简介：k均值算法是一个常用的局部搜索算法,它的主要缺陷是容易陷入局部极小,并且该局部极小解与全局最优解往往有很大的偏差.本文提出一个基于K-均值的迭代局部搜索文档聚类算法.该算法以k均值算法所得到的解作为初始解,从该初始解开始作局部搜索,在搜索过程中接受部分劣解.当解无法改进时,算法对所得到的局部极小解做适当强度的扰动后进行下一次的迭代,以跳出局部极小,从而拓展了搜索的范围.实验结果表明该算法对文档数据集聚类的正确性达99%以上.

简介：针对海底采样点较少时,监督学习训练分类模型困难的问题,研究无监督学习的K-均值聚类分析算法在多波束海底底质分类中的应用。在探讨K-均值聚类分析算法原理的基础上,构建海底底质分类器,针对分类器需预先输入分类结果种类（K值）这一问题,提出了基于底质采样点和分类效果连续性为原则的K值确定方法。实验结果表明：基于K-均值聚类分析算法的海底底质分类器能较好的实现海底底质类型的自动划分,适用于海量多波束底质特征参数的分类。

简介：

简介：针对供配电系统中经常出现串联型故障电弧引发火灾等事故的问题，研制了串联型故障电弧实验装置，并针对典型负载开展了大量实验。首先，利用傅里叶变换提取了发生故障电弧前后电流的前20次谐波含量，并将其作为样本；其次，采用主成分分析对样本数据进行降维，提取出电流谐波变化的主要成分；最后，运用K均值聚类判断出原始信号是否故障。结果表明，以电流谐波为特征，通过主成分分析和K均值聚类可以有效地识别串联型故障电弧。

简介：简述了编组站分类问题的研究现状以及编组站的类别,介绍了运用K均值聚类对编组站进行分类的主要步骤。将该方法应用到东北地区11个编组站分类的实例中,在计算过程中,使用SPSS16统计学软件,计算结果表明分类正确,证明该方法可行,具有人为因素影响小、计算持续时间短及结果较精确等特点。

简介：提出一种基于均值聚类的车牌定位算法,该算法能避免由于环境的复杂而带来的定位的不确定性。

简介：提出了一种基于改进蚁群算法的动态K-均值聚类算法思想,该算法首先利用蚁群算法的较强处理局部极值的能力,动态地确定了聚类数目和中心,然后利用蚁群聚类得到的结果,再进行K-均值聚类弥补蚁群算法的不足。两者有机结合起来可以寻求到具有全局分布特性的最优聚类,实现了基于改进的蚁群聚类算法分析。

简介：摘要本文通过对大量工程变更数据进行归纳，采用K均值聚类分析方法对工程变更数据进行分类，并进行参数测定，通过计算不同导致工程变更发生原因指标到各聚类中心的距离，来拟合预测未来类似情况下新建输变电工程中同一原因导致的工程变更对造价的影响程度，预测分析结果为今后类似建设工程的造价控制提供了参考依据。

简介：研究发现使用均匀分布的簇内差异度来确定初始中心点并以此为基础进行聚类,可以提高K-均值聚类准确率和稳定性。将改进算法使用iris数据进行实验,结果表明改进后算法的聚类迭代次数显著减少且相对稳定,运行时间也有明显降低。运用改进的聚类算法对忻州师院学生的计算机课程考试成绩数据进行处理,并对考试成绩数据的聚类结果进行分析,进而给出针对各系学生计算机课的教学建议,同时针对各系学生的自我提升提出意见。

简介：现代企业间对于客户资源的争夺越来越趋于白热化,争夺的根本目的就是为了在保持现有客户的基础上再去争取更多的新客户加入,营销手段也从传统模式转变为个性化,以及一对一的营销方式来满足客户,从而使公司获得更大的收益,新的营销模式的实行的核心问题就是客户的有效甄别.客户甄别细分的核心基础是对客户的消费特征数据进行分析,通过数据挖掘中的聚类分析方法能够完成把隐藏在数据中的客户特征分类出来,进而实现对客户群体的特征划分.经典的K-均值聚类算法对最初选取的初始聚类中心极其敏感,该文采用改进的K-均值聚类算法实现了对某电子商务网站客户消费行为的聚类划分,且对划分后的集群进行了完整的数据分析,根据分析结果实现了企业对客户的差异化服务,从而提高了客户的满意度,增强了企业的市场竞争力.

