摘要：为降低k值的不确定性和初始聚类中心的随机性对聚类结果的影响,提出一种改进的遗传k-means聚类算法。采用并行计算的方式降低k值和初始聚类中心对聚类结果的影响,利用平均类内距和类间距设计适应度函数保证聚类结果的正确性,改进遗传算法的遗传算子来提高算法效率。通过UCI标准数据集验证了该算法的正确性和有效性,并应用于玉米良种选育中。实验结果表明,该算法能获得更优良的玉米品种,指导玉米选育工作。

摘要：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.

摘要：为用户提供数据分析的公共服务平台上需要集成多种数据分析算法,以平台集成k-means算法为例,给出该算法与平台集成时所做的主要工作,包括如何提取算法的一些参数,以及用户数据如何与平台的算法集成,为实现2者的集成,平台设计了用户配置参数的控件,以及对k-means算法调用的接口.对k-means算法的参数进行分析,并提取用户可配置的参数,选取合适的控件显示在JSP页面上,后台程序根据用户的配置调用算法接口,实现对数据的分析.平台算法实现对用户数据的分析并调用JFreeChart接口以饼状图的形式把分析结果显示在界面上呈现给用户.

摘要：内容分发网络CDN由于其网络复杂性和指标多样性,从而缺少一种服务质量评价标准来量化CDN监测数据。针对这一问题,文章提出一种基于k-means聚类算法的服务等级评定方法,通过分析CDN性能的影响因素与关键指标,选取不同加速业务的性能指标建立质量评价模型,通过模型,利用k-means算法对CDN区域服务质量进行综合评判。通过实验表明,k-means聚类分析对CDN系统的服务问题定位具有较高的效率和准确率,值得更全面和深入的研究。

摘要：入侵检测系统对于保障网络安全至关重要。针对传统的单一检测算法很难对不同种类的攻击都有很好检测效果的问题,提出一种结合极限学习机与改进k-means算法的入侵检测方法。基于算法级联的方式,利用新型线性修正单元(PReLU)激活函数对极限学习机算法进行优化,采用设置距离阈值的方式,实现k-means算法自动选择初始聚类中心与聚类簇数目的双重优化,设计了一种混合式入侵检测方法。采用NSL-kDD数据集对所提出的入侵检测方法进行仿真实验,实验结果表明,与传统的BP神经网络、支持向量机与极限学习机算法相比,该方法有效地提高了检测效果,同时降低了误报率。

摘要：针对现有的k-means算法k值需要人工赋值、随机选取初始中心点、文本表示维度高且缺乏语义的缺陷,提出了一种基于概念格的k-means算法——k-meansBCC(k-means algorithm based on concept lattice)。将文本集经预处理转化为形式背景,在此基础上生成概念格;利用概念格中的概念表示文本,根据文本中概念的权重确定k值、选取初始中心点。最后设计了文本间的概念相似度计算公式,并由k-means算法产生聚类结果。实验结果表明,该算法提高了聚类的效率和准确性。

摘要：为了能够有效保护用户的个人隐私,设计了一种针对Android权限的检测机制。该机制采用静态分析技术研究不同类别应用程序的权限特征,首先根据权限的使用频度设置权限组,并借鉴TF-IDF思想为权限赋予权值;然后建立相应的数据库,计算应用程序的敏感值;最后使用k-means算法进行聚类分析,将应用程序进行分类。实验结果表明,该机制能够有效地检测出未知应用程序的危险程度。

摘要：针对传统k-means算法在处理海量数据时存在计算效率低和时间复杂度高的缺点,提出一种基于Spark计算框架的改进k-means算法。利用网格单元保存数据点的空间位置信息,通过与聚类中心的空间位置关系减少冗余计算,为提高算法处理海量数据的能力,采用Spark框架对算法进行并行化实现。在集群环境下进行测试,基于Spark框架的改进后算法能有效降低计算的时间复杂度,算法具有良好扩展性,计算效率有显著提高。

摘要：细菌趋药性算法是一种新的仿生进化算法,针对细菌趋药性算法,介绍了其基本原理,讨论了一种改进的算法——细菌群体趋药性(BCC)算法。将细菌群体趋药性优化方法应用在k-means聚类分析中,以类内离散度和为目标函数,建立了BCC优化的k-means算法模型,利用BCC算法的全局搜索能力,很大程度上避免了k-means算法易陷入局部极小的缺陷,同时也降低了算法对初始值的敏感度。并给出了一些实验,结果令人满意。

摘要：为了利用机器视觉技术检测钢管表面缺陷,设计并搭建了钢管表面图像采集实验平台,针对钢管表面覆盖有氧化铁皮以及弧形外表面易造成光照不均等问题,提出一种基于改进k-means灰度正反求和的检测方法。首先采用垂直投影法获取钢管区域图像,计算得到其灰度反转图像,参照Frankle-McCann Retinex算法原理分别对钢管区域图像及灰度反转图像进行增强,获得各自背景均匀的高对比度图像,再采用改进的k-means算法进行图像分割,得到两个缺陷检测结果,并对二者求和,最后通过图像后处理优化检测结果。构建了不同光照环境下包含凹坑、翘皮、划伤和辊痕等多类缺陷的钢管表面图像样本集进行实验,结果表明本文方法的检测精度较高,对光照不均匀具有良好的抗干扰能力。