期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到5,570篇文章
< 1 2 … 250 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于改进粒子群K-means的道路状态识别聚类算法
1
作者 徐韬 任其亮 +1 位作者 李金宴 林伟 《重庆交通大学学报(自然科学版)》 北大核心 2026年第2期47-56,共10页
针对传统K均值聚类算法(K-means)受到初始聚类中心影响导致聚类精度波动问题,提出了基于改进粒子群(PSO)的组合聚类算法。在道路运行速度一维原始数据上,增加相对速度比αt、速度波动率βt这2个特征,建立新的三维数据集;在分布式延迟粒... 针对传统K均值聚类算法(K-means)受到初始聚类中心影响导致聚类精度波动问题,提出了基于改进粒子群(PSO)的组合聚类算法。在道路运行速度一维原始数据上,增加相对速度比αt、速度波动率βt这2个特征,建立新的三维数据集;在分布式延迟粒子群算法(RODDPSO)基础上,提出改进RODDPSO算法(IRODDPSO算法),引入了粒子最大速度非线性约束函数,随着迭代次数增加,粒子最大更新速度逐步非线性衰减,根据每轮迭代的进化特征值ξ确定不同的粒子更新策略;利用IRODDPSO算法产生K-means初始化聚类中心,利用PSO算法全局搜索能力,寻找出最优初始化聚类中心。研究结果表明:IRODDPSO算法可成功应用在城市道路运行状态聚类分析中,组合算法的准确率、召回率分别为0.935、0.957,较RODDPSO算法分别提升了4.8%、3.6%,较基准PSO算法提升13.2%、11.1%,运行时耗分别下降了6.7%、16.3%;所提出的最大速度非线性约束策略提升了算法收敛能力,并且在快速路、主干路等不同等级道路中表现出良好的稳健性。 展开更多
关键词 交通工程 粒子群算法 k均值聚类算法 非线性速度约束 分布式延迟 道路状态识别
在线阅读 下载PDF
基于K-means聚类算法的印刷返单追样色彩补偿计算研究
2
作者 付文亭 邓体俊 《包装工程》 北大核心 2026年第3期161-167,共7页
目的引入K-means聚类算法量化评估印张与客户样网点面积率差异,运用非线性拟合算法确定C/M/Y/K四色通道优化调整参数,实现印刷返单色彩精准补偿还原。方法调用扫描仪与机台印刷ICC配置文件,将扫描的RGB文件转换为与印前分色标准一致的C... 目的引入K-means聚类算法量化评估印张与客户样网点面积率差异,运用非线性拟合算法确定C/M/Y/K四色通道优化调整参数,实现印刷返单色彩精准补偿还原。方法调用扫描仪与机台印刷ICC配置文件,将扫描的RGB文件转换为与印前分色标准一致的CMYK文件;引入K-means聚类算法模型,对印张与客户样的C/M/Y/K分色文件进行高精度比对;用非线性拟合算法确定四色通道优化调整节点及参数;在Photoshop中对C/M/Y/K 4个颜色通道进行“曲线”调整。结果动态补偿机制有效校正印张偏蓝、偏深缺陷,同步优化四原色、二次叠印色和三色叠印灰平衡色,补偿修正后印张色差ΔE00稳定控制在2.5以内。结论该数据驱动补偿方法效率远超传统人工调整,具有完全可复制的标准化特性,为印刷生产数字化升级提供关键技术支撑。 展开更多
关键词 k-MEANS聚类算法 印刷返单追样 色彩补偿 色彩管理
在线阅读 下载PDF
基于K-means++算法划分车辆状态的直接横摆力矩控制
3
作者 潘公宇 李桐 《重庆理工大学学报(自然科学)》 北大核心 2026年第1期1-9,共9页
