检索结果-南通市图书馆

维普期刊数据库博看期刊

基于kmeans聚类对14个新疆陆地棉萌发期耐碱性评价

在线全文

学校读者我要写书评

暂无评论

种子 2024年第10期 54-63+73页

作者：马燕孙鲁鹏刘家洛于泽张凤华王卫超石河子大学农学院/新疆生产建设兵团绿洲生态农业重点实验室

为了解新疆陆地棉品种萌发期的耐碱性差异，本研究采用沙培法对14个新疆陆地棉品种萌发期进行不同浓度(0（ck）、25 mmol/L、50 mmol/L、75 mmol/L、100 mmol/L)Na2CO3胁迫处理，测定了与棉花耐碱性相关的指标，并利用主成分分析、隶属... 详细信息

为了解新疆陆地棉品种萌发期的耐碱性差异，本研究采用沙培法对14个新疆陆地棉品种萌发期进行不同浓度(0（ck）、25 mmol/L、50 mmol/L、75 mmol/L、100 mmol/L)Na2CO3胁迫处理，测定了与棉花耐碱性相关的指标，并利用主成分分析、隶属函数综合评价和kmeans聚类分析等方法对其萌发期耐碱性进行排序。结果表明，各品种棉花种子的发芽率、发芽势、发芽指数、株高、根长、干质量、鲜质量、相对含水量均随着碱浓度的增大而呈下降趋势。利用隶属函数和权重系数方法对14个新疆陆地棉花品种萌发期的耐碱性进行综合评价，基于D值进行kmeans聚类分析，将14个棉花品种划分为四类：第Ⅰ类有2个棉花品种，D值为0.296,属于碱敏感型材料；第Ⅱ类有3个棉花品种，D值为0.535,属于弱耐碱型材料；第Ⅲ类有5个棉花品种，D值为0.684,属于中度耐碱型材料；第Ⅳ类有4个棉花品种，D值为0.788,属于强耐碱型材料。

关键词：陆地棉萌发期耐碱性综合评价 kmeans聚类

基于kmeans聚类的配网变压器绕组材质辨识算法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

华北电力大学学报（自然科学版） 2024年第5期51卷 66-73页

作者：尹忠东陈俊晔沈子伦付瑜郑志曜王亚伟新能源电力系统国家重点实验室(华北电力大学) 北京102206 浙江华电器材检测研究院有限公司浙江杭州310000

近年来由于日益白热化的配电变压器市场竞争,不少中小型企业“以铝代铜”生产变压器,对电力系统的稳定性留下隐患。当前变压器材质无损辨识方法和技术欠缺,而谐波电阻法所需设备简便、成本低,有很高的工程实用价值,但缺乏科学严谨的算... 详细信息

近年来由于日益白热化的配电变压器市场竞争,不少中小型企业“以铝代铜”生产变压器,对电力系统的稳定性留下隐患。当前变压器材质无损辨识方法和技术欠缺,而谐波电阻法所需设备简便、成本低,有很高的工程实用价值,但缺乏科学严谨的算法支撑。为了准确高效地对变压器绕组材质进行辨识,在已有研究的基础上提出了一种基于kmeans聚类的辨识算法,并对算法进行了优化。该方法对统计得到的变压器绕组谐波电阻进行聚类分析,再通过方差选择法、主成分分析(PCA)降维对算法进行优化,验证了优化算法的可行性,并利用优化算法展开现场应用。分析结果表明该算法能准确地鉴别变压器绕组材质,有广阔的工程应用前景。

关键词：谐波电阻变压器绕组方差选择法 kmeans聚类 PCA降维

kmeans聚类与多波谱阈值相结合的云检测和烟检测算法研究

在线全文

学校读者我要写书评

暂无评论

Kmeans聚类与多波谱阈值相结合的云检测和烟检测算法研究

作者：王伟中国科学技术大学

学位级别：硕士

森林火灾破坏人类赖以生存的宝贵而有限的自然资源,造成环境污染,引发生态失衡,并且危害林区周边的城镇安全。卫星遥感技术具有视域大的宏观特性,使人们对地物的观察和研究具有全天候和全天时的可能;另外,它还能周期成像,有利于动态监... 详细信息

