基于K-means聚类算法的女裤弹性面料分类研究

依据国家纺织行业标准FZ/T 01034—2008和FZ/T7 0006—2004,对37种女裤常用弹性面料进行测试,以获得弹性性能指标。运用K-means聚类算法,借助SPSS软件,在综合分析弹性面料经纬向弹性伸长率和回复率的基础上,将女裤弹性面料分为低弹面料、中弹面料、中高弹面料、高弹面料和超高弹面料等5类,以期为企业在弹性面料女裤的款式、结构设计及智能化实现方面提供有效参考。     

基于改进的K-means聚类算法人体体型分析研究

准确的人体体型分析结果是满足服装合体性要求的重要保证。在分析传统体型分析方法存在缺陷的基础上,提出利用多元统计分析中的K-means聚类分析方法对目标群体的人体体型特征进行分析,并对传统体型分析中特征变量的选择方法和聚类分析方法中的随机选取初始聚类中心的方法进行了改进,使体型分析的结果能够更准确地反映人体的体型特征。     

基于K-means聚类算法和BP神经网络的稻米品种鉴别

BP神经网络是利用误差逆向传播训练的前馈网络,具有自适应、实时学习的特点,在分类中广泛应用。但当样本类别过多,BP神经网络的分类精度显著降低。基于此,本研究提出了一种K-means聚类算法和BP神经网络相结合的方法作稻米品种鉴别。利用图像处理方法提取出11种稻米样品的灰度平均值、长宽比和圆形度三项特征参数,利用K-means聚类算法对所得数据进行聚类,聚类的结果作为BP神经网络的输入,训练得到分类器。实验结果表明,这种算法的分类效果要优于单一使用BP神经网络和K-means算法,且分类准确率达到80%,可见本实验的方法用于稻米品种鉴别是可行的。     

基于类内K-means聚簇的KNN改进算法

传统的KNN算法的时间复杂度与训练样本集的数量成正比,大规模数据下其分类效率显著下降,因此它不适用于大规模数据的在线实时处理。为此,本文提出了一种基于类内K-means聚簇的KNN改进算法。该算法先对训练样本集内各个类别的样本分别进行K-means聚簇,得到各个样本所属的簇标签,与各个簇标签所对应的簇中心向量。在进行KNN分类时对于每个测试样本先计算它与各个簇中心向量的相似度,选出排名前的一定个数的簇标签,随后以这些簇所含的样本集作为该测试样本的训练样本集进行传统的KNN分类。改进算法通过这种选择训练样本集而缩小了比对范围,减少了大量计算量。实验表明,改进的KNN分类算法在分类的准确率没有明显变动下,运行效率得到了明显的提升。     

基于K-means聚类和蚁群算法在WSN粮情测控中的研究

结合无线粮情测控中粮仓环境数据采集,以及WSN(无线传感器网络)供电能量有限等特点,提出一种基于LEACH协议、K-means聚类和蚁群算法的WSN改进路由算法。首先在预处理阶段利用K-means聚类算法将散布的节点分成多个簇,通过聚类减少数据发送量。其次,利用蚁群算法支持多路径的特点,在数据传输阶段形成簇首间多跳路由机制。仿真结果表明:所用算法能够有效减少数据传输时的能量消耗,延长节点的网络生命周期。     

利用K-means聚类技术对大学生成绩分析研究

本文利用K-means聚类技术进行分析与研究,使用WEKA软件工具进行操作,通过研究与分析能够很好对学生进行分类。     

K-means算法研究综述

K-means算法是硬聚类算法,是典型的基于原型的目标函数聚类方法的代表,它是数据点到原型的某种距离作为优化的目标函数,利用函数求极值的方法得到迭代运算的调整规则。本文主要阐述了K-means的基本算法流程,总结评述了改进的k-means算法的研究现状,以及和经典算法的比较。最后总结了k-means算法存在的一些问题,并指出了改进的方向。     

基于K-means聚类算法的机场客流量变化对机场出租车数量影响情况

近年来,随着交通运输的不断发展,乘坐飞机人数越来越多,而出租车成为乘客们离开机场的主要交通工具之一。为研究机场出租车的流量情况,通过寻找分析指标来建立出租车司机在机场的决策模型,帮助机场对打车乘客和机场出租车进行合理规划,文章通过收集某日机场的一天中各时间到达航班乘客数据和机场蓄车池中出租车数量的实时数据,运用SPSS软件的K-means聚类算法对机场到达航班乘客进行时间上的分类,比较不同时间段下对机场出租车的数量变化。     

改进的K-means算法

针对传统K-means聚类算法对初始点敏感性问题,根据数据样本分布,采用启发式的方法选取初始聚类中心点,设计了一种均衡化评价函数,由此函数为准则自动生成聚类数目.通过实验验证了该算法的收敛性.     

基于网格和密度的数据流聚类算法

针对数据流的特点,提出了一种新的网格密度结合的GCTS算法.该算法采用双层架构,在线层实现了网格密度参数的自设定,离线层以网格单元的重心为中心点,建立一个最大的子网格,使候选网格中的局部密集区域转化成了密集网格.使用最小生成树的算法生成聚类结果,提高了聚类效果.     

