共查询到20条相似文献，搜索用时 500 毫秒
1.
为促进垃圾分类政策实施,科学、合理地在居民生活小区设置垃圾分类站,建立选址模型和成本模型对垃圾分类站建设运营成本及居民满意度负效应成本进行求解,并对K-means聚类算法与模糊C-means聚类算法进行比较。通过对某小区每栋居民楼到垃圾分类站的平均距离分析得出,K-means聚类算法计算得出的平均距离相比模糊C-means聚类算法缩短了约17%,在成本模型中建设运营成本降低了1万元,居民满意度负效应成本降低了0.68万元,验证了模型的可行性及K-means聚类算法的优越性。在未来的研究中可对算法进行改进,以进一步优化成本,确定全局最优。 相似文献
2.
K-means算法在聚类过程中随机选取k个初始聚类中心,容易造成聚类结果不稳定。针对该问题,提出PCA-TDKM算法：使用主成分分析法对数据对象集合的属性进行降维,提取出主属性,去掉无关属性,从而加速聚类过程;基于最小生成树算法及树的剪枝方法将数据对象划分为k个初始聚类簇,然后进行剪枝生成k棵子树,计算每棵子树中所有数据对象的均值,作为初始聚类中心;利用基于密度与最大最小距离的算法思想进行聚类。将PCA-TDKM算法与K-means、KNE-KM、QMC KM、CFSFDP-KM在UCI数据集上进行聚类比较,结果表明该算法聚类结果稳定、聚类准确率高。 相似文献
3.
针对K-means算法对初始聚类中心敏感、容易收敛于局部极值和人工鱼群算法最大步长固定、寻优精度不高、后期收敛速度慢的问题,提出一种K-means和人工鱼群相结合的聚类算法。该算法将K-means聚类中心引入人工鱼群适应度函数,自动确定近似全局最优的初始聚类中心,并将其作为K-means初值详细进行局部搜索,以提高精度。同时采用淘汰机制和自适应的最大步长策略,优化人工鱼群算法性能。在Iris、Wine数据集和EPA-HTTP应用日志数据上对IAFSA KM算法进行实验仿真分析,验证了算法的有效性和可行性。 相似文献
4.
随着如今数据量的爆发式增长,传统的数据挖掘方法已经远远不能满足人们需求,K-means聚类作为一种经典的聚类算法,其应用领域很广。但是K-means算法在随机选取初始聚类K个中心时,容易使聚类结果不稳定,因此提出基于核函数的K-means聚类算法。与此同时,结合MapReduce分布式框架对改进后的K-means聚类算法作分布式计算。研究结果表明,基于高斯核函数的K-means聚类在分布式下的计算能够加速K-means聚类过程,且结果优于单独基于核密度估计的K-means算法。 相似文献
5.
互联网时代,网络焦点话题讨论对当代高校学生的思想有很大影响,因此对高校舆情进行监测具有十分重要的意义。通过改进的K-means算法对高校舆情进行聚类,获取舆情热点。通过聚类算法获取热点话题,进而对热点舆情话题进行引导,对改进高校学生思想政治工作作用显著。对改进算法进行实验,结果表明该算法准确率达到75%,比传统算法高出8%,改善了传统算法的聚类效果。 相似文献
6.
针对传统 K-means 算法随机选取初始聚类中心导致聚类结果随机性大、优劣不定的缺点,通过定义局部方差,利用方差反映数据密集程度的特性,提出一种基于最小 局部方差优化初始聚类中心的 K-means 算 法。该算法选取数据集中局部方差最小的点作为一个初始聚类中心,并利用数据信息更新数据集,直到选到 k个初始聚类中心,实现初始聚类中心优化。基于 UCI 数据集与人工数据集进行实验,与传统 K-means 算法及最小方差优化初始聚类中心的 K-means 算法进行性能比较。实验结果表明,基于最小局部方差优化初始聚类中心的 K-means算法具有良好的聚类效果和很好的鲁棒性,且聚类时间较短,验证了算法有效性和优越性。 相似文献
7.
检索结果聚类能够有效帮助提高获取信息的效率和质量。针对传统文本聚类模型存在数据维数过高、缺乏语义理解等问题,提出一种面向检索结果聚类的融合共现分析主题建模算法。基于改进的LDA模型,对得到的“文档-主题”概率分布进行聚类分析,采用K-means算法完成聚类过程,最后提出根据聚类中心提取主题词作为类簇标签。实验结果表明,改进的LDA算法在检索结果聚类应用上不仅获得了很好的聚类效果,类簇标签也有良好的可读性。 相似文献
8.
9.
尹帮治 《荆门职业技术学院学报》2010,25(9):12-15,29
聚类是指按照事物间的相似性对事物进行区分和分类的过程。对网络个性化学习行为中的大量数据,首先对样本数据进行了预处理,然后运用数据挖掘算法中的K-means算法进行分类,获取各类与网络学习行为属性的关系。在Clementine中的实验结果表明,该算法能够将数据准确聚类,为教师教学培养目标的制定提供一定的决策支持。 相似文献
10.
