摘要：为了分析驾驶风格对不同跟驰场景下跟驰行为的影响,利用高逼真度驾驶模拟器设计晴天、雾天两种天气状况和自由流、拥挤流、阻塞流三种交通流状态组合的六类典型跟驰场景。以跟驰过程中的最大加速度、最大油门踏板受力、最大油门踏板受力速度作为指标,通过k-means聚类识别方法,对六类典型跟驰场景下不同驾驶风格的驾驶员进行聚类识别,并以跟车间距、车头时距为风险指标评价不同驾驶风格的驾驶员在六类典型跟驰场景下的跟驰风险。结果表明:六类典型跟驰场景下,不同驾驶风格驾驶员的跟驰行为存在明显差异;激进型驾驶风格驾驶员倾向保持更小的跟车间距和车头时距,跟驰过程中的碰撞风险更高;晴天和自由流场景下不同驾驶风格驾驶员跟驰行为差异性更加显著。

摘要：市场经济下,消费者作为关键性的“最后一公里”,在卷烟生产和流通中的重要性日益凸显。本文建立以消费信息采集、消费记录管理、消费会员管理、消费数据综合分析的卷烟消费跟踪体系,利用统计学中的k-means聚类算法划分不同的消费群体,从多个维度构建消费者画像,通过LSTM算法预测卷烟消费变化趋势,有针对性地为不同群体设计不同的营销活动,并根据消费者需求反向指导货源投放和品牌培育,基于行业特殊性,将消费者的聚集特征投射到零售户层面,分析研究卷烟消费群体及市场变化趋势,提升宏观运行调控、货源投放、品牌培育、客户指导的精准性。

摘要：文章提出了一种基于k-means的居民数字画像算法在基层治理方面的应用,旨在推动基层治理能力的提升。首先对居民的基本属性等关键信息进行采集和处理,创建一个多维度的数据集。然后对数据进行清洗和预处理,以确保数据的质量和一致性。特征选择阶段设计B-EWE特征模型来确定相关的特征,创造居民数字画像的有效表示。最后通过k-means聚类,将基层社区的居民进行画像分类。根据实验结果来提出政策建议,协助基层制定更有效的治理策略,以满足居民的需求并改善其生活质量。

摘要：为了解决特征学习过程中导致聚类的不均衡性,提出一种基于高斯编码的特征学习算法,使用k-means聚类进行特征训练,在编码过程中考虑了数据分布的影响,同时保留了k-means编码的稀疏性。并且鉴于k-means聚类的不均衡,还提出了一种特征选择的方法用于去噪和降维。改进的模型不仅很大程度上提高了性能而且训练时间和计算代价均小。在人脸数据库AR以及对象分类库Caltech101上设计了对比实验,实验结果都验证了该算法的有效性和鲁棒性。

摘要：基于PCA和k-means聚类的算法,采用LabVIEW编写了程序界面交互友好的操作软件系统,用于研究纸张在不同变量上的相似程度。程序设计主要赋予了简便操作,人机友好,数据可视化的特点。基于不同的多变量,采用PCA结合k-means聚类方法对纸张进行了相似程度的分析研究,结果表明:程序界面具有清晰简洁、交互友好、可操作性强的特点,可对纸张进行聚类分析,且可信度高。本程序可用于不同品质等级纸张在不同多变量上差异的识别和相似品质纸张的聚类,有效地进行纸张的各种差异化的分析。

摘要：树冠信息的遥感提取能有效辅助森林参数反演、林分长势监测、树种识别等森林调查活动。随着遥感信息自动化提取的需求不断加强,本文基于高空间分辨率遥感数据,以滁州市皇甫山林场为研究区域,设计了一种结合Gabor小波和形态学的树冠提取方法。该方法首先采用Gabor小波提取出纹理特征,其次结合k-means聚类分析方法,对PCA降维后的纹理特征向量提取出阔叶林区,最后基于形态学理论降低影像噪声,并利用前景后景标记的分水岭方法进行单木树冠提取。经过与人工解译的树冠信息结果对比发现,在郁闭度较高的阔叶林区,该自动化方法提取树冠精度较高,分割准确率Ad为79.59%,F测度达到了79.00%能有效提供精确的单木树冠信息,为林业经济调查技术的发展具有一定的实践意义。

