摘要：随着互联网技术和无线通信技术的发展,移动学习成为正式和非正式学习者的学习必备方式。使用Web日志数据挖掘技术和k-means聚类分析方法,通过对学习者的学习特征和行为进行监测与分析,有针对性地进行课程资源和教学过程设计,有效改善了系统的拓扑结构,实现了移动学习中个别化学习的目标。

摘要：针对处理大样本数据时聚类算法的局限性,以及k-means算法受初始聚类中心和异常数据的限制,聚类结果不稳定的问题,本文提出了基于差分进化的加权k-means算法,优先选择初始聚类中心,采用差分进化算法,根据样本对聚类分析影响程度不同,设计加权欧氏距离,来减少异常点带来的不利影响,从而获得稳定的聚类结果。实验结果表明,该算法选择的初始聚类中心更接近最终聚类中心,提高了算法的计算效率。

摘要：传统的电网调度辅助决策平台对于电网数据聚类时间长,导致电网调度辅助决策时间较长,严重影响电网的安全,针对这一问题,设计了一种基于k-means算法的电网调度辅助决策平台。通过构建特征量库,对电网信息特征量进行分类,然后对分类完成的电网信息进行滤波处理,获得可靠的数据断面,最后通过设备运行状态分析、电网稳定断面智能监视预警、电网运行状态分析与安全预警和整合平台中数据完成基于k-means算法的电网调度辅助决策平台的建立。实验对比结果表明,此次设计的基于k-means算法的电网调度辅助决策平台比传统电网调度辅助决策平台电网数据聚类时间短,能够提高电网调度辅助决策平台的决策时间,从而保障电网的安全稳定运行。

摘要：针对k-means算法必须事先指定初始聚类数k,并且对初始聚类中心点比较敏感,聚类准则函数对求解的最优聚类数评价不理想,提出一种基于局部密度的启发式生成初始聚类中心方法,在此基础上设计一种准则函数自动生成聚类数目,改进了传统k-means算法.实验表明改进的算法比传统k-means算法提高了聚类效率.

摘要：本文将数据挖掘技术引入到中小企业客户细分中,探讨进行客户细分的可行性和有效性,并设计出一个基于k-means算法的客户细分模型,将该模型应用于某个具体中小型企业的客户细分中,得到比较理想的结果。

摘要：通过对用户手机套餐的消费信息进行精准聚类分析,从而准确地对用户套餐做出改进,可以极大提高用户的忠诚度。首先对传统的k-means算法进行改进,提出HCS-kmeans算法。对传统的k-means算法的改进主要包括两个方面:一是对相似性度量做加权处理;二是对初始聚类中心的选择策略进行优化。基于HCS-kmeans算法对移动通信用户的消费行为进行精准聚类,通过分析各个消费群体的特征,提出精准营销策略。实验表明,HCS-kmeans算法在聚类稳定性及准确度上均有极大提升。

摘要：学区划分预测可以为教育规划和发展提供科学依据。传统k-means算法在进行学区划分预测时存在预测命中率较低的问题。鉴于此,先使用分层聚类对k-means算法处理流程进行优化;其后将传统k-means算法使用的欧氏距离改进为路径规划距离,大幅提高了整体算法的预测命中率。经实验测试,所设计的分层k-means算法在学区划分预测时较原始k-means算法预测命中率平均提升了3.8%、融入路径规划距离的分层k-means算法较原始k-means算法预测命中率平均提升了11.6%。

摘要：针对原始k-means算法存在问题,提出一种无需指定k值和初始聚类中心的能够依据数据集内在特性自动完成聚类的改进k-means算法。最后,利用入侵检测领域应用最为广泛的数据集kDDCUP99验证了改进算法的性能。实验结果表明,改进算法无需任何输入,且具有较高的检测率和较低的误报率,性能较原始算法均有提高。

摘要：针对当前配电设备状态评估方法存在的精度低、误差大和测评时间过长等问题,分析了配电网的状态评估过程,并设置了相关的评估指标,利用粗糙k-means算法设计了一种配电设备状态自动评估模型。对模型性能进行测试,结果表明,此次利用粗糙k-means算法搭建的配电设备状态自动评估模型,其运行时间均在10 s以下,检测精度保持在0.9以上,具有较好的评估性能。

摘要：针对当前防御方法在抵御网络攻击时存在入侵成功概率高、入侵时间短的问题,引入k-means算法和蜜罐技术,开展对网络攻击主动防御方法的设计研究。利用k-means算法对网络运行环境的安全状态进行识别;利用蜜罐技术实现对网络攻击主动防御引擎的开发;为向主动防御提供依据,构建网络攻击告警联动属性攻击图,实现对网络攻击的主动防御,并对防御事件进行聚类处理。通过对比实验的方式,将所提防御方法与基于网络防御知识图谱的防御方法应用到同一实验环境中,证明所提方法防御性能更强。