基于分布式聚类的作物生长环境异常检测方法

为了处理大量分布式存储的农业环境数据,提高农业生产效率,对高斯混合模型聚类算法进行了改进,提出了一种基于分布式聚类的农业环境数据异常检测方法.在Spark分布式计算框架下,首先对数据进行粗聚类,得到初始化模型;然后利用Spark迭代更新模型直至稳定,其中Map阶段将样本点分配到模型,Reduce阶段更新模型个数及参数;最后利用聚类结果,实现环境异常值的检测.实验结果表明该方法可行有效.     

基于TQM的宾馆业顾客满意度评价方案研究

在分析现行宾馆顾客满意度评价方法利弊的基础上,运用质量管理和服务营销理论,借鉴TQM、ISO9000族标准和6σ以顾客为关注焦点管理的系统方法,分析了宾馆业顾客满意度(CSD)评价指标体系设计准则,通过进行顾客满意度评价指标体系关联性评价与遴选,提出了顾客对客房服务进行满意度评价的指标体系,并将效用函数与隶属度评价方法相结合,建立了顾客满意度评价模型.结合宾馆实例,进行顾客满意度评价模型应用案例分析,评价结果反映出宾馆顾客满意度N=0.5,顾客对宾馆服务较满意,并根据评价结果提出了改进建议.     

基于知网的领域概念抽取与关系分析研究

针对目前领域概念抽取手工完成的现况,提出了一种基于知网的领域概念抽取和关系分析系统模型.本模型利用知网语义相关性从文本中生成领域语义词典,结合TFIDF算法建立"词-文本文档矩阵",用以代替传统的词形频率统计;通过产生领域语义本体,利用语义相似度对概念进行聚类.讨论了这3个步骤所涉及的算法,包括基于统计模式从文本中抽词,基于奇异值分解从词-文档矩阵中提取概念,基于语义相似度对概念进行聚类等.实验表明,本文提出的抽取方法相对与词频算法具有较高的准确度.     

一种基于模糊聚类的可解释性建模方法

提出一种基于模糊聚类的可解释性建模方法.利用提出的一种含有熵的聚类有效性函数来评价模糊聚类方法的有效性和可解释性,从而确定模糊规则数和模型前提参数,然后利用最小二乘法来辨识模型的结论参数,最后采用梯度下降法来调整模型的参数.该方法应用于Box-Jenkins 数据仿真实例,仿真结果表明该方法不但能保证系统的精确性,还具有很高的可解释性.     

干扰环境下数目可变的多目标跟踪

针对环境中干扰因素对目标跟踪性能的影响,提出了一种跟踪数目可变的多目标方法. 该方法通过聚类算法来判断目标的出现或消亡,并获得目标数目,然后利用基于无迹卡尔曼的廉价联合概率数据关联算法获得量测与已知目标轨迹的互联概率,并实现状态传递. 与传统的廉价联合概率数据关联算法相比,该算法在干扰环境下跟踪性能更优,可处理目标数目可变的多目标跟踪问题.     

一种基于聚类的RBF神经网络模型

应用于工程中的径向基函数(RBF)神经网络模型,当训练样本量很大时常存在训练学习速度慢和拟合精度不高的问题.针对这一情况提出了一种基于聚类的RBF神经网络(BC-RBFNN)模型.该模型首先通过对训练样本进行聚类分析,将其分为不同的类,接着根据每类的训练样本构造一个RBF子网并获取其相关参数,接着再将各个子网组织成一个BC-RBFNN模型.通过对其进行理论分析和性能检验试验,结果表明该模型能加快网络训练学习速度,缩小的模型规模,提高网络的预测精度.     

基于权重的改进K-means算法应用研究

数据聚类是将数据对象划分到不同的类或簇中,是数据挖掘中的一项重要技术.教育领域拥有海量的学生信息数据,把数据挖掘中的聚类技术引入其中,具有很强的实际价值.阐述了运用数据挖掘中改进的引入权重的聚类技术对成绩数据进行选择、预处理和挖掘分析等,展示了3个Matlab实验使成绩数据如何通过K-means算法进行聚类分析,并对3种运行结果的意义各自进行了显示与分析,同时指出了运行结果的不足及意义.针对学生实验中的分类原因进行了研究并在学生成绩分析中发现很多隐含着的不易发现的有价值信息,利用这些聚类结果提出了相应的教学措施及建议,从而有针对性地提高教学质量.     

