摘要：为提高城市轨道交通系统应对突发事件时的处置效率,在考虑站点脆弱性的基础上提出一种城市轨道交通应急救援点选址方法。首先,综合客流特征、线网拓扑结构和周边已有应急资源分布情况,构建城轨站点脆弱性评价指标体系,将站点脆弱性量化为站点脆弱度指数并引入灰色关联分析法进行计算;其次,构建以覆盖水平最大、平均救援响应时间最短和建设成本最低为目标的区域级应急救援点选址模型,并在计算覆盖水平时引入k均值聚类算法,对站点脆弱性进行分级;最后,依托西安市地铁网络实际数据进行实例验证。结果表明:考虑站点脆弱性后,应急救援点总数反而减少,且选址结果更为理想;4种目标权重设置下,考虑站点脆弱性后的线网覆盖水平依次增加3.49%,2.75%,4.16%和3.63%,平均救援时间依次减少7.25%,6.56%,12.48%和4.89%,建设成本依次减少3.57%,7.41%,4.17%和6.45%。该方法能够更加科学合理地识别城轨线网中的高脆弱性站点,得到的应急救援点选址方案对线网中边缘站点的覆盖效果更好。

摘要：针对反应堆控制棒驱动机构(CRDM)滚轮丝杠副剩余使用寿命(RUL)预测中如何选取有效的健康状态指标和合理构建预测模型的难题,提出了一种新的滚轮丝杠副RUL预测模型。采用基于生成拓扑映射算法(GTM)的负对数似然概率(NLLP)指标作为滚轮丝杠副的健康状态指标,利用k均值聚类算法对NLLP指标进行状态划分。利用历史数据和在线监测数据构建基于Markov模型和最小均方算法(LMS)的自适应预测模型,根据设定的阈值预测得出剩余寿命。通过实验验证,结果表明本文选取的健康状态指标能够有效地反映设备状态,所给出的自适应预测模型比一般的预测模型的预测精度高,为合理构建RUL预测模型提供了依据。

摘要：针对既有车辆失稳判定方法存在的不足,开展了车辆横向稳定性关于模式识别的研究,提出了一种基于k均值聚类分析的车辆横向稳定性判别方法.利用CarSim建立整车动力学模型,采用k均值聚类算法对车辆行驶状态数据进行离线聚类分析,得到离线聚类质心及其危险等级.搭建CarSim与Simulink联合仿真平台,计算车辆实时行驶数据点与离线聚类质心之间的欧氏距离,设计了车辆横向稳定性判定指标,对车辆行驶稳定性进行了在线识别.该判定方法充分利用车辆离线数据和实时数据,对车辆行驶状态数据进行数据挖掘.仿真结果表明,该判定方法能够准确实时量化车辆的行驶稳定性,为控制系统的介入时机与程度提供判据.

摘要：针对建筑施工场地场景下远距离小目标安全帽佩戴检测问题,提出的一种改进YOLOv4的安全帽检测方法。将BN层和卷积层合并减少修改后的网络前向推理计算量,利用k-means聚类算法改进先验框维度,采用柔性NMS算法进行置信度权重修改解决标签重写问题,应用多尺度特征融合提升模型识别准确率。实验结果表明,该方法在安全帽数据集的检测任务中mAP提升2.91%;对低于32*32尺寸目标AP值相较于原算法提升6.02%,能够有效提升安全帽佩戴检测范围和准确率。

摘要：为提升无线传感器网络簇头分布效果及簇头节点选取质量,提出基于节点间距离改进的k均值聚类路由协议算法。通过节点间最远距离及各节点距离对比方法,确定出k个规模差异小的簇群;根据不同簇群的位置、节点数目和总能量的差异,簇头选举阶段引入能量因子、质心因子和距离因子提高选取的簇头质量。实验结果表明,在网络区域内簇群分布均匀,簇头选取质量更佳,能够有效均衡全网能量,达到延长网络生命周期的目的。

摘要：为进一步衡量气象科普教育的效果,根据气象科普教育的特点,利用特尔斐法、k均值聚类算法设计了由地理核心素养的人地协调观、综合思维、区域认知、地理实践力作为一级指标、环境保护等44个要素作为二级指标组成的气象科普教育质量评价指标体系。研究表明:设计指标合理,设计方案得到老师们的认同,研究成果为分析各地气象科普教育质量现状提供了科学有效的评价方法。

摘要：针对目前大规模集约化养殖对母猪分娩时间判断主要靠饲养员对母猪产前行为连续观察,存在工作繁重,可能由于疏忽而造成仔猪死亡等问题,设计了一种基于三轴加速度传感器和无线传感网络的母猪产前行为特征实时监测系统。该系统利用无线加速度传感器节点采集母猪产前运动信息,根据不同行为的加速度曲线波动性不同,基于k均值聚类算法对行为特征进行识别分析,并进行实时显示和3G无线传输。试验表明:系统能够快速采集和传输母猪运动信息,正确检测出母猪躺卧、站立、吃料、筑窝等典型行为,正确率为87.93%,工作稳定。

摘要：在数据挖掘的所有算法中,聚类分析尤为重要.基于划分的聚类算法就是用统计分析的方法研究分类问题.本文介绍了聚类的定义及聚类算法的种类,详细阐述了k均值聚类算法和k中心点聚类算法的基本原理并对它们的性能进行分析,对近年来各学者对基于划分的聚类算法的研究现状进行了梳理,对其具体应用实例做了简要介绍。

摘要：提出基于YOLOV3和DenseNet相结合的轻量化行人检测算法。加入HSV图像处理模块强化行人特征,利用卷积神经网络提取行人特征,通过k均值聚类算法筛选预测框,借鉴特征金字塔的思想做高低层特征融合和预测,利用Dense Block结构对网络轻量化进行完善,在国际广泛使用的行人数据集上进行一系列实验。实验结果表明,检测速度比现有的优秀目标检测模型YOLOV3提升了8倍,模型大小为YOLOV3的1/107,所提方法在测试集上的实时性和准确率都有所提高。

摘要：准确获取母羊临产前行为活动方式及其规律对预测母羊分娩时间、判断其在分娩时是否需要提供人工助产具有重要的意义。目前,在大规模集约化养殖环境下大多依靠饲养员对母羊产前行为进行连续观察,耗时耗力,且主观性较大。为此,设计了一种基于可穿戴数据检测装置的母羊产前行为特征实时监测系统。该装置以单片机STM8为主控芯片,采用MPU6050三轴加速度传感器获取母羊产前行为数据,通过Wifi无线传输模块USR-C2 1 5将数据传输至上位机。利用k均值聚类算法对母羊产前3种行为(趴卧、行走、站立)进行特征分析与识别。试验表明:系统可以快速、准确的获取母羊产前行为的加速度信息,并对母羊的3种产前行为能够正确的分类识别,识别率为82.69%,能够满足母羊产前行为识别的要求。