针对分布式驱动电动汽车在转向变道过程中低附着、高速等极限工况下的失稳问题,提出一种基于K-means++算法划分车辆状态区域的分层协同控制策略。基于Carsim车辆模型构建离线训练数据集,提取横摆角速度、质心侧偏角等9维车辆稳定性特征... 针对分布式驱动电动汽车在转向变道过程中低附着、高速等极限工况下的失稳问题,提出一种基于K-means++算法划分车辆状态区域的分层协同控制策略。基于Carsim车辆模型构建离线训练数据集,提取横摆角速度、质心侧偏角等9维车辆稳定性特征参数,利用K-means++算法将车辆当前状态划分为稳定域、协调域与控制域,并设计动态权重协调模块。在上层控制器中,采用离散滑模控制算法结合粒子群优化趋近律系数,生成目标附加横摆力矩,以跟踪理想横摆动力学特性;同时通过对比积分滑模算法,验证离散滑模控制器在抑制峰值误差与跟踪精度上的优势。在下层控制器中,以稳定性裕度建立目标函数,构建二次规划模型,优化四轮扭矩分配,确保纵向力与侧向力矢量位于摩擦椭圆内。Carsim/Simulink联合仿真验证表明:该策略在中速、低附着(60 km/h,μ=0.3)工况下,相较于由积分滑模算法所搭建的控制策略而言,横摆角速度、质心侧偏角的峰值误差分别降低了77.2%、11.64%,而在跟踪精度方面分别优化了63.13%、15.19%;在高速、高附着(95 km/h,μ=0.85)工况下,其横摆角速度、质心侧偏角的峰值误差分别降低了27.48%、40.1%,而在跟踪精度方面分别优化了20.67%、45.94%。研究结果表明:基于K-means++算法的状态区域划分与离散滑模分层动态控制机制显著提升了车辆横向稳定性与控制鲁棒性,为分布式驱动电动汽车的极限工况稳定性优化提供了有效解决方案。 展开更多
关键词 分布式驱动汽车 k-means++算法 车辆状态区域 离散滑模算法
在线阅读 下载PDF
基于Mask R-CNN的激光雷达测量数据特征点识别
4
作者 幸荔芸 李珊枝 《现代雷达》 北大核心 2026年第1期48-54,共7页
直接使用激光雷达测量数据中提取出关键信息进行特征点识别,无法直接区分点是否属于相同目标,仅提取局部特征点会导致数据特征识别精度下降的问题,文中提出基于卷积神经网络掩膜(Mask R-CNN)的激光雷达测量数据特征点识别,首先选取Point... 直接使用激光雷达测量数据中提取出关键信息进行特征点识别,无法直接区分点是否属于相同目标,仅提取局部特征点会导致数据特征识别精度下降的问题,文中提出基于卷积神经网络掩膜(Mask R-CNN)的激光雷达测量数据特征点识别,首先选取PointNet++作为Mask R-CNN的主干网络提取特征向量,并在主干分支旁构建特征金字塔网络提取多尺度特征,通过区域建议网络生成三维候选框,经由ROI Align输入至分类器网络中,展开目标类别预测、候选框位置回归和二值掩模,输出目标分割结果,然后以分割出的目标点云为基础,采用4D Shepard曲面估计目标点云曲率,得到体积积分不变量并将其单位化处理,最后通过K-means算法聚类体积积分不变量,实现激光雷达测量数据特征点识别。实验结果表明,文中方法能够在激光雷达测量数据中有效地分割出目标,简化率为37.68%,数据特征点识别性能和质量较高,AP、AP_(50)和AP_(75)检测结果均保持在90%以上,具有较好的应用效果。 展开更多
关键词 卷积神经网络掩膜 激光雷达测量数据 特征点识别 体积积分不变量 k-MEANS算法
原文传递
基于PNCC声纹特征提取技术和POA-KNN算法的齿轮箱声纹识别故障诊断
5
