摘要：随着数据处理规模的不断扩大,对算法执行效率的要求不断提高。Spark作为基于内存计算的分布式并行化框架得到了前所未有的关注和广泛应用。为了提高聚类精度和效率,研究了kmeans算法的改进及其在Spark平台上的并行化。针对k-means初始聚类中心选取的随机性问题,设计了基于最小生成树的k-means算法MST-k,该算法采用最小生成树对原始结点进行初始划分,减轻初始聚类中心随机选取对聚类结果的影响;采用余弦相似度公式来避免由于各属性衡量单位的差异性而导致的"相似不相同"问题。针对MST-k算法的执行效率,设计了将之在Spark平台上分布式并行化实现的方法。在Spark上并行化运行以及与Spark MLlib中提供的k-means进行准确性对比的实验结果表明:MST-k算法在Spark平台上具有良好的时效性和聚类精度。

摘要：提出了一种遗传k-均值算法，该算法通过改进标准遗传操作及采用可变变异率，使 其在矢量量化应用中表现出很好的性能。实验证明，该算法能够获得质量高于k-均值和模糊 k-均值算法的矢量量化码书，为设计全局最优码书提供了新思路。

摘要：背景提取是运动目标检测中重要而基础的一个环节。分析了一般静态背景提取算法的原理和缺陷,提出了一种新颖的基于改进k-均值聚类算法的背景提取方法,给出了动态三元组(DTDG)的概念,并且对每个像素用3个动态三元组进行建模,实现了原始背景的提取。实验验证了所提方案的有效性。

摘要：传统k-均值算法对初始聚类中心敏感大,易陷入局部最优值。将遗传算法与k均值算法结合起来进行探讨并提出一种改进的基于k-均值聚类算法的遗传算法,改进后的算法是基于可变长度的聚类中心的实际数目来实现的。同时分别设计出新的交叉算子和变异算子,并且使用的聚类有效性指标DB-Index作为目标函数,该算法很好地解决了聚类中心优化问题,与之前的两种算法相比,改进后的算法改善了聚类的质量,提高了全局的收敛速度。

摘要：本文将数据挖掘算法应用于智能答疑系统中,提出了一套基于数据挖掘算法的答疑设计方案并加以改进,传统的k-均值算法聚类虽然速度快,在文本聚类中易于实现,但其同样依赖于所有变量,聚类效果往往不尽如人意。为了克服这一缺点,提出一种改进的k-均值文本聚类算法,它在k-均值聚类过程中,向每一个聚类簇中的关键词自动计算添加一个权重,重要的关键词赋予较大的权重。经过实验测试,获得了一种基于子空间变量自动加权的适合文本数据聚类分析的改进算法,它不仅可以在大规模、高维和稀疏的文本数据上有效地进行聚类,还能够生成质量较高的聚类结果。实验结果表明基于子空间变量自动加权的k-均值文本聚类算法是有效的大规模文本数据聚类算法。

摘要：针对传统k-均值聚类算法中每个属性聚类作用相同而导致的聚类效果不佳,以及不适宜在传感器网络中使用等问题,在传感器网络中采用粗糙k-均值算法对数据进行分布式聚类,可减少网络负载和传感器节点能量的消耗.实验结果证明:该算法在聚类速度、聚类正确率、网络传输通信量等方面均优于传统k-均值算法.

摘要：针对k-均值聚类算法需要事先确定聚类数,而人为设定聚类数存在极大主观性的缺点,提出了一种基于泛化能力的最佳聚类数确定方法。该方法认为:一个好的聚类结果,应该对未知的样本有着良好的泛化能力。其通过设计一种泛化能力指标(GA)来评价得到的聚类模型对未知样本的分类能力,泛化能力指标的值越大,则聚类模型的效果越好,以泛化能力最优的聚类模型所对应的k值作为最佳聚类数。为了测试所提出方法的稳定性和有效性,分别基于真实数据集Iris以及人造数据集对基于泛化能力的最佳聚类数确定方法进行了实验验证,均能准确找到数据集最佳聚类数。实验结果表明,该方法能够简单、高效地获得最佳聚类数,且对数据集的聚类效果良好。

摘要：针对个性化人脸动漫自动生成的应用背景,提出了在单幅人脸图像中提取头发区域的方法.首先用手工标记训练图像中的头发区域,计算头发位置分布图像和头发颜色的概率分布函数;其次对于测试人脸图像结合头发位置和头发颜色的先验分布构建能量函数,采用割图法对该能量函数进行优化得到初始头发区域;最后利用k-均值算法对初始头发区域进行精细分割,并结合图像后处理算法得到最终的头发区域.实验结果表明,文中方法运算复杂度较低,处理一幅图像的平均时间为300ms左右,头发区域的平均检测准确率超过90%,基本满足个性化人脸动漫自动生成的需求.

摘要：目的提出一种融合组合赋权、聚类、决策、评价等多种机器学习算法用于保健食品配方设计及评价的方法。方法以五味子Schisandre Chinensis Fructus为例,构建含五味子处方数据库,筛选与五味子配伍高频药味并挖掘其关联规则。同时结合传统中医药理论和现代科学研究建立评价指标体系,采用兼顾主观性和客观性的层次分析(analytic hierarchy process,AHP)-CRITIC(criteria importance though intercrieria correlation)组合赋权法和优选的聚类算法对高频药味进行加权和聚类,结合中医药理论设计配方并进行逼近理想解排序(technique for order preference by similarity to an ideal solution,TOPSIS)综合评价。结果频次统计得到黄芪、茯苓、人参等与五味子配伍高频药味31个,关联规则分析显示高频药味间更易产生强关联。构建含3个一级指标、7个二级指标的评价指标体系,AHP-CRITIC组合赋权法计算出的指标组合权重从大到小依次为药味传统功效、现代文献研究、在数据库中的出现频次,符合主观认识和客观数据。根据与专业知识的匹配度、算法运行效率及对数据的包容度优选模糊C均值(fuzzy C-means,FCM)聚类,将高频药味分为5类。结合中医药理论及上述结果设计可能的新配方共11个,TOPSIS综合评价排序的结果显示,五味子-黄芪-白术-党参是五味子保胃护肝保健食品可能的最优新配方。结论该模型在中医药理论的指导下,提供了既能体现传统中医药配伍理论又有足够现代科学研究成果支撑的中药类保健食品配方设计与研发的创新思路与方法。

摘要：根据模拟生物嗅觉的原理和机制,提出了一种基于仿生嗅觉的猪肉质量快速评测仪的设计方法。其硬件主要包括气体采集装置、信号调理电路、气动元件控制电路等,采用Matlab编制上位机监测界面,对多路原始信号进行采集和基线处理,之后采用主成分分析(PCA)对多路传感器信号降维后提取主要特征,最终采用k-均值对不同新鲜度等级的猪肉进行聚类分析。结果表明,设计的系统能够快速、无损地检测出待测样品的新鲜度,且精度在85%以上,在猪肉新鲜度检测中具有很好的应用前景。