摘要：针对传统k均值算法无法精确预设初始聚类中心数目的问题,提出基于加权二分图的k均值最佳聚类数确定算法。设计等比例随机采样的方式,从原始大数据集中产生小数据集集合并从中产生聚类中心点点集,提高应对大规模数据集的能力;用聚类中心点点集形成二分图,针对聚类算法特性改进其赋权函数;设计评价数,改进kuhn-Munkres算法,将其用于求取二分图的最大权完美匹配,确定最佳聚类数。实验结果表明,相较其它6种对比算法,所提算法有更高的准确性,更好的稳定性,以及更强的处理大规模数据集能力。

摘要：随着科技的进步,大数据技术在电力负荷预测中的使用越来越多。为提升在大数据技术基础上的电力负荷预测系统的性能,研究首先设计了一个基于大数据技术的运维管控系统,然后将k均值聚类与长短期记忆网络结合,设计出一种负荷预测模型,最后将运维管控系统与电力负荷预测模块应用于配电网平台。结果表明,在指标计算中,负荷预测模型的决定系数比其他模型分别提升0.051、0.089、0.128,拟合度和精度较高。在实际应用中,负荷预测模型预测值与真实值之间的平均差值为1.0%,准确率较高。以上结论证明了设计模型的性能较好,能够为电力系统的规划和调度提供科学依据。

摘要：针对智能电表大数据聚类分析过程中出现的计算复杂度过大的问题,提出基于极坐标投影的数据降维方法。采用极坐标投影的方法将由电能总消耗量和峰值电能消耗量所组成的数据集映射成由极角和极径组成的投影矩阵,设计一个由电能总消耗量和峰值电能消耗量所组成的改进聚类距离度量,使用误差平方和方法确定最优的聚类数量,将该方法引入于k均值算法进行算例分析。结果表明,该降维方法能够有效提升聚类算法的性能,并降低聚类算法的计算复杂度。

摘要：为提高多特征参数聚类相似度,针对多特征参数相关性和分布不等问题,提出一种改进的聚类算法,并以此算法研究RFM客户价值模型。此改进算法,通过矩阵旋转和压缩变换以及协方差矩阵处理,构造一种聚类相似度目标的距离函数,以此距离函数结合SOM算法和k-means算法各自优点,设计改进SOM+k-means组合聚类算法。应用该算法创建RFM客户价值模型,并实验验证。通过轮廓系数法评估,该算法聚类的轮廓系数相比原k-means和SOM算法聚类的轮廓系数,分别提高约0.129和0.126。该聚类算法提高了RFM客户价值聚类效果,为客户价值研究提供了一种新的聚类方法。

摘要：将非负矩阵分解(NMF)引入到文本聚类集成问题中,为解决NMF随机初始化所引起的不稳定性问题,首先采用最小最大原则确定k均值算法的初始质心,并获得稳定的聚类结果;其次,将k均值算法的聚类结果作为NMF的初始因子矩阵,并对超图的邻接矩阵进行NMF,获得基矩阵和系数矩阵;最后根据系数矩阵获得最终的聚类结果,由此设计了NMFk算法。在多组真实文本集上进行了实验,结果表明:NMFk算法运行高效,并且获得了比其他常见的聚类集成算法更加优越的结果。

摘要：针对传统k均值算法需要提前指定聚类数目且易陷入局部最优的问题,提出了一种采用万有引力定律自动确定类数的k均值算法(Gravity k均值算法,Gk均值算法)。所提算法利用正交设计方法在数据空间均匀投放若干探测器,探测器根据万有引力定律移动,当两个探测器的距离小于给定阈值时合并为一个,当探测器处于稳定状态时,探测器的个数就是聚类的数目。将得到的探测器作为k均值算法的初始中心点,有效地避免了k均值算法陷入局部最优。实验结果表明:相比传统k均值算法,本文提出的方法可以自动确定聚类数目,并给出较好的初始中心,算法的迭代次数至少减少了25%,聚类正确率平均提高了14%,DB(Davies and Bouldin)聚类评价指标平均降低了0.19。

摘要：由于学生群体存在个性化差异,传统教学模式已不能很好地满足学生全面发展的需求。而分层教学关注学生个体差异和学习需求,有针对性地制定教学计划和目标,有利于整体教学效果的提升。文章重点研究分层教学中的分层模型,并以计算机网络课程为例,设计基于k均值算法(k-means)的分层教学模型,实现学生学习情况的分层。通过仿真实验表明,基于k均值算法的分层教学模型相比专家分类算法、学生总成绩排名的分层方法,更具有一定科学性和合理性,可以为其他学科提供借鉴和参考。

摘要：传统的网络入侵检测方法存在着检测率低和无法进行在线检测的问题,为此设计了一种基于节点生长马氏距离k均值和HMM的网络入侵检测方法;首先,给出了入侵检测系统框图,然后,以马氏距离为评价准则,提出了一种节点根据距离阈值进行自适应生长的k均值算法以实现样本的聚类,得到样本属于各攻击类型的后验概率,并采用此后验概率来初始化HMM中的初始矢量分布、状态转移概率和观察值概率等参数,通过前向评估准则和后向评估准则对HMM模型进行训练,从而获得了HMM检测模型,将样本输入到各检测模型中并将概率最大的检测模型作为其攻击类型;仿真试验表明所提方法能有效地实现网络入侵检测,不仅具有较高的检测率,而且具有较低的误检率和漏检率,是一种有效的网络入侵检测方法。

摘要：为改善k均值聚类存在的对初始聚心敏感、全局搜索能力弱和凭经验确定聚类数等不足,提出一种基于GSA算法的改进k均值聚类。采用粒子编码策略,把聚类中心集合视作种群粒子,引入GSA搜索聚类质量最好的初始聚类中心,设均方误差为适应度函数,引导全局搜索方向,设置种群成熟度因子避免算法陷入局部最优,引入聚类质量评价指标获取最佳聚类数。通过在4种UCI数据集上做仿真测试,验证了改进后k均值聚类具有较高的正确率和更好的稳定性。

摘要：聚类集成可以有效提高传统聚类算法的精度,其关键问题在于如何根据聚类成员提供的信息获得更加优越的聚类结果。设计一种聚类集成算法,它结合k均值算法与基于拉普拉斯矩阵的谱聚类算法,充分利用聚类成员提供的属性信息与关系信息。为了降低算法计算复杂度,通过代数变换方法有效避免了大规模矩阵的特征值分解问题。在多组真实数据集上的实验结果表明,提出的算法优于其他聚类集成算法。