作者 廖力达 赵阁阳 +1 位作者 魏诚 刘川江 《机电工程》 北大核心 2026年第1期24-33,共10页
风力机齿轮箱是风力发电系统的核心组件之一,承担着将风能转化为电能的重要任务。由于运行环境的恶劣以及长期使用造成的磨损,齿轮箱常常会发生各种故障,从而导致齿轮箱运行过程中产生不同的噪声,严重影响风力机的正常运行和发电效率,因... 风力机齿轮箱是风力发电系统的核心组件之一,承担着将风能转化为电能的重要任务。由于运行环境的恶劣以及长期使用造成的磨损,齿轮箱常常会发生各种故障,从而导致齿轮箱运行过程中产生不同的噪声,严重影响风力机的正常运行和发电效率,因此,提出了一种基于功率正则化倒谱系数(PNCC)声纹特征提取技术,以及行星优化算法与K近邻算法(POA-KNN)模型的风力机齿轮箱声纹识别故障诊断方法。首先,采用LMS噪声采集仪采集了6种不同状态下的风力机齿轮箱噪声数据;然后,使用了PNCC声纹特征提取的方法,提取了齿轮箱噪声信号的声纹图谱;在KNN的基础上加入行星优化算法(POA)优化了K值,提出了性能较高的POA-KNN分类模型;最后,根据6类不同状态下的齿轮数据集,采用对比试验和消融实验验证了模型性能。研究结果表明:POA-KNN模型对齿轮箱的PNCC声纹图分类准确率达到99.4%,比KNN基线模型提升了1.9%。POA-KNN分类模型能很好地对数据集中不同状态下的齿轮箱进行分类,更高效地针对风力机齿轮箱中存在的故障进行诊断。 展开更多
关键词 齿轮箱 功率正则化倒谱系数 声纹识别 声纹特征图谱 行星优化算法与k近邻算法 分类模型
在线阅读 下载PDF
基于K-means聚类和改进蚁群算法的跨境电商仓储选址优化研究
6
作者 邱国斌 易玉涛 《物流研究》 2026年第1期84-92,共9页
为解决传统选址方法无法动态适配跨境场景的问题,本文针对跨境电商仓储选址的复杂性与灵活性,结合跨境电商特有的国际物流成本、关税政策、区域市场需求、汇率波动等核心要素,构建基于K-means聚类和改进蚁群算法的跨境电商仓储选址模型... 为解决传统选址方法无法动态适配跨境场景的问题,本文针对跨境电商仓储选址的复杂性与灵活性,结合跨境电商特有的国际物流成本、关税政策、区域市场需求、汇率波动等核心要素,构建基于K-means聚类和改进蚁群算法的跨境电商仓储选址模型。本研究通过在多约束条件下的MATLAB软件仿真模拟,将现有选址与优化后选址进行比较。研究表明,该模型能够有效优化跨境电商仓储选址方案,为企业在全球供应链布局中提供科学决策支持。 展开更多
关键词 跨境电商 仓储选址 改进蚁群算法 MATLAB仿真 k-MEANS聚类
原文传递
基于改进k-means聚类的静态低轨星座分布式时间同步方法
7
作者 王伟 荆小通 +1 位作者 臧文驰 彭竞 《信息对抗技术》 2026年第1期120-128,共9页
由于低轨星座卫星数量庞大,在保证低成本的前提下星座时间同步精度难以长期维持。针对该问题,提出了基于激光星间链路实现整个星座分组同步的分布式时间同步架构,并在此架构基础上提出基于改进k-means算法的星钟配置及分组同步方法。构... 由于低轨星座卫星数量庞大,在保证低成本的前提下星座时间同步精度难以长期维持。针对该问题,提出了基于激光星间链路实现整个星座分组同步的分布式时间同步架构,并在此架构基础上提出基于改进k-means算法的星钟配置及分组同步方法。构建了4类星座构型,分别采用原始k-means算法、k-mediods算法和改进k-means算法对其进行仿真,实现星座的分组时间同步。