摘要：校园一卡通系统集成了用户大量的使用信息。论文利用数据挖掘技术对学生校园消费和学习活动数据进行人群画像。首先,通过数据预处理提取关键特征,采用k-means聚类算法对全校本科生数据集进行聚类,分析了用户的消费习惯和人群特征后进行画像说明。最后,通过生成的决策树模型对本科生数据集进行分类,以评估人群特征划分的准确性。实际结果表明,论文设计的用户分类模型能有效区分不同行为特征用户,为高校学生管理工作提供依据。

摘要：随着锂电池应用越来越广,单体电池的容量、电压小的特性使得厂家使用电池组。单体电池参数的不一致性,影响了电池组的使用寿命和安全运行。由于当前技术和经济成本的限制,构建合理的电芯分选方案具有重要意义。文章基于k-means聚类算法,综合考虑动静态影响因素,设计电芯分选方法,选出一致性高的电芯组成成组电池,以此延长电池组的使用寿命和运行效率。

摘要：针对非侵入式负荷分解准确率低的问题,提出一种新的非侵入式负荷分解方法。首先,针对在训练时难以对含有大量数据的电器设备的工作状态做标签问题,设计了引入轮廓系数和平方误差和共同作为评价指标的k-means聚类来确定负荷状态数,构建了状态码表示所有电器的运行状态。其次,利用卷积层和双向长短期记忆网络对特征进行提取,并引入注意力机制选取对分解任务重要性程度高的电器状态码,然后,通过全连接层进行分类,得到各时刻下的状态码,进而得到各用电设备实际功率。最后利用公开AMPds2数据集进行验证,结果表明所提方法,具有较高的负荷分解准确率。

摘要：近年来室内定位技术成为研究的热点,通过当前常用室内定位技术的分析,讨论了各种技术的实施优缺点,提出了利用每个照明LED在不同位置照度分布不同,对照明LED分时高速调制,即不影响照明,又因每个LED灯珠所携带信息不同,照度相互作差法消除环境背景光干扰。以硅光电池为光电传感器,设计单片机系统,在整个定位区域采样光信号,使用k-means聚类算法建立与坐标对应的多维数组;单片机系统完成测量点信号数字化后,利用最近邻域加权k(WkNN)算法确定测量点位置坐标。通过实际环境进行定位测试,其精度可以达到厘米量级。这种利用LED照明的室内定位技术设计成本低、结构简单,在室内定位领域有广泛应用前景。

摘要：对控制图模式识别方法的提高与改进是改善过程工业质量诊断和质量控制的关键。利用RBF神经网络设计了过程质量诊断模型,然后用k-means聚类算法确定隐含层RBF神经网络节点数,最小二乘学习算法对网络进行学习训练,并利用MATLAB7.0对网络进行仿真,结果表明该方法比传统方法能够较快地识别出控制图的异常模式,且具有较高的识别精度,能够达到过程质量诊断的要求。

摘要：为探究蒸发冷却空调技术在我国的适用情况,基于直接和露点间接蒸发冷却的不同极限温度,根据蒸发冷却驱动势、使用蒸发冷却降低冷却需求的潜力和所需空调制冷时长,提出了直接和露点间接蒸发冷却系统的冷却潜力指标和空调需用时长指标,通过k-means聚类算法统计分析了我国270个气象台站典型气象年的指标参数。得到了蒸发冷却空调技术在我国的适用区域,并对其适用特点进行了分析,为蒸发冷却空调系统的推广及设计初期系统形式的选取提供理论依据。

摘要：为了准确获取储层的孔隙度进行地层解释并建立地质模型,设计了基于k-means的岩石铸体图像分割及孔隙度的计算方法。本设计基于k-means聚类算法对彩色铸体薄片进行有效分割,并且在分割基础上结合形态学相关知识对图像进行更加精确识别,通过计算机判读二值图像中的孔隙面积与总图像面积比值得到孔隙度值。实验结果表明该方法可以取得好的聚类分割效果,并且使用其他检测方法和计算机判读2种方法求得的孔隙度基本一致,数值较吻合。

摘要：k-means聚类算法作为一种经典的聚类算法被广泛应用,但是传统聚类算法在对实时性聚类要求较高的场景已经不适用,特别是在基于聚类的一些实时推荐算法中。本文通过Spark Streaming框架对传统k-means聚类过程广播共享聚类中心并使用kD树对迭代过程进行二次优化。实验结果表明优化改进后的k-means聚类算法能够明显提升收敛效率和降低聚类时间,能够满足对实时性聚类的要求。

摘要：传统的基于颜色分割的乒乓球识别方法易受光线、清晰度影响,鲁棒性较低。为解决这一问题,对YOLOv4进行改进,用k-means聚类设计先验框,增强尺度适应性。针对乒乓球尺寸,裁剪网络分支并压缩卷积层,加快特征提取速度。针对采集数据正负样本不均衡,改进损失函数,提高预测框边界准确度。使用快速NMS算法加速预测过程,提高模型的计算速度。实验结果表明,基于YOLOv4的改进模型在乒乓球识别任务中精度达到94.12%,帧处理速率达到39.34fps。

摘要：螺杆泵在不同中心频率下的振动加速度偏离正常范围会导致螺杆泵产生异常振动,因此,螺杆泵在出厂前需要设置不同测点检测其振动加速度。为此,本文基于螺杆泵在正常工作下不同测点的振动加速度应用Apriori算法得到螺杆泵不同测点间振动加速度并无显著性差异且呈强正相关的结论;然后应用多阶拟合法建立螺杆泵中心频率和振动加速度的函数关系式,以正常运行参数所对应的系数向量作为模板,计算出待诊断设备的测点运行参数所构造的系数向量与模板之间的系数距离,并应用统计方法设计适当的阈值与之作比较,当且仅当系数距离大于阈值时,将待诊断样本判定为故障。经实际应用,本文方法能够及时发现螺杆泵的异常振动,从而达到故障诊断的目的。