摘要：针对传统输电线异物检测精度较低、误检率高等问题,提出了一种基于改进YOLOv4的高压输电线路异物检测算法,通过深度学习中的卷积神经网络让模型自主地关注和学习高压输电线上的异物特征。首先采集输电线路上异物图像,并采取多种数据增强方式构建高压输电线异物检测数据集;其次采用k-means聚类生成适配本数据集的锚点框,提升模型鲁棒性;再将网络的空间金字塔池化(spatial pyramid pooling,SPP)模块设计优化为快的空间金字塔池化(spatial pyramid pooling-fast,SPPF)模块,更高效地完成特征融合,加快网络运行速度;最后结合标签平滑、余弦退火衰减算法,在路径聚合网络和预测层部分采用Sigmoid加权线性单元(Sigmoid weighted linear unit,SiLU)激活函数替代普通卷积中的Leaky ReLU激活函数,更有利于模型收敛,使模型性能得到进一步提升。结果表明,模型在不增加参数量的前提下,精度提高到了97.57%,帧传输率达到42.4 f/s,满足实时检测的要求。

摘要：螺母作为输电线路上的重要连接构件,对于保证输电安全至关重要。文章设计了基于改进深度霍夫的螺母中心定位检测方法,将目标检测技术引入到输电杆塔等现场检测单元中。将工业相机采集到的工件图像输入到YOLOv5检测网络中得出目标框中心坐标,采用Zero-DCE图像增强算法进行预处理,最后通过深度霍夫直线检测与k-means聚类算法得出螺母边缘直线,通过六边形约束法找到螺母中心点坐标,将位置坐标通过串口传输到上位机控制机械臂紧固螺母。实验结果表明,所提算法能够实现螺母中心定位,具有较强适用性和鲁棒性。

摘要：随着汽车的普及,车辆计数的问题也逐渐出现,效率低下的传统车流检测方法已经无法达到精准计数的目的。本项目组针对这个问题提出新的方法,将YOLOv4目标检测算法与DeepSort目标跟踪算法相结合,进而改进实时车辆检测算法,并且达到精准识别和计数的目的。首先采用VOC格式的车辆数据集训练YOLOv4目标算法模型;得到初步目标检测模型后,再通过k-means聚类改进算法对图像进行特征提取;然后由DeepSort目标跟踪算法对已经识别并所提取到的图像特征进行分析,与此同时开始对其算法模型进行实时跟踪计数。通过多次对不等车辆数的实验数据及结果进行分析,得到了以下结论 :在同一室外环境条件下,对比传统的目标检测算法和实时跟踪算法,改进后的模型算法对车辆漏检的情况显著变少,而且对车辆的实时检测效果表现良好,改进后算法的平均精度达到了92.4%。这些数据证明了改进后算法的可行性。

摘要：列车运行策略能够具有不同的晚点恢复效果,研究高速列车不同运行调整策略的晚点恢复特性将能为智能调度决策提供依据,通过对不同列车运行调整策略的晚点恢复聚类,分析调整策略的晚点恢复分布特征,运用Pearson相关系数研究晚点恢复、影响晚点恢复效果的晚点时长变量、计划冗余时间变量的相关性,选用k-means算法研究不同调整策略下车站和区间的晚点恢复效果的聚类问题,聚类结果表明不同列车运行调整策略下的晚点恢复效果可以较明显区分。

摘要：针对经典差分演化算法易出现全局搜索能力低、收敛速度慢的特点,提出了一种多变异策略的差分演化算法。首先,该算法在经典差分演化算法的基础上,引入混沌映射机制进行初始化,可以增强算法的全局搜索能力。然后,选择多种变异策略进行优化:(1)利用Hilbert变异矩阵有选择方向的进行变异,减少变异的随机性;(2)利用正交表来选择种群变异的分量,增强全局搜索能力;(3)利用k-means聚类算法,对种群进行聚类选择,从而加快算法的收敛速度。对多个经典测试函数进行试验研究,研究结果表明:该方法具有快速的收敛能力、良好的稳定性,其优化性能显著提升。

摘要：本文从数据挖掘开始,讲述了数据挖掘的概念与应用,由此引入了数据挖掘中最为重要的工具——聚类分析;聚类可以根据相似性对数据进行分组,其中最为常见的聚类算法有k-means算法和DBScan算法,其中k-means是一种基于层次的方法,DBScan是一种基于密度的方法;接下来本文对以上两种算法做了详细的介绍,包括相关概念和算法流程;最后,由于不同行业中数据的分布各不相同,应该根据不同设计目的选择合适的聚类方法。

摘要：针对筒子纱作业机器人对作业目标缺乏识别定位的问题,提出基于kinect V2的筒子纱视觉定位方法。利用kinect V2相机获取同一场景下筒子纱目标的RGB图像与深度图像,根据筒子纱表面纹理的特点,采用k-means聚类算法对预处理后的RGB图像进行分割,找出目标区域;通过多尺度边缘融合提取筒子纱边缘轮廓,利用低阶几何矩确定筒子纱目标轮廓质心点的二维坐标;根据相机标定参数实现彩色图像和深度图像的对齐,以及二维坐标到三维空间坐标的转换,并计算出筒子纱质心点的三维空间坐标。实验结果表明:该方法能够对不同放置状态下的筒子纱目标进行三维质心定位,误差控制在4 mm以内。此定位方法为筒子纱机器人抓取、转运及包装系统的设计提供参考。

摘要：针对传统电子商务用户行为聚类分析方法存在的缺陷,提出了基于组合优化理论的电子商务用户行为聚类分析方法。首先分析了k-means聚类算法计算量大、获取最优解时间长的原因,然后将复合形法的k-means聚类算法和遗传算法进行组合,实现电子商务用户行为聚类分析,最后进行了电子商务用户行为聚类分析的仿真实验。结果表明,所提方法的电子商务用户行为聚类精度值达到94.95%,可以有效提升电子商务平台经济效益,具有较高的推广价值。

摘要：冰雹是我国主要的气象灾害之一,为时下研究热点.冰雹的预测多采用的是雷达返回数据.依据雷达返回图像,采用统计学中的k-means聚类算法和细胞神经网络(CNN)轮廓提取算法相结合,对云层图像进行处理,提取内外层轮廓,并计算得到内外层轮廓的方差.通过分析雹云图像和非雹云图像内外轮廓距离方差的区别,构造指标.最后采用新疆石河子地区的雹云图像和非雹云图像进行验证,验证本文的结论有效.表明结合k-means聚类算法和CNN轮廓提取算法得到的内外轮廓差是一个可以有效判别冰雹的方法.

摘要：随着社会生活水平日益提高、经济飞速发展,家具设计和生产水平也在不断进步,除了实用功能,人们进一步提高了对家具产品时尚和品位的追求。而沙发作为客厅空间的重要家具,是整个客厅的视觉中心,影响家居风格的营造。以意大利知名家具品牌2011—2020年连续10年发布的布艺沙发样本为研究对象,通过定量分析、归纳对比等方法对布艺沙发流行色进行量化分析,研究发现:布艺沙发流行色色相的流行程度从高到低依次为红色、蓝青色、橙色、黄色、青色、蓝色、黄绿色、紫红色、青绿色、绿色、紫色以及品红色;纯度的流行程度从高到低依次为中纯度、低纯度、高纯度;明度的流行程度从高到低依次是中明度、高明度、低明度。