结果表明,k-mediods算法不能解决原始k-means算法易陷入局部最优的问题,而改进k-means算法可以更好地解决,且其最终整网时间同步误差优于原始k-means算法和k-mediods算法;4类星座采用原始k-means算法的最终整网误差相较于初始整网误差分别提升9.13%、8.05%、16.16%、17.24%,k-mediods算法分别提升10.59%、8.32%、17.60%、18.92%,改进k-means算法分别提升20.95%、20.23%、23.02%、23.18%;且其时间同步性能较原始k-means算法和k-mediods算法均有所提升。 展开更多
关键词 低轨星座 k-MEANS算法 星钟配置 时间同步
在线阅读 下载PDF
结合蝙蝠算法和紧密度改进的三支K-means算法
8
作者 孙清 叶军 +2 位作者 曾广财 宋苏洋 汪一心 《山东大学学报(理学版)》 北大核心 2026年第1期65-75,共11页
本文结合蝙蝠算法和紧密度改进三支K-means算法,利用黄金分割系数和种群平均位置优化蝙蝠算法,根据优化后的蝙蝠算法搜索初始聚类中心,提高三支K-means算法的稳定性。依据紧密度判断核心域和边界域的阈值,减少边界域样本数量,提高三支K-... 本文结合蝙蝠算法和紧密度改进三支K-means算法,利用黄金分割系数和种群平均位置优化蝙蝠算法,根据优化后的蝙蝠算法搜索初始聚类中心,提高三支K-means算法的稳定性。依据紧密度判断核心域和边界域的阈值,减少边界域样本数量,提高三支K-means算法的准确性。对比实验采用9个数据集与6种聚类算法,实验结果表明本文算法提升聚类性能,验证本文算法有效性和实用性。 展开更多
关键词 k-MEANS聚类 蝙蝠算法 紧密度 k-MEANS算法 三支决策
原文传递
基于改进K均值聚类分析和粒子群算法的阀门流量特性曲线优化
9
作者 任鹏伟 肖宇翔 +3 位作者 孙嘉明 高源 文思源 何成兵 《汽轮机技术》 北大核心 2026年第1期69-75,共7页
针对火电机组阀门流量特性实际曲线偏离理论曲线的问题,提出一种基于改进K均值聚类分析和改进粒子群算法相结合的阀门流量特性曲线优化方法。首先,采用数据加和筛选法进行历史运行数据预处理,建立原始阀门流量特性数据集;然后,基于等效... 针对火电机组阀门流量特性实际曲线偏离理论曲线的问题,提出一种基于改进K均值聚类分析和改进粒子群算法相结合的阀门流量特性曲线优化方法。首先,采用数据加和筛选法进行历史运行数据预处理,建立原始阀门流量特性数据集;然后,基于等效蒸汽流量法建立阀门流量特性优化数据集;之后,提出改进K均值聚类分析算法拟合构建实际阀门流量特性曲线;最后,提出改进粒子群算法获得优化后的阀门流量特性曲线。以经典测试函数为例,验证了改进粒子群算法可有效避免进行复杂优化时易陷入局部最优的问题,并具有很高的参数识别精度和鲁棒性。以某330MW机组为例,详细分析了阀门流量特性曲线优化过程,基于该机组的一次调频仿真模型,比较了阀门优化前后一次调频性能,验证了本文方法的有效性。 展开更多
关键词 火电机组 阀门流量特性曲线 数据加和筛选法 改进k均值聚类分析 改进粒子群算法
在线阅读 下载PDF
期望因子驱动下的K-means初始聚类中心优化算法研究
10
作者 冯鑫 檀丁 李明峰 《现代电子技术》 北大核心 2026年第6期89-93,共5页