基于语义的Ontology聚类研究

提出了一种基于语义的Ontology相似性计算方法,该方法不仅考虑概念本身的相似性,还考虑了属性集合和相关概念集合的相似性,通过概念基本相似性极限控制属性集合相似性计算的范围,通过语义半径控制相关概念的范围.以基于语义的Ontology相似性方法计算Ontology聚类的相似性矩阵,采用凝聚层次聚类算法实现Ontology聚类.实验表明:基于语义的Ontology聚类能够获得满意的效果,在性能上优于使用oMAP相似性方法的Ontology聚类.     

聚类分析用于序列SAR干涉像对选取

该文分析了干涉像对选取过程,提出一种利用聚类分析进行序列SAR干涉像对选取的方法. 选择合适的去相干因素构建特征空间,将序列SAR影像所有干涉组合的去相干因素映射到该特征空间,从而将干涉像对选取问题转换为特征空间的聚类分析. 根据干涉像对选取原则设计合适的聚类方法对去相干因素进行聚类,聚类结果对应于符合要求的干涉像对,实现序列SAR干涉像对的选取. 实验结果表明该方法简单有效.     

迷彩设计中背景图像聚类方法的比较分析

迷彩设计中,通过对目标背景的图像信息进行归类处理,利用图像分割技术获取背景斑点,然后设计出与背景亮度和纹理相协调的迷彩图案. 目前,最常用的图像分割方法是均值聚类法,由于它直接利用灰度信息以致分割的细节不明显,容易导致模拟背景纹理失真. 针对它的不足,提出了采用基于自组织特征映射(self organizing feature map, SOFM)神经网络的分割方法对背景进行聚类分割. 该方法将整幅图像作为神经网络的输入,聚类分割后的颜色作为输 出,按照自组织特征映射网络的学习过程,使用其函数进行迭代运算直至学习停止. 比较实验结果表明,SOFM方法能更好地保留图像的细节纹理,得到较为理想的设计效果.     

基于改进K均值聚类的银行客户分类算法

为了提高银行客户分类的正确率,使银行的收益最大化,提出一种基于改进K均值聚类的银行客户分类算法.算法定义了类间最大相似度均值(AMS),并根据该定义确定最佳聚类数.当计算出的当下AMS值比前一次的AMS值小时,根据距离原则选择初始聚类中心;当计算出的当下AMS值比前一次的AMS值大时,把该最小AMS值相匹配的聚类中心看作初始聚类中心.利用最佳聚类数和初始聚类中心实现银行客户的细分.仿真结果表明,提出的算法能够跳出局部最优,并提高客户分类的正确率.     

基于改进高斯两步移动搜索法的医疗设施可达性评价

为了能准确评估城市内大型医疗设施分布的均衡性,本研究通过引入道路通勤距离和人口数据对高斯两步移动搜索法进行改进,并以平顶山市各小区为研究对象,对其到医疗设施的可达性进行评价与分析,采用K-means聚类法来分析不同区域到医疗设施可达性不均衡分布的限制因素。研究结果表明：将通勤距离和人口数据引入高斯两步移动搜索法中,能更客观地评价医疗设施的可达性;平顶山市综合可达性值高的区域位于市中心七所医院偏左的位置,市辖区西部区域的综合可达性值要高于东部区域;不同小区到医疗设施的可达性受交通距离、需求量、供给能力等因素的影响。最后,在分析结果的基础上对平顶山市辖区新医院的规划和建设提出决策建议。     

管桩竖向承载力预测可靠度评估

本文基于可靠度理论编制计算程序、对管桩承载力预测方法进行可靠度评估,并利用管桩承载力试验值与计算值之比进行可靠度分析、研究其竖向极限载力计算模型的不确定性。通过对Schmertmann和Nottingham法、Almeida等法、Powell等法、Eslami和Fellenius法、以及聚类中心法概率分布模型进行检验,发现对数正态分布的拟合特性较好、正态分布基本不被拒绝,而极值I型分布时则要慎用。模拟计算结果表明,中心点法只适用于可靠度的粗略计算、验算点法计算效率和精度可满足一般工程要求,而蒙特卡罗重要抽样法的效率较之蒙特卡罗直接抽样法有明显提高、可用于精度要求较高的工程;管桩竖向极限载力聚类中心法计算模型的可靠度要高于其它预测方法。     

