摘要：针对目前产品族成族过程中子代产品与父代产品的族意象风格延续性与多样化的问题,通过族意象的泛化和聚类,以父代产品意象作为成族依据来定位产品族子代产品意象风格来解决。首先,确定父代产品的初始意象,然后大量搜集并筛选相关感性意象和产品样本。其次,从语义层面提出同族、泛族和异族意象概念,利用感性意象和产品样本,借助语义差分法和数量化一类方法,确定意象与样本之间对应关系,同时利用k-means聚类对意象进行聚类数不等的两次聚类,划定同族、泛族和异族意象词汇,并确定代表性意象作为目标意象。最后,结合最优体现目标意象的造型组合与各目标意象表现最优的样本造型,进行产品族意象造型创新设计。利用产品族意象的同族、泛族和异族意象概念,作为产品族的成族依据,更加科学明确地定位产品族子代产品的意象风格,对于产品族的发展和提升产品族的服务质量具有理论和实践价值。

摘要：为提高管制员培训的针对性和有效性,提升管制过程的安全性,提出使用注意力稳定性、注意力分配与转移和注意力广度3个指标,作为注意力特征的评价指标;设计并开展管制过程模拟管制试验,采集分析36名成熟管制员的眼动数据;提出选取兴趣区访问次数方差(VVC)、马尔可夫转移概率(MTP)和特情反应时间(RT)3个参数,将其作为刻画注意力特征3个评价指标对应的量化参数值,再使用k-means聚类分析法对管制员的注意力特征进行分类,得到管制员注意力特征的评价值的结果分类区间,并对比评价结果与教员打分结果。结果表明:根据注意力特征,将管制员分成4类,一类为最优,四类为最差。优秀管制员具有注意力稳定性好、注意力分配合理、注意广度大和对特情敏感的特点,其量化参数值包括:VVC为13.48~95.46,MTP为0.03~0.22,RT为3~31 s。

摘要：针对大坝变形时间序列预测问题,考虑多测点变形相关性,建立变形量时空多维输入矩阵,提出一种基于k-means聚类融合多元时空信息的Informer-AD大坝变形预测模型。首先,采用k-means聚类对变形测点进行分区;其次,引入面板数据回归模型分析分区结果;最后,提出融合多元时空信息的Informer-AD大坝变形预测模型。利用该模型对空间特征序列进行学习,通过全连接层整合空间特征,输出预测的大坝变形值。将上述预测模型运用于CT混凝土重力坝,结果表明,本文所提出的考虑时空关联性的预测方法充分挖掘大坝变形整体性态与测点空间分布特性的关系,能够更好地捕捉变形时空特性,进而提高预测精度。

摘要：为提高头面部产品适配性,文章运用马丁测量仪等对189名18~26岁女大学生进行头面部测量,通过主成分分析(PCA)提取了影响头面部形态的7个特征因子,采用k-means聚类方法得出5种头面部形态分类,利用指数分型法把头面部进行量化分型,并提出基于多层感知器(MLP)神经网络头面部号型预测模型,提高由于头面部尺寸过于繁杂在进行号型分类或选择时参考依据过多而产生的生产工作效率低等问题。结果表明:头面部号型可细分为XS型/形态指数>93、S型/形态指数∈(88,93]、M型/形态指数∈(84,88]、L型/形态指数∈(79,84]、XL型/形态指数≤79,其中M型分布最广,号型覆盖率较好,可作为中间号型;并通过MLP神经网络实现通过少量头面部特征尺寸精准预测其号型分类,生成的模型预测结果正确率达到93.42%,研究结果可为头面部产品的设计和生产提供参考。

摘要：在双碳背景下,电动汽车已在物流行业快速普及.在满足生鲜品的新鲜程度、车辆限载及电动汽车的电量限制等约束条件下,将电动汽车充电过程所产生成本纳入目标函数中,构建了时变路网下带软时间窗的电动汽车多温共配路径优化模型.根据该模型的特点,引入k-means聚类对客户进行聚类,同一聚类单元内设计免疫遗传算法,得到启发式路径优化方案.实验结果表明,根据顾客的需要及时变路网特性,合理安排运输规划与配送路径,保证了生鲜品运输的时效性;采用电动汽车多温共配的运输方式进行运输,运输成本更加低廉、过程更加节能,提高了企业的经济效应.