合理的初始聚类中心是提升K-means算法聚类效果和避免局部最优的关键。为了确定合理的初始聚类中心,文中提出一种期望因子驱动下的K-means初始聚类中心优化算法。首先,设计期望因子驱动下的网格划分标准来衡量样本点密度因素,并采用欧... 合理的初始聚类中心是提升K-means算法聚类效果和避免局部最优的关键。为了确定合理的初始聚类中心,文中提出一种期望因子驱动下的K-means初始聚类中心优化算法。首先,设计期望因子驱动下的网格划分标准来衡量样本点密度因素,并采用欧氏距离衡量样本点距离因素;其次,引入权重系数约束密度因素和距离因素,综合考虑两种因素以优化初始聚类中心的选取,增强全局搜索能力和提升聚类效果;最后,提出中心相距和的概念来衡量初始聚类中心的优化效果。在UCI数据集Iris、Seeds和Wine上的对比实验结果表明,所提算法的中心相距和相较于传统K-means算法分别减小75%、52%、58%,误差平方和分别减小15%、7%、6%,准确率分别提升20%、19%、24%,性能优于其他改进算法。实验结果证明,所提算法能够有效优化初始聚类中心,提高聚类效果和聚类结果稳定性。 展开更多
关键词 初始聚类中心 优化算法 k-MEANS 期望因子 网格划分 权重系数
在线阅读 下载PDF
一种预焙阳极表面氧化缺陷的Mask R-CNN检测方法
11
作者 刘博超 赵利平 +1 位作者 李国彦 刘立春 《机械设计与制造》 北大核心 2026年第2期33-36,41,共5页
为实现预焙阳极表面氧化缺陷的在线检测,采用Mask R-CNN对预焙阳极表面氧化缺陷进行检测。该方法以线扫描法采集到的图像数据作为输入,以ResNet101为网络骨架,经过特征提取网络获取图像中的特征信息,然后在区域推荐网络(RPN)中采用K-me... 为实现预焙阳极表面氧化缺陷的在线检测,采用Mask R-CNN对预焙阳极表面氧化缺陷进行检测。该方法以线扫描法采集到的图像数据作为输入,以ResNet101为网络骨架,经过特征提取网络获取图像中的特征信息,然后在区域推荐网络(RPN)中采用K-means聚类算法生成Anchor进而输出感兴趣区域(ROI),最终通过ROI Align以及预测网络输出类别信息以及边框信息,完成预焙阳极表面氧化缺陷的检测。试验结果表明,该方法能够有效的检测出预焙阳极表面氧化缺陷,并且准确率能达到95%,满足预焙阳极在线检测的标准。 展开更多
关键词 预焙阳极 氧化缺陷 深度学习 Mask R-CNN k-MEANS聚类算法
在线阅读 下载PDF
差分隐私HADPK-means++聚类算法
12
作者 徐富国 李磊 陈涛 《福建电脑》 2026年第2期7-15,共9页
为解决差分隐私k-means聚类算法在迭代过程中因噪声累积导致簇中心偏离,进而影响聚类可用性的问题,本文提出一种高可用性的差分隐私HADPK-means++算法。该方法通过基于逆序排序的初始簇中心选择以提升初始中心质量,引入结合簇内与簇间... 为解决差分隐私k-means聚类算法在迭代过程中因噪声累积导致簇中心偏离,进而影响聚类可用性的问题,本文提出一种高可用性的差分隐私HADPK-means++算法。该方法通过基于逆序排序的初始簇中心选择以提升初始中心质量,引入结合簇内与簇间相似度的新度量以优化样本划分,并利用差分隐私的变换不变性对加噪后的簇中心进行修正,防止其偏离有效数据范围。在Iris、Wine等多个真实数据集上的实验表明,在相同隐私保护预算下,本算法的F值与标准互信息(NMI)均优于现有主流差分隐私k-means算法。HADPK-means++算法能有效抑制簇中心偏离,提升聚类的可用性与鲁棒性。 展开更多
关键词 聚类 k-MEANS算法 差分隐私
在线阅读 下载PDF
基于K-means聚类算法的企业财务报表分析模型构建
13
作者 庄媛 《山西师范大学学报(自然科学版)》 2026年第1期40-44,共5页