基于同态滤波和改进K-means的苹果分级算法研究

针对苹果在分级的过程中,光线不均所导致的表面反光和阴影问题,利用同态滤波和改进的K-means算法予以解决。同态滤波前,将苹果图像由RGB空间转换到HSV空间,再对HSV空间的V分量进行同态滤波增强,最大限度地削弱光线不均带来的影响;对传统K-means聚类算法,新增加距离度量方法、确定聚类数目和初始中心点,能较好地去除苹果阴影对图像分割的影响。从大小、果形、质量、颜色、缺陷5个方面对陕北富县的秦冠苹果进行分级,分级成功率达到97%。利用同态滤波算法结合改进的K-means算法来对苹果图像进行处理,能够大大提高苹果分级的准确性。     

春夏女装流行色的层次聚类分类方法

采用层次聚类分析方法对春夏女装流行色进行分类,按照流行色预案间的色差距离对女装流行色进行量化分类。以2007至2015年国际流行色协会发布的春夏女装流行色预案为数据样本,采用层次聚类的聚合算法对流行色预案进行分类,之后依照色彩类别出现频次,将所得类别分为继承类色彩类别和创新性色彩类别,研究色差阈值与聚类结果的关系。实验结果显示,在色差阈值为10.40时,春夏流行色预案可形成12个继承类色彩类别,且继承类色彩所占比例达到38.8%,形成的继承类色彩类别及各类别色彩分布体现了春夏女装流行色分布的特点。     

基于花粉算法的K均值聚类算法

针对原始花粉算法寻优精度低,后期收敛速度慢等问题,提出加入高斯白噪声扰动改进花粉算法.利用改进后花粉算法强大的全局搜索能力优化K-means算法的初始聚类中心,通过基于距离的方法消弱孤立点对聚类的影响,并对该算法的性能进行验证和测试.实验结果表明该算法有效地避免了其陷入局部最优,改善了聚类性能.     

基于小波结合模糊聚类和神经网络的机械故障诊断法

分析了小波分析、模糊聚类以及神经网络各自在信号处理方面的优势。以小波变换（或小波包变换）提取故障特征,对神经网络的输入和输出进行模糊化处理,最后用神经网络进行诊断。从而提出了一种有别于传统的、高效的机械故障诊断方法。     

基于改进的加权中值滤波与K-means聚类的织物缺陷检测

为检测纹理织物在生产过程中产生的各种疵点,提出一种基于改进的加权中值滤波与K-means聚类相结合的纹理织物疵点检测方法。首先利用改进的加权中值滤波对纹理织物图像进行预处理,以减少纹理信息对疵点检测产生的影响,同时通过联合直方图动态数据分配权重和像素,减少寻求中位数的时间来有效地缩短检测时间,提高了执行速度;然后采用K-means算法对滤波后的织物图像进行聚类,计算织物图像疵点和非疵点的聚类中心,进而实现图像疵点区域的分割。实验结果表明,该方法可有效地检测出方格、点形、星形、平纹、斜纹等多类型纹理织物的疵点,并显著提高检测速度。     

一种基于密度和约束的数据流聚类算法

文章在传统聚类算法的基础上,提出了一种基于密度和约束的数据流聚类算法——C-DBDStream(Constraint and Density Based Clustering of Data Stream)。该算法使用数据流聚类在线和离线两阶段框架。在线聚类阶段使用衰减窗口模型,对数据流中的数据对象进行初步的聚类,应用约束条件生成微簇,并将实例级的约束扩展到了微簇级,并将结果以快照的形式保存下来为下一阶段做准备;离线聚类阶段则利用微簇级约束规则聚类,采用DBSCAN算法中的密度可达寻找密度连通区域以产生最终结果。经实验证明,与Clu Stream算法的对比中,C-DBDStream算法提高了聚类效果。     

基于小生境聚类的改进MOEA-D算法

将小生境技术和聚类思想引入MOEA-D算法,用于改进种群替换中子代的优化问题,具体做法是:首先将子代种群通过小生境技术划分为若干个小种群,在每个小种群中利用聚类方法选择或剔除个体,然后将得到的子代和原父代合并作为下轮算法的父代种群。通过测试函数对改进算法进行了数值试验与性能测试,并与其他算法进行了比较。结果显示,改进算法可在一定程度上提高最优解的分布性。     

基于多源数据与K-means聚类的地域特征关联纸质包装色彩应用研究

以哈尔滨中央大街景区为研究对象,采用OSM开源地图平台、百度API平台配合ArcGIS10.6平台、Python平台获取数据,通过Matlab平台下DeepLabV3+模型对获得的街道图像进行语义分割,通过K-means聚类算法以HSB色彩空间为模型基准,绘制色彩散点聚类模型、色彩连续性模拟模型与片段色彩聚类模型对中央大街景区进行可视化分析,并提出地域特征关联纸质包装设计的色彩应用建议。多源数据结合K-means聚类法可以在短时间内相对快速、精准、科学完成纸质包装色彩提取与应用策略制订,其结果能够体现地域文脉特色,提升地域特色包装辨识度,有助于实现地域特征关联纸质包装色彩方案优选,为纸质包装色彩应用提供参考。     

基于电子商务网站的改进聚类算法的应用研究

运用图的孤立点的概念,对传统Rock算法进行了改进,提出了电子商务网站由算法本身自动生成适合的聚类集的方法,并给出了该算法的具体实现,以及与传统Rock算法的对比与分析.实验数据表明,采用Roc改进算法进行聚类要比采用传统的Rock算法具有更好的实际价值.     

基于聚类融合的异常检测算法

针对任意形状聚类算法用于异常检测时参数设置困难的问题,提出一种基于聚类融合的异常检测算法:设置不同的半径阈值进行多次聚类,统计每次聚类中标记为异常的簇频率,将频率高的簇作为真正的异常.在UCI数据集上对该算法进行实验,结果表明:本算法可降低直接将小簇作为异常的高误报率,并且能提供给用户更为友好的操作.