利用统计分析软件SPSS对99组实例数据进行聚类分析,包括K-means聚类、系统聚类、两步聚类三大类,其中K-means聚类包括K-means未标准化聚类和K-means标准化聚类两小类,选取判断类内紧致性指标1和类间分离性指标2综合衡量聚类结果有效性,从而比较聚类数种算法中三大聚类方法的聚类效果。实验发现,K-means聚类有效性普遍比系统聚类好,系统聚类普遍比两步聚类有效,且系统聚类分析效果随着聚类个数的增加不断改善。 相似文献
11.
葡萄酒的化学成分是辨别葡萄酒品种的主要依据。考虑到常规检测方法复杂、繁琐,准确率低,选择机器学习方法识别葡萄酒种类。针对目前常用的K均值算法在葡萄酒识别中存在的问题,尝试使用支持向量机进行分类,并与K均值算法进行对比分析。结果表明,基于支持向量机的模型分类性能更好,准确率达到98.15%。 相似文献
12.
基于K-均值算法的模糊分类器具有很好的分类效果，用它可以很准确的对训练样本进行分类，此方法是将K-均值算法应用于训练数据的聚类，对每个聚类的半径和聚类的中心都是可计算的，而模糊系统设计方法就是用模糊度来描述聚类，对训练数据进行高效且准确的分类，这种方法有下面几个特点：(a)不要预定义参数；(b)训练时间短；(c)简单；最后用一个例子对这种模糊分类器进行分析验证。 相似文献
13.
提出了一种连续隐Markov模型参数估计算法,并利用全局收敛定理严格证明了算法的收敛性.该算法用Viterbi算法取代分段K平均算法中的聚类方法,直接确定出最优状态和分支序列,并依据最优序列以最大似然为优化准则进行参数估计.阐述了该算法与Baum-Welch和分段K平均2种经典算法在目标函数、优化准则和工作原理等方面的关系,并将3种算法应用于人脸识别.实验结果表明,该算法在获得相当识别率的同时缩短了训练时间,并降低了识别结果对训练样本集的敏感性,在3种算法中总体性能最优. 相似文献
14.
图像拼接技术关键在于图像配准和算法效率,针对传统的图像特征匹配算法数据量大、计算耗时长的缺点,将K-means聚类算法应用到图像匹配算法中,提出了一种解决该问题的改进算法。该方法利用K-means聚类算法对图像提取出的角点对先进行聚类分组,然后采用预判断模型和分组随机选取的方法来提高传统算法效率。实验结果表明,该算法相比于传统的RANSAC算法,在保持较高的精度和鲁棒性的情况下,大大提高了计算效率,有助于提高图像的自动拼接的效率。 相似文献
15.
传统欠采样方法在处理不平衡数据问题时只考虑多数类样本的绝对位置而忽略了其相对位置,从而使产生的平衡数据集存在边界模糊问题。提出一种改进 K 均值聚类的不平衡数据欠采样算法（UD-PK）。该算法首先利用改进的 PSO 算法迭代寻找全局最优解作为 K-means 聚类所需初始值,然后通过 K-means 进行聚类,再按照每个类别中多数类与少数类的比例定义所取多数类样本个数,并根据多数类样本与簇心距离择优选择参与平衡数据集构造。在 UCI 数据集上的对比试验表明,该算法在少数类准确率上较一些经典算法有很大提升。 相似文献
16.
肖琳 《福建工程学院学报》2018,(3):248-252
针对个人客户,基于客户的交易标的,应用主成分分析法、改进的K-means聚类算法为某证券公司的个人客户建立投资风险偏好模型。研究表明:该模型可为券商的客户细分提供精细化数据支撑,提升券商对客户风险偏好的认识,促进券商营销的精准度和成功率,为券商制订科学的营销策略提供决策支持。 相似文献
17.
为改善网络舆情态势感知与预警中舆情信息分析不准确的问题,提出基于 Spark 技术的均值漂移（MS）算法,利用该算法原理分析 Spark 框架特性,给出该算法在 Spark 框架中的实现过程,包括舆情信息预处理、特征提取、特征向量模型构建和算法聚类设计。在相同数据集下将 MS 算法和 K-means 算法聚类效果进行对比,实验结果显示,K-means 算法聚类结果受 k 值选取的影响,存在聚类结果不准确的问题;基于 Spark 的 MeanShift 算法在没有任何先验条件下舆情聚类效果优于 K-means 聚类算法,且符合预期期望。 相似文献
18.
针对传统Grabcut分割方法难以很好处理图像阴影部分及分割时间过长的问题,提出结合K-means聚类算法与Grabcut函数的方法改善以上问题。该方法通过直方图均衡化实现图像增强,然后利用K-means算法以二分类的形式对像素进行聚类,利用形态学处理填充孔洞,自动获取目标物体轮廓后,结合Grabcut算法实现图像二次分割,最后利用颜色判定改善图像阴影部分。实验结果表明,该方法可实现图像自动分割、节省大量时间,而且对阴影部分图像处理有明显改善,具有较高的准确性和高效性。 相似文献
19.
20.
张英武 《鞍山师范学院学报》2013,(4):46-49
为了解决K-means算法中对于初值的敏感,提出了一种基于粒子群的改进的K-means聚类算法(IPSOFCM).在K-means算法中引入粒子群算法,可有效提高算法的全局搜索能力,有助于粒子更容易跳出局部束缚.实验结果证明,IPSOFCM算法聚类准确度高,稳定性好. 相似文献