简介：摘要在移动“互联网+”的时代，为了更加方便快捷的进行信息搜集和商业检查，一种自助式劳务众包平台服务模式“拍照赚钱”应运而生。

简介：针对抑制式模糊C-均值聚类算法所存在的不足，提出了一种改进算法——半抑制式模糊C-均值聚类算法。通过对抑制式模糊C-均值聚类算法的良性扩展，在保持收敛速度变化不大的前提下改善了聚类的效果。实验表明，该算法是有效的。

简介：证明了αk-较多规则满足K．O．May和A．K．Sen提出的关于序数型的匿名性、中立性、局部非独裁性及pareto原则等理性条件，并给出了该规则的几个性质．

简介：K-均值聚类算法（K-means）是基于划分的聚类算法中的典型算法，针对K-means算法初始聚类中心存在对K依赖的缺陷，提出一种新的选取K-means算法初始聚类中心的方法，该方法提高聚类结果的有效性和稳定性；还提出一种极值选择法，将最大距离法和最小距离法相结合，进一步提高初始聚类中心选择的准确性。

简介：K-Resin(K-树脂)为苯乙烯——丁二烯共聚物(SBC)，是一种透明树脂，具有独特之光泽，透明性和耐冲击强度，可采用一系列的传统加工技术进行开发应用。与其他透明聚合物相比较，K-树脂共聚物的特点是密度低，从经济角度上看更有吸引力，更符合美国食品药品管理局FDA21CFR177．1640条款和欧洲EEC指引90/128/EEC之所有修订条款规定，可用作食品包装。

简介：摘要本文浅谈了数字图像处理的发展概况、研究背景并对彩色图像K-means算法进行分析.主要详细谈论了是对K-means算法的一些认识，并且介绍K-means聚类的算法思想、工作原理、聚类算法流程、以及对算法结果进行分析，得出其特点及实际使用情况。

简介：为实现高校教师有效教学的特征识别,以问卷的形式对高校教师教学能力现状的反馈情况进行考查和归纳,提取教学意识能力、教学风格能力、教学认知能力、教学反思能力等7个有效教学特征因子,并采用李克特五级量表进行数据处理。提取有效教学的特征值,对有效教学特征因子进行量化,得到有效的教学特征数据,进而采用模糊C均值聚类算法对有效教学特征数据进行分类,建立标准有效教学模型库。将新的教师有效教学特征值通过模糊模式识别中贴近度的方法与模型库相匹配。如果不匹配,提出4种提升有效教学的策略,为后续的教学风格研究提供依据。

简介：Ingasturbineengines,laminar-turbulenttransitionoccurs.However,generally,theturbulencemodelstodescribesuchtransitionresultsintooearlyandtooshorttransition.Combiningaturbulencemodelwithadescriptionofintermittency,i.e.thefractionoftimetheflowisturbulentduringthetransitionphase,canimproveit.Bylettinggrowtheintermittencyfromzerotounity,startandevolutionoftransitioncanbeimposed.Inthispaper,amethodwhereadynamicequationofintermittencycombiningwithatwo-equationk-ωturbulencemodelisdescribed.Thisintermittencyfactorisapremultiplicatoroftheturbulentviscositycomputedbytheturbulencemodel.FollowingasuggestionbyMenteretal.[1],thestartoftransitioniscomputedbasedonlocalvariables.

简介：在K-次酉矩阵分块形式的基础上,讨论了这类矩阵的块型QR分解、块型奇异值分解和块型混合分解的几种形式,得出了一些新的结果.

简介：健康是人的第一追求，合理的营养摄入是健康的根本保障，蔬菜在日常饮食和营养健康方面占有重要地位。通过分析不同品种蔬菜的营养组成部分，以蔬菜营养组成成分为依据，对常见蔬菜品种进行聚类分析；同时，考虑到价格因素和居民营养需求，运用目标规划，确定比较适当的居民人均蔬菜消费参考量，为人们改善营养状况和身体健康提供依据。