为了通过K-means聚类算法实现企业财务报表分析,建立基于K-means聚类算法的企业财务报表分析模型.获取企业财务报表中的三大相关财务报表中的数据,采用K-means聚类算法对企业财务报表进行聚类.通过聚类结果构建数据仓库,经过计算获取财... 为了通过K-means聚类算法实现企业财务报表分析,建立基于K-means聚类算法的企业财务报表分析模型.获取企业财务报表中的三大相关财务报表中的数据,采用K-means聚类算法对企业财务报表进行聚类.通过聚类结果构建数据仓库,经过计算获取财务分析中比较常用的财务指标.将企业净资产收益率作为衡量标准,同时将其他财务相关指标作为输入,建立企业财务报表分析模型.通过实验分析证明,所提方法能够准企业况,为企业的财务决策提供有力依据.K-means聚类算法在企业财务报表分析领域具有广泛的应用前景和重要的实践价值. 展开更多
关键词 k-MEANS聚类算法 企业财务报表 分析模型
在线阅读 下载PDF
基于PSO-K-means聚类压缩感知的用电量数据修复方法
14
作者 张心怡 刘绪杰 林穿 《电工电气》 2026年第2期7-12,共6页
随着电力系统智能化发展,用电数据的完整性需要对负荷预测与调度提出更高要求。针对传统K-means算法存在初始聚类中心敏感、易陷入局部最优的缺陷,以及用电数据缺失问题,提出了一种改进聚类算法与压缩感知的联合修复方法,并设置了低缺... 随着电力系统智能化发展,用电数据的完整性需要对负荷预测与调度提出更高要求。针对传统K-means算法存在初始聚类中心敏感、易陷入局部最优的缺陷,以及用电数据缺失问题,提出了一种改进聚类算法与压缩感知的联合修复方法,并设置了低缺失率、高缺失率以及连续缺失率的数据缺失场景进行实验验证。通过粒子群优化算法(PSO)实现全局最优聚类中心搜索,利用轮廓系数和CH指数验证PSO-K-means算法的聚类性能;基于PSO-K-means算法对用电数据的聚类结果采用同类数据均值预填充缺失时段,将同类数据构建的时间序列进行压缩感知重构。结果表明,在设置的三种场景中,相较其他方法,所提方法在决定系数和均方根误差指标上都更加优异,显著提升数据修复精度,为智能电网数据质量优化提供了创新技术路径,有效支撑电力系统精准调度与运行。 展开更多
关键词 PSO-k-means算法 压缩感知 用电量数据 数据修复
在线阅读 下载PDF
基于DFT-DTW-k-means++与CNN-BiGRU电力数据降噪与负荷预测
15
作者 王建文 靳松华 马菲 《微型电脑应用》 2026年第1期30-33,38,共5页
针对传统电力数据分析易受跨域信息干扰,导致跨域负荷预测精度低的问题,提出一种基于离散傅里叶变换—动态时间规整(DFT-DTW)-k-means++结合卷积神经网络—双向门控循环单元(CNN-BiGRU)的数据降噪与预测模型。采用DFT对电力负荷数据进... 针对传统电力数据分析易受跨域信息干扰,导致跨域负荷预测精度低的问题,提出一种基于离散傅里叶变换—动态时间规整(DFT-DTW)-k-means++结合卷积神经网络—双向门控循环单元(CNN-BiGRU)的数据降噪与预测模型。采用DFT对电力负荷数据进行降噪处理;采用k-means++算法对电力负荷数据进行聚类划分,并采用DTW对跨域的电力负荷数据进行度量;构建CNN-BiGRU的负荷预测模型对电力负荷进行预测。结果表明:采用DFT的降噪方法得到的时域信号更加明显;在随机森林回归等不同预测模型下,DFT-DTW-k-means++的数据划分方法的均方根误差值更低;相较于双向长短期记忆(BiLSTM)预测模型、支持向量回归预测模型等,所提出的预测模型的平均均方误差值为0.085,均低于其他预测模型。由此说明,所提出的模型可实现跨域负荷数据降噪,且可提高预测准确率,进而提升电力数据利用效果。 展开更多
