一种改进的K means聚类彩色图像分割方法

图像分割是从图像处理到图像分析的关键步骤.图像分割的目的是将图像分割为多个互不重叠且又各具特性的区域,主要应用于图像压缩、目标提取、模式识别等.以往的图像分割技术主要应用于灰度图像,随着计算机技术的进步,彩色图像分割逐渐受到关注.该文在前人对彩色图像分割问题的大量研究成果基础上,提出了一种将K-means聚类、蚁群算法以及分水岭算法相结合的分割方法.本方法有效的克服了聚类数目必须依据先验知识提前设定、最初的聚类中心是随机选取的、聚类的效果好坏依赖于距离判定公式的缺陷.     

一种改进的全局K-均值聚类算法

将快速K中心点聚类算法确定初始中心点的思想应用于全局K-均值聚类算法,对其选取下一个簇的最佳初始中心的方法进行改进,提出选取下一个簇的最佳初始中心的一种新方法.该新方法选择一个周围样本分布相对密集,且距离现有簇的中心比较远的样本为下一个簇的最佳初始中心,得到一种改进的全局K-均值聚类算法.改进后的算法不仅可以避免将噪音点作为下一个簇的最佳初始中心点,而且在不影响聚类效果的基础上缩短了聚类时间.通过UCI机器学习数据库数据以及随机生成的人工模拟数据实验测试,证明改进的全局K-均值聚类算法与全局K-均值聚类算法及快速全局K-均值聚类算法相比在聚类时间上更优越.     

基于特征选择的公交专用道设置方法

本文研究城市公交专用道的设置方法,以贵州省贵阳市城市道路为实验城市,融合了电警、卡口过车数据、公交车GPS数据、公交车线路数据、公交车站点分布数据、道路基础信息数据和电警、卡口地理信息数据。构建视频检测设备的网络拓扑结构,分析公交车和社会车辆速度的关系特征构建特征选择模型,判断出城市哪些路段需要设置公交专用道。然后设计模型优化算法进一步判断各路段适不适合设置公交专用道以及怎样设置的方法,最终研究出一套能够基于数据自动计算城市公交专用道设置方案的方法。     

基于K-Means和Apriori算法的多层特征提取方法

根据科技文献的结构特点,论文提出了一种四层挖掘模式,并结合K-means算法和Apriori算法,构建一个新的特征词提取方法——MultiLM-FE方法.该方法首先依据科技文献的结构将其分为4个层次,然后通过K-means聚类对前3层逐层实现特征词提取,最后再使用Aprori算法找出4层的最大频繁项集,并作为4层的特征词集合.该方法能够解决K-means算法不能自动确定最佳聚类初始点的问题,减少了聚类过程中信息损耗,这使得该方法能够在文献语料库中更加准确地找到特征词,较之以前的方法有很大提升,尤其是在科技文献方面更为适用.实验结果表明,该方法是可行有效的.     

基于样本优化的神经网络方法在储层裂缝识别中的应用

常规测井资料解释应用于非常规储层裂缝识别时,存在裂缝识别率低,储层评价不准确等问题;而成像测井方法(FMI)识别效果好,但成本过高。为了提高常规测井裂缝识别的准确率,首先采用BP(back propagation)神经网络方法,建立常规测井参数与裂缝发育程度之间的非线性关系。在神经网络样本选取上,引入K-means聚类算法,依据不同样本特征对其进行优化分类。最后,利用聚类结果分别建立更为精细的神经网络模型,并用于实际裂缝预测。将该方法应用于塔河油田碳酸盐岩储层A探井,识别结果表明:基于样本优化方法的裂缝密度曲线拟合效果(相关系数R分别为0.84、0.89、0.76)明显优于未考虑样本优化方法(R为0.58),验证了本文方法的优越性,可以将其作为一种识别储层裂缝发育程度的新方法。     

一种新的K-均值动态聚类算法

针对K-均值算法易受孤立点影响、对初始中心点选择敏感、易陷入局部最优的问题,对K-均值算法进行了改进,提出了一种自适应优化选择初始中心点的K-均值算法。实验结果表明,改进后的算法不仅较大程度上弥补了传统K-均值算法的不足,并且提高了聚类的稳定性和准确率。     

基于聚类的多进制扩频伪码序列盲估计方法*

针对多进制扩频系统伪码序列估计的问题,借鉴无监督聚类分析的思想,提出了一种基于K均值聚类算法的多进制扩频系统伪码序列估计方法。该方法首先将多进制扩频信号分段成不重叠的信号向量构造数据集合,利用数据集合的自相关矩阵的检测统计量完成信号的盲同步;其次通过搜索基于K均值聚类的代价函数来估计伪码集合规模,代价函数曲线的拐点位置为伪码集合规模的估计值;最后利用数据集合的聚类特征完成伪码序列的估计。理论分析和计算机仿真表明,该方法可以准确估计多进制扩频系统伪码时延和伪码序列值。     

基于核主元聚类的股票分类

为了正确区分不同的股票类别, 降低分类的复杂度,论文结合核主元分析和K均值聚类构造核主元聚类方法对上市公司股票进行了分类处理.在核主元聚类方法中, 首先对样本数据进行预处理,然后利用核主元分析以非线性方式降低数据的维数,再利用K均值聚类方法对降维后数据进行聚类,并最终得到不同的股票分类情况.选择了沪深股市中20支上市公司股票来进行实证分析.实证结果表明：核主元聚类方法取得了较好的分类结果,为上市公司股票分类和评估提供了很好的依据, 具有较好的适用性.     

小波图像压缩编码中小波基的选择技术研究

传统的分类器对不均衡数据集的分类严重倾向于多数类。为了有效地提高不均衡数据集中少数类的分类性能,针对此问题提出了一种基于K-means聚类和遗传算法的少数类样本采样方法。通过K-means算法将少数类样本聚类分组,在每个聚类内使用遗传算法获取新样本并进行有效性验证,最后通过使用KNN和SVM分类器,在仿真实验中证明了方法的有效性。     

基于改进 K 均值和马尔科夫链的公交车行驶工况构建

目的 为填补目前缺少符合重庆城区地形特点的公交车行驶工况空白。 方法 提出一种改进的 K 均值聚类算 法与马尔科夫链结合的行驶工况构建方法。 通过滤波算法对采集到的重庆城区 805 路公交车有效行驶数据进行 平滑处理,从平滑后的行驶数据中提取出 1 721 条运动学片段;采用核主成分分析法对各运动学片段的特征参数矩 阵进行降维处理,以粒子群算法选择适合的 K 均值初始聚类中心,并通过改进后的 K 均值聚类算法对运动学片段 进行分类标记;最后通过马尔科夫链筛选出合理的运动学片段,构建出时长为 1 310 s 的重庆城区公交车行驶工 况。 结果 将构建的行驶工况与实车采集数据及国内外部分典型工况进行对比,结果表明:所构建的工况与原始数 据在速度-加速度的联合分布趋势一致,构建的行驶工况与实车采集数据各特征值误差均小于 7%,所构建的工况 与原始数据特征高度吻合且能较好地反映出重庆城区公交车怠速时间比例高、加减速频繁等符合区域特点的实际 交通状况。 结论 构建的工况能为重庆市公交车行驶路线规划、排放及油耗测试等方面提供基础标准,同时其涉及 的研究方法能为新能源汽车能量管理、控制策略及其他城市工况构建和城市公交线路优化提供参考。