森林火灾破坏人类赖以生存的宝贵而有限的自然资源,造成环境污染,引发生态失衡,并且危害林区周边的城镇安全。卫星遥感技术具有视域大的宏观特性,使人们对地物的观察和研究具有全天候和全天时的可能;另外,它还能周期成像,有利于动态监测和研究。卫星遥感以其时效性、客观性和可读性的特点,在监测森林火灾研究中具有特殊的作用。EOS系列卫星搭载的MODIS传感器具有空间分辨率和时间分辨率高、波谱范围宽的优点,受到越来越多的学者的青睐。云检测和烟检测是遥感监测森林火灾的重要的步骤。传统的云检测和烟检测算法是利用遥感卫星的某些通道数据的组合,采用绝对阈值来判定。一般的流程都是利用波段反射率、亮温或者波段的组合等作为阈值判断标准。但是阈值方法具有一定的主观性,对先验知识要求较高,并且在不同季节和不同地区阈值适用性不同,容易产生误判或者漏判。本文采用聚类分析和多波谱阈值相结合的方法,提高了检测算法的适用性和准确性。首先对MODIS L1B数据进行预处理,并分析各种地物的波谱特征,选取适当的MODIS波段和特征参数;然后采用kmeans聚类方法对特征参数进行聚类分析,各种地物被初步分类;最后去除云和烟羽的干扰,使得检测结果更加准确。由于聚类方法只考虑特征参数之间的相对差别,可以有效地排除特征参数的绝对阈值对检测结果的影响,进而避免传统检测算法中的误判和漏判现象。选取我国东南沿海地区、大兴安岭林区以及国外的部分MODIS数据,对本文提出的检测算法进行应用研究,并将应用结果与传统的阈值方法进行了比较分析。结果表明,聚类分析和多波谱阈值相结合的算法具有较强的环境适应性,可以适应不同地区和不同林种的检测要求,有效地降低误报率和漏报率。

关键词： MODIS 云检测烟检测 kmeans聚类卫星遥感

基于反向K近邻和密度峰值初始化的加权kmeans聚类入侵检测算法

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

南京理工大学学报 2023年第1期47卷 56-65页

作者：张喜梅解滨徐童童张春昊河北师范大学计算机与网络空间安全学院河北石家庄050024 河北师范大学河北省网络与信息安全重点实验室河北石家庄050024 河北师范大学供应链大数据分析与数据安全河北省工程研究中心河北石家庄050024

传统kmeans聚类算法的性能易受初始类簇中心随机性和类簇中心计算的迭代过程中边缘点和离群点反复计入的影响,为了避免这些影响,该文提出一种基于反向K近邻和密度峰值初始化的加权kmeans聚类算法。通过样本的近邻信息计算每个样本的反向... 详细信息

传统kmeans聚类算法的性能易受初始类簇中心随机性和类簇中心计算的迭代过程中边缘点和离群点反复计入的影响,为了避免这些影响,该文提出一种基于反向K近邻和密度峰值初始化的加权kmeans聚类算法。通过样本的近邻信息计算每个样本的反向K近邻,针对不同规模、不同密度分布数据集,可以自适应地搜索密度峰值点作为初始类簇中心;自适应设定相对簇半径,并通过样本加权进行类簇中心迭代,在不同数据分布下可以有效降低边缘点和离群点对聚类结果的影响。试验结果证明,该算法在聚类性能提升的同时迭代次数大幅降低,随着入侵行为类型和数据规模的增加,该文聚类算法仍体现出较好的性能,且在发现未知攻击类型上效果显著。