关键词 深度学习 电力交易数据 k-means++算法 卷积神经网络—双向门控循环单元 电力负荷预测
在线阅读 下载PDF
基于K近邻算法的黏性土无侧限抗压强度估算方法研究
16
作者 沈铃山 《山西建筑》 2026年第5期65-68,共4页
黏性土无侧限抗压强度是评价地基承载力和变形特性的重要指标,传统试验方法受限于效率与样本覆盖,难以快速满足工程现场预测需求。文中以K近邻算法为基础,构建黏性土无侧限抗压强度预测模型,围绕特征变量筛选、样本归一化、参数设定、... 黏性土无侧限抗压强度是评价地基承载力和变形特性的重要指标,传统试验方法受限于效率与样本覆盖,难以快速满足工程现场预测需求。文中以K近邻算法为基础,构建黏性土无侧限抗压强度预测模型,围绕特征变量筛选、样本归一化、参数设定、模型训练、误差评价与敏感性分析展开系统研究,采用交叉验证选取最优K值区间,构建稳健回归结构。与线性回归与支持向量回归模型对比,验证K近邻算法在非线性地质特征条件下的预测优势,明确其在工程数据驱动应用中的适应能力。结果表明,该方法具备良好的精度与解释性,适用于多场景强度估算任务,具备一定推广潜力与模型集成空间。 展开更多
关键词 k近邻算法 黏性土 无侧限抗压强度 回归预测 岩土工程
在线阅读 下载PDF
基于“5D-熵权-TOPSIS-SOM+K-means”的TOD效能量化评价与分类优化研究——以天津地铁3号线为例
17
作者 宫同伟 李牧川 +1 位作者 张秀芹 杨佳璇 《城市建筑》 2026年第4期49-52,共4页
为科学评估TOD效能并划分类型,促进城市交通与土地利用协同发展,本研究构建“5D—熵权-TOPSIS—SOM+K-means”综合方法体系。首先,扩展建成环境“5D”原则,增设“站点特征”和“客流量”维度,构建评价框架;其次,基于多源数据,采用熵权-T... 为科学评估TOD效能并划分类型,促进城市交通与土地利用协同发展,本研究构建“5D—熵权-TOPSIS—SOM+K-means”综合方法体系。首先,扩展建成环境“5D”原则,增设“站点特征”和“客流量”维度,构建评价框架;其次,基于多源数据,采用熵权-TOPSIS法测度TOD效能;最后,运用SOM+K-means算法与耦合协调度模型进行站点分类与协调性分析,并提出优化策略。以天津地铁3号线为例,研究表明:TOD效能整体水平不高,两极分化特征显著,空间分异特征明显;站点可分为五类,并针对不同类型提出优化策略。 展开更多
关键词 城市轨道交通站点 TOD效能 熵权-TOPSIS法 SOM+k-means算法
在线阅读 下载PDF
基于SFS特征选择和k-means聚类的网络故障检测方法
18
作者 陈志敏 周涛 梁永 《微型电脑应用》 2026年第1期226-229,共4页
针对单一模型网络故障检测方法存在的准确率低、误检率高、实时性差等问题,提出一种基于序列前向选择(SFS)特征选择和k-means聚类的网络故障检测方法。利用SFS对高维网络特征数据进行特征选择,获得最优特征子集的同时降低后续处理的运... 针对单一模型网络故障检测方法存在的准确率低、误检率高、实时性差等问题,提出一种基于序列前向选择(SFS)特征选择和k-means聚类的网络故障检测方法。利用SFS对高维网络特征数据进行特征选择,获得最优特征子集的同时降低后续处理的运算量和复杂度;利用k-means对SFS的低维特征进行聚类分析,实现对不同网络类型的有效区分,同时采用蚁群算法(ACO)对k-means聚类数目进行全局寻优,提升聚类性能。利用KDDCUP99公开数据集进行实验,结果表明,相比传统k-means、支持向量机(SVM)、BP神经网络3种方法,所提出的方法的检测结果准确率提升超过2.7%,误检率降低超过3.9%,且实时性更高。 展开更多
