(2-)_(4)... 详细信息

该研究基于自组织神经网络(SOM)和k-means方法,以华中地区某铬渣污染场地为研究对象,探讨了SOM+k-means方法应用于场地地下水污染分区管控的可能性。通过监测数据的描述性统计分析场地地下水污染特征,发现Cr(Ⅵ)、COD_(Mn)、SO^(2-)_(4)、TDS、NO^(-)_(3)、NH_(3)-N、Mn为研究区的主要污染物。基于SOM+k-means分析挖掘,并基于空间插值方法,将研究区地下水分为4类区域,并识别出每类区域需重点关注的污染指标。结果显示:类别Ⅰ需关注NO^(-)_(3);类别Ⅱ需关注Cr(Ⅵ)、COD_(Mn)、NO^(-)_(3)、TDS、NH_(3)-N;类别Ⅲ需关注SO^(2-)_(4);类别Ⅳ需关注Mn。该方法可较好地应用于地下水污染分区管控,对场地地下水污染防治具有指导意义。

关键词：机器学习自组织神经网络 k-means 地下水污染分区管控