关键词： kmeans聚类入侵检测密度峰值样本加权反向K近邻

基于kmeans聚类的配网变压器绕组材质辨识算法

在线全文

学校读者我要写书评

暂无评论

华北电力大学学报(自然科学版) 2022年

作者：尹忠东陈俊晔沈子伦付瑜郑志曜王亚伟浙江华电器材检测研究院有限公司新能源电力系统国家重点实验室(华北电力大学)

近年来由于日益白热化的配电变压器市场竞争，不少中小型企业“以铝代铜”生产变压器，对电力系统的稳定性留下隐患。当前变压器材质无损辨识方法和技术欠缺，而谐波电阻法所需设备简便、成本低，有很高的工程实用价值，但缺乏科学严谨... 详细信息

近年来由于日益白热化的配电变压器市场竞争，不少中小型企业“以铝代铜”生产变压器，对电力系统的稳定性留下隐患。当前变压器材质无损辨识方法和技术欠缺，而谐波电阻法所需设备简便、成本低，有很高的工程实用价值，但缺乏科学严谨的算法支撑。为了准确高效地对变压器绕组材质进行辨识，在已有研究的基础上提出了一种基于kmeans聚类的辨识算法，并对算法进行了优化。该方法对统计得到的变压器绕组谐波电阻进行聚类分析，再通过方差选择法、主成分分析（PCA）降维对算法进行优化，验证了优化算法的可行性，并利用优化算法展开现场应用。分析结果表明该算法能准确地鉴别变压器绕组材质，有广阔的工程应用前景。

关键词：谐波电阻变压器绕组方差选择法 kmeans聚类 PCA降维

kmeans聚类与多波谱阈值相结合的烟检测算法研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

工业加热 2022年第4期51卷 45-47,57页

作者：王伟青岛市退役军人服务中心山东青岛266000

森林火灾破坏人类赖以生存的宝贵而有限的自然资源,造成环境污染,引发生态失衡,并且危害林区周边的城镇安全。卫星遥感技术可以有效地监测森林火灾。传统的烟检测算法往往利用遥感卫星某些通道的反射率、亮温或者波段数据的组合,设置绝... 详细信息

森林火灾破坏人类赖以生存的宝贵而有限的自然资源,造成环境污染,引发生态失衡,并且危害林区周边的城镇安全。卫星遥感技术可以有效地监测森林火灾。传统的烟检测算法往往利用遥感卫星某些通道的反射率、亮温或者波段数据的组合,设置绝对阈值来判定。阈值方法具有一定的主观性,对先验知识要求较高,并且在不同季节和不同地区阈值适用性不同,容易产生误判或者漏判。采用聚类分析和多波谱阈值相结合的方法,提高了检测算法的适用性和准确性。

关键词： kmeans聚类烟检测 MODIS

基于GAPSO-kmeans聚类的遥感图像分割研究

在线全文

学校读者我要写书评

暂无评论

基于GAPSO-Kmeans聚类的遥感图像分割研究

作者：杨雨航重庆师范大学

学位级别：硕士

伴随着遥感监测技术的飞速发展,遥感平台获取的图像所涵盖的信息也日渐丰富。遥感图像以其自身具有丰富的数据量为许多研究工作奠定了坚实基础。但遥感图像中存在巨大的数据量,具有复杂、多光谱和多层次等特点,时常出现目标形状各异等... 详细信息

