简介：医学中的彩色超声图像受成像机理的影响,会出现对比度不高、边缘不清晰的现象。传统的图像分割方法存在处理结果准确率低、部分目标丢失等问题。文章针对图像分割中广泛应用的K-means算法依赖初始聚类中心和搜索易收敛于局部最优等不足,在基本粒子群算法中加入惯性权重来提高收敛性能,并用该算法确定初始聚类中心,解决K-means的缺陷,然后将改进算法应用于L＊a＊b颜色空间的彩色超声心脏图像分割中。实验显示,改进方法改善了聚类结果的准确率和稳定性,且聚类时间也短,对色彩度低的超声图像可取得很好的分割效果。

简介：  摘要：随着生产任务不断增加,铁路货车运量不断加大，铁路列检作业现场和人员状态的盯控难以做到及时、全面，造成在一些制度执行、落实的过程中不能有效监管，出现作业人员违章作业、滞留天窗、早进晚出、超范围作业，一但发生人员未及时下道情况容易造成人车相撞事故造成人员伤亡。但现有的防护设备和防护方式无法满足当今现场作业防护需求。为了解决这一问题研究一款在列车接近时可以使作业人员得知列车信息进行预警的终端，提高现场作业防护水平保障作业人员安全。

简介：摘要随着客户对供电服务的要求不断提升，供电企业有必要进行客户分群，实施差异化服务。基于数据挖掘的聚类分析，从客户行为特征、价值特征、需求特征三个维度，利用K-means算法构建了价值贡献度的客户分群模型，能够较好地满足供电企业客户分群的需求。通过甄别出不同价值贡献度的客户群体，合理分配资源，制定合适的经营策略，提升企业的竞争力和经济效益。

简介：为了解决基因选择困难问题,提出一种基于改进的K-means算法融合微粒群优化（IKPSO）的基因选择方法。该方法首先运用过滤法（Relief）对基因进行筛选,选择出对分类贡献大的基因构成备选基因子集;然后,利用改进的K-means算法将备选基因子集划分为一定数目的簇,并运用微粒群（PSO）对每一类簇进行搜索选择出相应类簇中的最优和次优基因构成最优特征基因子集;最后,训练支持向量机（SVM）,并利用其分类的性能来评价获得的最优特征基因子集的质量。在两个典型的、公开的小样本的高维微阵列数据集上进行的实验,结果表明该IKPSO算法总体分类性能相对较好,并且与传统方法相比,IK-PSO分类性能得到显著的提高,证明了IK-PSO的可行性以及有效性。

简介：针对福建红茶（正山小种）图像中存在优劣茶叶颗粒的颜色差异,结合数字图像处理技术及应用机器学习,为达到更快更精确的自动识别图像中劣质茶叶的目的,提出一种基于K-Means和SVM耦合算法（KM-SVM）的茶叶图像识别方法.其算法首先进行K-Means聚类算法自动选取训练样本,然后分别提取样本中的颜色特征和纹理特征作为SVM模型训练样本的特征向量进行训练,最后用训练好的分类器对图像进行识别.实验结果表明,该耦合算法具有较高的可行性和有效性.

简介：

简介：对K-means算法加以改进,使用减法聚类确定聚类中心数量;以相距最远的两个样本作为聚类中心的边界,改进的K-means算法将K个初始中心分散到含有输入样本点的各个区域中,使其能够反映样本之间的关系和分布特征;初始中心确定后,使用点对称距离方法调整聚类中心。利用改进的K-means算法将历史日聚类分成4种天气类型,取相似日作为训练样本,对4种天气类型分别建立基于改进K-means算法的RBF神经网络功率预测模型。采用上海某光伏电站实测数据验证,结果表明提出的的预测方法精度提高,实用性较强。

简介：Withtheadventofthebigdataera,theamountsofsamplingdataandthedimensionsofdatafeaturesarerapidlygrowing.Itishighlydesiredtoenablefastandefficientclusteringofunlabeledsamplesbasedonfeaturesimilarities.Asafundamentalprimitivefordataclustering,thek-meansoperationisreceivingincreasinglymoreattentionstoday.Toachievehighperformancek-meanscomputationsonmodernmulti-core/many-coresystems,weproposeamatrix-basedfusedframeworkthatcanachievehighperformancebyconductingcomputationsonadistancematrixandatthesametimecanimprovethememoryreusethroughthefusionofthedistance-matrixcomputationandthenearestcentroidsreduction.Weimplementandoptimizetheparallelk-meansalgorithmontheSW26010many-coreprocessor,whichisthemajorhorsepowerofSunwayTaihuLight.Inparticular,wedesignataskmappingstrategyforload-balancedtaskdistribution,adatasharingschemetoreducethememoryfootprintandaregisterblockingstrategytoincreasethedatalocality.Optimizationtechniquessuchasinstructionreorderinganddoublebufferingarefurtherappliedtoimprovethesustainedperformance.Discussionsonblock-sizetuningandperformancemodelingarealsopresented.Weshowbyexperimentsonbothrandomlygeneratedandreal-worlddatasetsthatourparallelimplementationofk-meansonSW26010cansustainadouble-precisionperformanceofover348.1Gflops,whichis46.9%ofthepeakperformanceand84%ofthetheoreticalperformanceupperboundonasinglecoregroup,andcanachieveanearlyidealscalabilitytothewholeSW26010processoroffourcoregroups.Performancecomparisonswiththepreviousstate-of-the-artonbothCPUandGPUarealsoprovidedtoshowthesuperiorityofouroptimizedk-meanskernel.