摘要：为解决当前自动驾驶车辆跟驰智能性评价中存在的以主观评价为主、缺少微观驾驶行为数据支撑的问题,以高速公路自然驾驶数据为基础,从自动驾驶车辆与人工驾驶车辆驾驶行为一致性的角度出发,构建自动驾驶车辆跟驰智能性评价模型。首先,通过无人机视频拍摄和图像处理,获取了国内18个省份部分高速公路上的高精度车辆轨迹,利用k-means聚类方法提取了15446组稳定跟驰数据。然后,采用描述性统计方法对速度、加速度、跟车间距及跟车时距等指标进行分析。通过Gamma分布拟合不同速度下的跟车间距,以不同速度下跟车间距众数为中心,将跟车间距按照样本量的70%、20%、10%划分为与人工驾驶车辆驾驶行为一致性较好、一般、较差等3种情况,以此为基础建立自动驾驶车辆跟驰智能性评价模型。最后,通过自动驾驶车辆跟驰试验,证明所建模型适用于自动驾驶车辆跟驰智能性评价,相比既有研究,该模型的特点是能基于全过程、微观跟驰行为数据对自动驾驶车辆做出综合的量化评价。这表明基于自然驾驶数据与驾驶行为一致性构建的模型能客观、量化评价自动驾驶车辆跟驰行为,可用于自动驾驶车辆跟驰行为研究与技术参数设计。

摘要：针对高校职业技能训练的国际化、终身化与智能化需求,文中对kinect平台下的视频信息获取和人体动作识别方法进行了研究。基于kinect平台下的人体骨架坐标系,采用CMOS、RGB摄像头获取骨骼信息与关节点数据。在定义了人体骨架坐标系下的动作变换极限的基础上,利用R、G、B 3个通道的线性变换构造出人体动作编码图(ACM)。经k-means聚类后,即可得到用于动作识别的特征向量。在开放数据集MSRC-12上进行的实验中,使用主成分分析(PCA)对ACM中的特征向量维度进行缩减,降低算法运行所需的内存和时间。由实验结果可知,人体识别的效果受ACM像素间隔的影响较大。当像素间隔为8时,识别准确率最高为94.57%;当像素间隔为64时,识别准确率下降到50%以下。

摘要：以数据挖掘技术为基础设计了工业炉运行优化方法,基于关联规则挖掘明确工业炉运行优化最佳值,由实际运行数据着手,以数据挖掘技术处理分析设备运行状态的机组运行数据,从而为运行员工提供不同负荷状态下机组的最优运行方式和参数控制。在此基础上,对工业炉运行优化方法进行了实践应用分析,结果发现,利用关联规则挖掘确定的工业炉运行参数最佳值应用在工业炉运行中,可显著提升工业炉运行效率,还可促使工业炉运行效率维持在较高且较稳定的水平状态,同时可在很大程度上降低氮氧化合物排放量。

摘要：随着城市工程建设的发展,建筑工程事故问题愈发突出,采用传统方法求取的岩土参数区间无法满足实际工程需要。基于无监督学习思想,选取工程性质较差的泥炭质土,结合工程经验选用8个物理指标作为输入集,利用主成分分析(priciple components analysis,PCA)算法实现多样本多参数去耦合的降维处理,得出各物理指标相关性及敏感度,结合其相关性及敏感度赋予不同埋深泥炭质土物理指标的综合评价值。利用k-means聚类分析泥炭质土物理指标、综合评价值及工程特性之间的关系,为岩土参数选取提供理论基础。采用监督学习方法—BP神经网络算法分析无监督结果,验证(PCA—k-means)算法模型的合理性。将通过聚类分析得到的正态样本利用多种截尾法优化,得到可靠取值区间,并将取值结果与实际工程取值比较,验证了该模型工程参数取值的合理性。该算法模型具有较好的工程应用价值,所得研究结果可为工程勘察、设计、施工参数取值提供参考,也能为岩土参数取值分析提供新的分析方法。