关键词 序列前向选择 网络故障检测 特征选择 k-means聚类分析 蚁群算法
在线阅读 下载PDF
基于k-means算法的聚类个数确定方法改进 被引量：7
19
作者 王丙参 王国长 魏艳华 《统计与决策》 北大核心 2025年第7期59-64,共6页
文章基于k-means算法探讨了最优聚类个数k*的确定方法:第一类是统计量方法;第二类是聚类算法不稳定性方法,即基于两次聚类结果间的距离,利用交叉验证、随机抽样取交集、自助法来构建聚类算法估计不稳定性指标,并根据投票、最小化均值方... 文章基于k-means算法探讨了最优聚类个数k*的确定方法:第一类是统计量方法;第二类是聚类算法不稳定性方法,即基于两次聚类结果间的距离,利用交叉验证、随机抽样取交集、自助法来构建聚类算法估计不稳定性指标,并根据投票、最小化均值方法确定k^(*)。数值模拟结果显示:在给定k^(*)的情况下,聚类结果与标签的距离或相似度可作为评价聚类结果的指标,为聚类算法评价提供了新的借鉴;基于k-means算法确定k^(*)的前提是数据集根据欧氏距离可明显分为几簇,相对而言,聚类算法不稳定性方法优于统计量方法;对于不稳定性指标,交叉验证估计方法与随机抽样取交集估计方法对抽样个数稳健,抽样个数依次建议略少于样本容量的1/3、80%;自助抽样估计方法由于利用了全部样本,因此效率更高;4种不稳定性指标没有显著差异,投票与最小化均值方法也没有显著差异。 展开更多
关键词 k-MEANS算法 聚类个数 统计量 不稳定性
在线阅读 下载PDF
基于K互近邻与核密度估计的DPC算法 被引量：2
20
作者 周玉 夏浩 +1 位作者 刘虹瑜 白磊 《北京航空航天大学学报》 北大核心 2025年第6期1978-1990,共13页
快速搜索和发现密度峰值聚类(DPC)算法是一种基于密度的聚类算法。该算法不需要迭代和过多的设定参数,但由于计算局部密度时没有考虑数据的局部结构,导致无法识别簇密度小的聚类中心。针对此问题,提出基于K互近邻(KN)和核密度估计(KDE)... 快速搜索和发现密度峰值聚类(DPC)算法是一种基于密度的聚类算法。该算法不需要迭代和过多的设定参数,但由于计算局部密度时没有考虑数据的局部结构,导致无法识别簇密度小的聚类中心。针对此问题,提出基于K互近邻(KN)和核密度估计(KDE)的DPC(KKDPC)算法。通过K近邻和核密度估计方法得到数据点的K互近邻数量和局部核密度;将K互近邻数量与局部核密度进行加和获得新的局部密度;根据数据点的局部密度得到相对距离,并通过构建决策图选取聚类中心及分配非中心点。利用人工数据集和真实数据集进行实验,并与DPC、基于密度的噪声空间聚类应用(DBSCAN)、K-means、模糊C均值聚类算法(FCM)、基于K近邻的DPC(DPCKNN)、近邻优化DPC(DPC-NNO)、基于模糊加权共享邻居的DPC(DPC-FWSN)算法进行对比。通过计算调整互信息(AMI)、调整兰德指数(ARI)、归一化互信息(NMI)来验证KKDPC算法的性能。实验结果表明:KKDPC算法能更加准确地识别聚类中心,有效地提高聚类精度。 展开更多
关键词 聚类算法 密度峰值 k近邻 k互近邻 核密度估计
原文传递
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 250 下一页 到第 页
使用帮助 返回顶部