摘要：针对网络入侵检测技术存在的问题,设计了一种基于最小生成树改进k-means聚类的网络入侵检测技术。利用最小生成树改进k-means聚类算法,对入侵检测数据进行预处理,设计不同密度的聚类筛选过程,去除冗余数据。构建网络入侵检测模型,将字符型特征转化为数值型数据,优化入侵检测流程,以实现网络入侵检测。实验结果表明,与传统网络入侵检测技术相比,本技术的性能更优,检测效果更好。

摘要：针对传统大数据脱敏技术缺少对动态数据的脱敏处理,导致大数据脱敏效果不佳的问题,提出基于k-means聚类的电力大数据脱敏技术研究。根据电力数据异常量的k-means聚类中心距离进行检测,建立脱敏系统,在系统中预留元数据管理接口,依据检测结果导入敏感配置信息。根据用户需求,通过对敏感数据的识别、流程的判断,确定敏感数据,对静态和动态敏感数据进行脱敏处理。实验结果可知,该技术只暴露用户身份证号前两位,其余信息均能被脱敏处理,有效保证了用户身份信息安全。

摘要：气象实时监控告警平台围绕气象数据采集传输提供实时监控与告警功能,在业务应用过程中存在雷达资料告警触发机制不灵敏、告警频次过多,冗余值过大等问题,提出了一种基于k-means聚类算法优化平台告警模块策略规则的方法。采用SPSS(statistical package for the social sciences)软件(统计产品与服务解决方案)针对雷达分钟数据入库时间进行分析统计,设计出适用于省级通用的最优阈值模型。该模型融入平台以来,告警冗余值有效降低至3.2%,切实提高平台本地自动化、智能化告警水平,具备较强的推广应用价值。

摘要：为解决水质异常特征检测中存在检测精度低等问题,提出基于k-means聚类的城市生活用水水质异常特征检测算法。首先,通过构建水质特征提取系统,并通过荧光法计算污染物含量,完成水质特征提取及污染物质含量确定。再将城市生活用水水质pH、氨氮、耗氧量、色度以及浑浊度作为异常值,通过k-means聚类计算数据间信任度及数据簇距离,并构建城市生活用水水质异常特征检测模型,完成检测。结果表明:采用所提方法检测城市生活用水水质异常特征的精度较高。

摘要：计算机图像智能处理技术为服装设计师开展设计、启发灵感提供了方便和可能。通过提取布料图像的SURF特征可以实现布料图像形状分析,但由于SURF特征维数高、特征提取是基于灰度图进行,因此存在匹配速度慢、匹配结果不够符合人眼视觉特点的问题。本文提出了基于小波变换的自适应SURF特征提取算法和基于k-means聚类的布料图像颜色分析方法。通过融合图像形状特征、颜色特征,加快了布料图像匹配速度,使布料图像的匹配结果更加符合人眼视觉感受。在8种不同类型布料图像上的实验验证了该算法的有效性。

摘要：思政教育可以体现中国特色社会主义本质要求,因此研究基于k-means聚类的思政教育资源个性化推荐方法。首先,根据两组相邻用户之间的共同喜好,划分思政教育资源个性化推荐等级。其次,选择协同过滤算法归一化样本数据,计算相似度制定用户偏好,构建思政教育资源推荐模型。最后,基于k-means聚类算法给定目标函数,建立个性化推荐流程,实现思政教育资源推荐,完成方法设计。实践表明,该方法既能够满足思政教育资源的匹配,又能够保证用户对思政教育资源的喜爱程度,具有实际的应用效果。

摘要：为改变现有城郊公交线网规划不合理的状况,通过将物流领域的Milk-run和Hub-spoke的设计方法应用到公交网络优化和设计中,构建了新的城郊公交线网优化模型。同时,为求解所构建的城郊公交线网优化模型,设计了相应的启发式算法。首先通过k-means聚类方法将城区公交站点进行聚类,同类站点即为Milk-run线路的组成站点,再将同类站点的公交线路长度优化问题转化为经典TSP问题进行求解,结合多种局部搜索的操作方式,得到每条Milk-run线路的最短设计方案。然后依据规划好的Milk-run线路,通过遍历Milk-run线路中所有站点,确定每条Milk-run线路hub的站点所在的位置。最后结合客流需求,为各线路分配相应的车辆数量,结合线路的运行时间,可以获得各线路相应的发车频率。为验证所提出的模型和算法的实用性和有效性,将提出的方法应用到香港天水围区域的实际城郊公交线网优化,通过Matlab编程实现了方案求解。案例求解结果表明:与现有的实际公交服务对比,在不改变现有的站点布局及车辆配置数量的条件下,当客流需求维持现有的水平时,应用Milk-run和Hub-spoke方法对现有的公交服务进行优化,能够减少乘客4.2%总的出行时间;通过Milk-run线路及hub站点的设置,可以产生规模效应,能够有效提高城郊公交系统的服务水平,使居民出行更加方便快捷。

摘要：在对二次雷达信号进行接收时,会遇到多个用户的信号交叠在一起的情况,从而无法对信号进行解码。先对交织模型进行建模,然后提出一种单通道解交织方法,给出信号处理流程与FPGA逻辑设计方案,最后采用HDL语言完成了所有功能模块的设计,开展仿真验证和上板调试。实验结果表明,该算法能有效对三重交织信号进行解码。

摘要：针对现有云外包隐私保护k-means聚类方案存在的效率不高,以及当云服务器不可信或遭受黑客攻击时返回不合理聚类结果的问题,提出了一种可应用于多方隐私保护场景的云外包可验证隐私保护k-means聚类方案。首先,提出了一种适用于云外包场景的改进的聚类初始化方法,从而有效提高算法的迭代效率;然后,利用乘法三元组技术来设计安全欧几里得距离的计算,并利用混淆电路技术来设计安全计算最小值算法;最后,提出了一种验证算法,使用户仅需一轮通信就实现对聚类结果的验证,并且数据外包后算法的训练完全在云上进行,能够有效减少用户和云的交互。仿真实验表明,所提方案在数据集Synthetic和S1上的准确度分别达到97%和93%,说明隐私保护下的k-means聚类和明文k-means聚类的情况近似,适用于医疗、社会科学和商业等领域。

摘要：针对k-means聚类算法通常无法事先设定聚类数,而人为设定初始聚类数目容易导致聚类结果不够稳定的问题,提出一种新的高效率的k-means最佳聚类数确定算法。该算法通过样本数据分层来得到聚类数搜索范围的上界,并设计了一种聚类有效性指标来评价聚类后类内与类间的相似性程度,从而在聚类数搜索范围内获得最佳聚类数。仿真实验结果表明,该算法能够快速、高效地获得最佳聚类数,对数据集聚类效果良好。