伴随着遥感监测技术的飞速发展,遥感平台获取的图像所涵盖的信息也日渐丰富。遥感图像以其自身具有丰富的数据量为许多研究工作奠定了坚实基础。但遥感图像中存在巨大的数据量,具有复杂、多光谱和多层次等特点,时常出现目标形状各异等特殊情况。因此,如何精准化分割遥感图像成为了遥感图像处理的重点研究方向。聚类算法作为经典无监督学习方法,已经在图像分割领域得到了很好的应用。本文以kmeans聚类算法在计算机视觉领域所取得的成果为基础,围绕提高kmeans算法在遥感图像分割中的性能展开研究,主要完成工作如下:(1)针对kmeans聚类算法单次计算耗费时间较长的问题,通过将曼哈顿距离与切比雪夫距离组合成一个线性距离模型来代替欧氏距离进行数据之间的距离计算,接着利用这个线性距离模型进行聚类。实验证明,采用基于kmeans聚类算法的遥感图像分割方法能实现在保证分割精度的前提下有效缩短遥感图像分割时间。(2)针对kmeans聚类结果过于依赖初始聚类中心选择的问题,提出一种基于粒子群和改进kmeans聚类的遥感图像分割算法。首先动态调整粒子群优化算法中的惯性权重,使其服从一个概率分布;接着利用动态粒子群优化算法输出的总体最优解作为kmeans聚类算法的初始聚类中心;最后利用提出的线性距离模型完成聚类。实验证明,改进后的遥感图像分割方法达到有效提高遥感图像分割视觉效果和分割精度。(3)针对粒子群优化算法容易在局部最优附近徘徊的问题,提出一种融合遗传算法和粒子群算法的GAPSO混合模型进行遥感图像分割。为了结合遗传算法的全局搜索能力和粒子群优化算法的快速收敛能力,首先通过对每一代遗传算法与粒子群优化算法各自对应种群的最优解进行比较并执行两种算法间的赋值操作,得到总体最优解,将其作为结果输出到kmeans算法作为初始聚类中心,并利用提出的线性距离模型完成聚类。实验证明,改进后的遥感图像分割方法能够有效提高遥感图像分割性能。

关键词：遥感图像分割遗传算法粒子群优化 kmeans聚类

融合kmeans聚类与Hausdorff距离的点云精简算法改进

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

地理空间信息 2022年第8期20卷 59-63页

作者：彭海驹严科文林松赖浩源张泽鑫惠州市自然资源规划勘测院广东惠州516000

通常情况下,融合kmeans聚类与Hausdorff距离的点云精简算法在目标曲面的曲率值过小时需要设定Hausdorff距离阈值,在模型表面复杂情况下曲率估算精度不高,针对以上问题对该算法进行改进。首先在kmeans聚类中k值的确定采用手肘法确定聚类... 详细信息

通常情况下,融合kmeans聚类与Hausdorff距离的点云精简算法在目标曲面的曲率值过小时需要设定Hausdorff距离阈值,在模型表面复杂情况下曲率估算精度不高,针对以上问题对该算法进行改进。首先在kmeans聚类中k值的确定采用手肘法确定聚类数保证聚类精度,然后采用维数特征Hausdorff距离代替主曲率Hausdorff距离提取特征点,避免了曲率的估算和在曲率值过小时设定Hausdorff距离阈值,最后融合kmeans聚类簇心与采用维数特征Hausdorff距离提取的特征点实现数据精简。采用实际扫描的点云数据进行验证,实验表明改进后的算法在相近精简率下提取的特征点更多,精度更高。

关键词：点云精简 kmeans聚类 Hausdorff距离维数特征手肘法

基于kmeans聚类法的供水管网水压监测点优化布置

维普期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

建筑安全 2014年第8期29卷 74-77页

作者：戴一明重庆市规划信息服务中心

为提高供水管网水压监测点优化布置效率,在Matlab中编写程序代码调用EPANET工具箱计算管网节点水压敏感度矩阵;以节点水压敏感度矩阵为基础,对敏感度矩阵的行向量进行聚类并选取离聚类中心最近的点作为水压监测点。利用举例管网阐明了... 详细信息

为提高供水管网水压监测点优化布置效率,在Matlab中编写程序代码调用EPANET工具箱计算管网节点水压敏感度矩阵;以节点水压敏感度矩阵为基础,对敏感度矩阵的行向量进行聚类并选取离聚类中心最近的点作为水压监测点。利用举例管网阐明了所提出方法的实现步骤,结果表明,所提出的方法具有可行性,为供水管网水压监测点优化布置提供了新的思路。

关键词：供水管网水压监测点影响系数矩阵 kmeans聚类