市政工程建筑信息模型采纳意愿影响因素研究

为了进一步推广市政工程中建筑信息模型(BIM)技术的使用,在文献研究的基础上,通过整合技术任务适配(TTF)模型、整合型技术接受模式(UTAUT)、初始信任模型(ITM),建立了影响市政工程领域BIM技术采纳意愿的测度模型,并通过网络问卷调查获得数据后使用结构方程模型进行分析。结果显示,努力期望、初始信任、任务-技术适配程度、促进条件4个因素均对BIM技术采纳意愿具有一定的积极影响。根据分析结果对推广我国市政领域内BIM技术的采纳行为提出建议。     

3种修正的机器学习算法在逐3h降水量预报中的比较应用

为了订正数值预报产品,完善预报模型本地化应用,提高石林地区降水预报准确率,采用石林地区2016—2018年3h累计降水量观测资料和欧洲细网格数值预报场资料,基于概率神经网络(PNN)、支持向量机(SVM)和Logistics判别的3种机器学习算法对石林地区的逐3h时间间隔降水量的8个等级进行回归建模。利用遗传算法修正PNN网络的平滑因子和SVM模型的核函数中的Gamma值及惩罚系数,选择最优模型参数并建模;尝试线性回归后再多次使用Logistics判别的技术获得8个降水量级的预报值来构建预报模型,修正AUC阈值获取方式,提高预报模型TS评分。通过3种机器学习模型2018年汛期降水预报的业务检验表明,PNN和SVM模型优于扩展的Logistics判别模型,3种模型中Logistics判别模型的TS评分接近30%,PNN和SVM模型TS评分在45%左右,特别是对中雨以上的较强降水预报,3种模型TS评分达到28%。     

基于显微图像的动物纤维鉴别技术

羊绒与细羊毛的主要辨识依据是两者的表皮鳞片模式.该领域内常用的一项技术是分析纤维的SEM图像,通过鳞片边缘高度来区分两类纤维,但其成本高昂,且有8%的误差.该文提出区分两类纤维的新方法,首先将显微摄像系统获取的纤维图像处理成单像素宽度的二值骨架图,通过该二值骨架图提取纤维鳞片的4个相对形状参数,构建贝叶斯 分类模型.数值实验表明,尽管该模型是基于光学显微镜的,但其分类性能却相似于基于扣描电镜的模型,对羊绒与细羊毛(70S)的正确识别率达到90%.     

一种基于模糊C均值聚类的稀疏数据缺失值填充方法

缺失数据处理通常基于统计学的方法,在数据预处理阶段对缺失值进行填补,其效率和准确性并不高。因此,提出了一种基于模糊C均值(FCM)聚类的嵌入式填充方法(FCMSI)。此算法通过平均比率法(ARM)对稀疏数据进行初始化填充;采用局部距离策略对FCM进行改进,并对数据进行聚类;将缺失数据作为变量,在每次聚类迭代后的簇内采用协同过滤(CF)的思想对变量值进行替换,直到结果收敛。利用UCI标准数据集进行对比实验,并采用三种不同评价指标衡量,验证了FCMSI方法比传统填充方法性能显著提高。     

基于模糊矢量量化(FVQ)普通话等级测试模型研究

应用模糊聚类矢量量化技术,构造了普通话等级测试模型,以对实现计算机自动评判普通话等级测试系统软件进行开发,并在此模型的指导下按原型法进行了实际开发,经初步试验测试,获得了较好的实验结果.     

聚类分析算法研究

聚类分析是数据挖掘的重要的组成部分,已经广泛应用于模式识别、电子商务、图像处理等领域。本文对几种主要的聚类及孤立点检测方法进行了分析研究,介绍了各种聚类方法的优缺点,并对聚类研究进行了总结。     

网球视频中基于OPF聚类的球体检测方法

针对网球视频中网球的检测和跟踪问题,提出了一种基于最优路径森林(OPF)聚类的球体跟踪方案.首先,对输入的不稳定视频进行稳定化处理,以消除视频中的抖动和噪声.然后,将黄色平面强度特征和相位四元数傅里叶变换特征作为球体特征,从视频帧中分离出候选目标.最后,利用OPF聚类从球体候选目标中分类出真实目标,获得球体实际位置,从而绘制出球体运动轨迹.实验结果表明,该方法能够从视频帧中准确检测出网球,具有较高的精度和鲁棒性.