摘要：为准确评价高速公路收费站工作人员的工作强度,合理配置人力资源,提出一种基于博弈论组合赋权和聚类分层的评价方法,辅助进行高速公路收费站工作强度评价。设计多层的高速公路收费站工作强度评价指标体系,采用改进的层次分析法和熵权法分别计算各层的主客观权重,基于博弈论对主客观权重进行融合,得到综合评价权重,进而通过计算各层的综合得分量化工作强度。根据各收费站的最终综合得分,采用k-means聚类算法对各收费站进行层级划分。高速公路管理部门可针对不同的收费站层级采取不同的措施,以合理分配管理资源。以某省74个高速公路收费站的年统计数据为例,验证该评价方法的有效性,结果表明,该评价方法具有较强的可靠性,评价结果与实际情况相符。

摘要：铁路行业信息基础设施及重要信息系统产生的数据种类繁多、数量庞大且价值密度高,而不同类型或等级的铁路网络数据存在不同级别的安全风险。为了完善铁路网络数据风险评估机制,设计一种基于高斯混合模型(GMM,Gaussian Mixture Model)聚类的铁路网络数据风险等级分类方法。从数据和风险角度提取关键信息,构建风险信息数据集;通过k-means聚类获得初始聚类中心;基于混合距离计算进行GMM聚类,实现数据风险等级划分。经实验验证,与传统k-means聚类、谱聚类算法相比,GMM聚类算法对铁路网络数据的聚类效果更优,能够更加准确地对铁路网络数据进行风险等级分类,从而为进一步落实铁路网络数据安全管理要求提供重要的技术支撑。

摘要：针对养殖水中氨氮浓度是否超标的问题,提出一种基于k-means的溶液浓度检测系统设计及识别方法。采用颜色传感器和STM32微处理器作为主要数据采集硬件。将数据采集模块以及化学反应模块连接后置于暗盒中,减少和避免环境光对测量结果的影响。基于此,设计一套带有有色溶液RGB值采集的系统。采用k-means,对由实验采集的各浓度对应RGB值进行分析,结果表明,所提方法可以有效检测养殖水中的氨氮浓度,实现自动比色,减少了人工所带来的时间冗长与误差,大大降低了养殖成本,提高了养殖效益。

摘要：为了设计高效保障作业调度方案提升航母编队作战效能,以最小化保障完工时间和最小化保障人员及移动保障设备配置数量为目标函数,建立了多目标优化模型,提出了改进NSGAⅡ算法用于模型求解。在个体选择阶段,采用k-means聚类将种群分组,在不同分组中分别选取个体用于种群进化;在进化阶段,采用正态分布取样变异算子控制基因变异范围;种群合并后,采用删减策略去除联合种群重复个体。在构建保障任务案例的基础上进行了仿真试验,分析了保障人员专业合并对保障效率的影响,结果表明,在保障人员配置数量受限的情况下,保障人员专业合并会显著提升舰载机保障效率。

摘要：行业短期电力负荷的准确预测对于地区电网的安全经济运行具有重要意义。为此,提出一种基于关联分析和卷积神经网络的行业短期电力负荷预测模型。首先,对k-means聚类算法进行优化,并对行业负荷和外部影响因素的原始数据进行聚类处理,以改善后续关联分析的准确性;然后,提出一种基于标准互信息的改进关联分析方法,对各种外部影响因素和行业负荷的关联性进行定量分析;最后,基于卷积神经网络设计一种计及外部影响因素关联性的负荷预测网络,网络在经过训练后可用于行业短期电力负荷的预测。对照实验结果表明,所提模型在各行业的短期电力负荷预测中都具有更好的准确性和稳定性。