简介：

简介：选择性集成算法是目前机器学习关注的热点之一。在对一海藻繁殖案例研究的基础上，提出了一种基于k—nleanS聚类技术的快速选择性BaggingTre咚集成算法；同时与传统统计方法和一些常用的机器学习方法相比较，发现该算法具有较小的模型推广误差和更高的预测精度的优点，而且其运行的效率也得到了较大的提高。

简介：摘要：为了提高目前高校贫困生评议工作的准确度开发此平台，平台将Excel表格形式的数据转换成CSV文件，使用Kettle+Spoon技术清洗csv文件，使用k-means聚类算法区分学生群体，再使用Echarts图表将分析汇总好的数据，呈现到前台，作为学工处进行贫困生认定的辅助材料之一。

简介：摘要：在“30·60” 双碳重大战略目标的加持下，交通行业减排形势严峻。在碳交易市场覆盖范围逐步扩大至交通行业的情境下，为了将碳排放与经济效益联系起来，且为参与公路建养主体提供一种合适的方法评估分析公路建设项目中各碳排放源的碳排放和其花费的建设费用，以获得合理的减排路径与高性价比的建设材料选择，本文提出一种寻找公路建设工程中经济高效的减排源的量化方法。

简介：本文通过使用Hadoop计算平台，以K—Means算法为例，分析其在Mahout中的并行化策略。通过对读者的借阅数据进行分析研究，应用数据挖掘技术逐步建立应用模型，有效地将数据挖掘技术与图书馆个性化服务紧密地结合在一起。

简介：摘要：

简介：摘 要：针对战场环境数据量大、数据种类多的特点本文提出了基于VSM和AMMK-means的聚类信息推荐方法，为不同席位提供主动服务，增强指挥员的战场感知能力。本文首先使用VSM来表示战场信息的文本特征，然后采用AMMK-means聚类算法对战场信息进行分类，构建用席位兴趣模型，最后计算席位兴趣模型和候选信息之间的相似度并向席位推荐其感兴趣的战场信息。

简介：针对Hadoop存在的不足,提出了利用分布式数据库来模拟共享存储空间的解决方案。并对DBIK-means聚类算法做了并行化设计和实验分析,验证了DBIK-means聚类算法在处理大数据时,能够获得较好的加速比。

简介：

简介：针对供配电系统中经常出现串联型故障电弧引发火灾等事故的问题，研制了串联型故障电弧实验装置，并针对典型负载开展了大量实验。首先，利用傅里叶变换提取了发生故障电弧前后电流的前20次谐波含量，并将其作为样本；其次，采用主成分分析对样本数据进行降维，提取出电流谐波变化的主要成分；最后，运用K均值聚类判断出原始信号是否故障。结果表明，以电流谐波为特征，通过主成分分析和K均值聚类可以有效地识别串联型故障电弧。

简介：k均值算法是一个常用的局部搜索算法,它的主要缺陷是容易陷入局部极小,并且该局部极小解与全局最优解往往有很大的偏差.本文提出一个基于K-均值的迭代局部搜索文档聚类算法.该算法以k均值算法所得到的解作为初始解,从该初始解开始作局部搜索,在搜索过程中接受部分劣解.当解无法改进时,算法对所得到的局部极小解做适当强度的扰动后进行下一次的迭代,以跳出局部极小,从而拓展了搜索的范围.实验结果表明该算法对文档数据集聚类的正确性达99%以上.

简介：简述了编组站分类问题的研究现状以及编组站的类别,介绍了运用K均值聚类对编组站进行分类的主要步骤。将该方法应用到东北地区11个编组站分类的实例中,在计算过程中,使用SPSS16统计学软件,计算结果表明分类正确,证明该方法可行,具有人为因素影响小、计算持续时间短及结果较精确等特点。