摘要：利用kmeans聚类算法进行聚类过程中,有可能会产生孤立聚点,这种情况一旦发生,会严重影响算法的聚类效果。为避免产生孤立聚点,本文改进了kmeans聚类算法,设计了一类重心随机漂移(Center Random Drift,简称CRD)kmeans聚类算法。该算法会首先判断生成的聚点是否是孤立聚点,利用CRD算法对孤立聚点进行替换,从而有效避免了孤立聚点的产生。通过在Matlab环境下进行图像聚类对比实验发现,针对色彩丰富的图片,新算法和传统kmeans算法性能没有明显差异,而针对图片色彩比较单一的图片,传统的kmeans聚类算法聚类效果不佳,新算法依然可以有效聚类。

摘要：针对郑州市110kV全户内变电站主变压器室的既有通风方式进行运行优化节能研究。基于前期自然通风与机械通风优化设计的研究,提出一种复合通风系统的温度梯度优化运行策略。通过CFD模拟确定满足主变室安全温度所要求的自然通风与机械通风交互运行的启停温度及间隔时长。采用kmeans聚类对郑州市5~10月室外干球温度进行聚类,并采用频率统计折算法对簇的重心位置进行调整,优化温度梯度典型日的确定方法,用于复合通风系统的节能分析。结果表明,所提运行策略可使机械通风全年运行时长从2400h减少至362.7h,节能率约为84.9%,也比基于室外干球温度的通风策略节能约47.1%。本研究具有区域推广价值,对变电站通风系统的安全节能运行具有借鉴意义。

摘要：为将建筑空间热舒适度评价应用于建筑群平面的设计优化上,提出基于kmeans聚类的分组偏移变量设计方法,并结合该变量设计、数值模拟、遗传算法和通用热舒适评价指数,在Matlab软件上实现建筑平面优化流程,最后对集中式、分散式、边流式的水体配置下的建筑平面进行了优化实验。结果表明,优化后的建筑空间,平均热舒适度评价指数(UTCI)值降低了0.1~0.6°C,热舒适度均有所增强。在较强热应力的范围内,建筑空间内的平均热舒适度改善的主要目标是提高平面内的风速。

摘要：针对KR工序终点铁水硫含量预测问题,提出一种基于kmeans聚类分析和BP神经网络(BPNN)相结合的建模方法.首先,通过kmeans聚类对KR工序生产数据进行模式识别和分类,构建不同工况特征的数据集;然后,基于BP神经网络,针对不同数据集训练预测模型;最后,将不同数据集的预测模型进行集成,形成最终的终点铁水硫含量预测模型,实现对不同铁水条件和工况条件的预测.利用某钢铁企业实际生产数据,分别用基于脱硫反应动力学、BP神经网络和kmeans-BPNN方法建立的预测模型,对KR工序终点铁水硫含量进行预测.结果表明,kmeans-BPNN的KR工序终点硫含量预测模型的精度显著高于脱硫反应动力学和BP神经网络的预测模型.

摘要：针对传统正余弦优化算法局部搜索收敛不稳定、收敛性差的突出问题,做如下改进:利用拉丁超立方体方法初始化种群,设计了非线性的指数函数对振幅调整因子进行自适应更新的非线性振幅调整因子,采用了柯西混沌变异的扰动机制以增加种群的随机性,增加传统正余弦算法的收敛速度与精度,利用变中心数的kmeans对种群进行聚类以增强局部搜索能力,平衡全局搜索与局部开发能力,避免局部最优,最终形成了采用kmeans聚类的变异正余弦改进算法KVSCA。仿真实验采用了23个基准测试函数和1个实际优化工程问题,分别利用改进后的KVSCA算法、柯西混沌变异改进的正余弦算法、传统的正余弦优化算法对目标问题进行优化,分析优化结果的方差、均值和最小值,KVSCA算法优化结果的稳定性、收敛精度和收敛速度都是最优,验证了KVSCA算法局部收敛的高效性与更强的稳定性。

摘要：为了优化在线评测系统,提高其效率和公平性,本文提出了一种基于边缘计算的在线评测系统设计方案。通过引入边缘计算技术在客户端执行评测任务、应用kmeans异常检测算法和代码交叉验证技术,及基于基准测试的时间限制优化。实验结果表明,该系统具有并发性能优势,不仅降低了服务器成本,而且提高了评测系统的公平性和准确性。该系统为低成本单位和培训机构提供了一种可行的轻量化在线评测方案。

摘要：铁路客运票价市场化改革是铁路市场化运营的关键环节,建立健全高速铁路客运票价调整机制是铁路收益管理的核心要义。文章研究高速铁路客运票价最高限价调整机制,设计基于线路繁忙程度和区域经济发展水平的指标体系,利用kmeans聚类算法、结合改进的通用匹配矩阵确立二者的匹配关系,并根据其在通用匹配矩阵中的所属区域,判断最高限价的调整方式,为高速铁路客运票价最高限价的合理化制定和调整提供理论依据。

摘要：针对无线网络面临的扩容投资受限、扩容不及时、扩容标准单一等问题,通过引入kmeans聚类算法、KK关联规则等AI智能算法,实现小区场景聚类、流量压抑识别与测算,并通过自动化工具开发实现智能优化和自动输出扩容方案。研究结果表明,该模型可智能识别高价值流量压抑小区并估算出压抑流量,可作为精准智能扩容的基础平台。

摘要：大学生公益是国家公益事业的重要组成部分。高校如何设计公益活动以吸纳更多大学生加入公益队伍已成为一个严峻的问题。文章通过调查问卷获得的数据沿着如下路线来构建大学生公益人群画像体系:首先引入kmeans聚类模型对大学生公益人群进行分类,然后利用t-SNE降维算法可视化分类效果,最后应用LightGBM模型提取特征的重要性,以将某类和其他类区别开来,凸显本类的特征,通过描述各类的特征对人群画像。得出结论:大学生公益人群划可分为三类,根据各类特征可画像为观望型人群、积极型人群及消极型人群。