摘要：为有效解决传统k-means聚类算法在处理大规模数据集时面临的扩展性问题,提出了一种Hadoop k-means聚类算法.该算法首先根据样本密度剔除数据集中孤立点或者噪声点的影响,再利用最大化最小距离思想选取k个初始中心,使初始聚簇中心点最优化,最后用Hadoop云计算平台的Map Reduce编程模型实现算法的并行化.实验结果表明,该算法不仅在聚类结果上具有较高的准确率和稳定性,而且能够很好地解决传统聚类算法在处理大规模数据时所面临的扩展性问题.

摘要：为了更加准确地对工业耗能进行分析,为节能策略提供参考,此次研究提出采用线性回归算法与支持向量机算法结合,对能耗数据进行处理,然后通过k-means算法应用至相关的能耗分析平台的核心功能中。特此设计一项实验验证性能,实验表明,当k=3时,工作时长kL值最大,相关度较高,工人工龄kL大小在其次,相关度较高。当k=5或k=7时,工作区域节点地址维度在各个分类群组中的kL相差很小,工作时长和工人工龄两个维度在其中kL值较大,相关度较高。进一步对两个维度与工业能耗的关系进行分析,得出了相应的影响原因和因素,可见此次研究的算法对能耗的分析提升,在对节能策略的提出具有参考意义。

摘要：针对标准k-means算法在对教学数据分析时还存在效果不好等问题,本文提出一种基于种群优化遗传算法优化k-means聚类的高校艺术教学数据分析模型,首先为了保证遗传算法的种群多样性,然后利用小生境方法限制种群个体的繁衍,以达到种族多样化的优化,接着定义了染色体的惩罚函数,根据染色体对数据的聚类结果来动态调节染色体的适合度,防止染色体早熟现象的出现,最后构建高校艺术教学数据分析模型。仿真试验结果表明,基于种群优化遗传算法优化k-means聚类的高校艺术教学数据分析模型相比较标准k-means算法具有更好的分析效果。

摘要：社会网络结构反映了网络中个体节点行为的区域特点以及群体之间的关联性。为了提高社团划分的效率和准确性,设计了一种新的基于改进的Jaccard相似系数矩阵的社团划分算法IJ-CD。该算法首先对社会网络的Jaccard相似系数矩阵中的零元素进行处理得到改进的Jaccard相似系数矩阵;然后基于谱平分法思想将改进的矩阵标准化,并选取适当的特征向量维数;最后应用k-means聚类算法划分社团。基于三个经典社会网络数据集的社团划分实验结果表明:IJ-CD算法不仅在社团结构不很明显时也能很好划分出社团,而且能有效地提高社团划分的准确性和降低时间复杂度。

摘要：在软件定义网络(SDN)架构下,传统的分布式拒绝服务(DDoS)攻击检测机制多数是基于中间插件或SDN控制器,不仅缺乏网络全局范围的监控信息,还存在较大的南向接口通信开销和检测延迟。为此,提出一种SDN架构下跨平面协作的DDoS攻击检测与防御方法。该方法利用OpenFlow交换机CPU的计算能力,将一部分检测任务从控制平面卸载到数据平面,进而通过数据平面粗粒度方法和控制平面细粒度方法配合协作完成整个检测,控制器根据检测结果制定网络全局范围的防御策略。实验结果表明,相比支持向量机方法,该方法提高了检测效率和准确率,减小了检测延迟和南向接口通信开销,并降低了控制器CPU负荷。

摘要：为了精准采集低开销智能化电力监控数据,有效应用电力监控数据,评估智能化电网运行状态,设计基于数据中台的智能化电力监控数据应用模型,该模型中数据技术层利用基于压缩传感的数据采集方法,采集低开销智能化电力监控数据,按照结构化与非结构化数据形式存储采集的数据;统一数据层利用贴源层按照存储数据类型,建立数据库,分类存储各类型数据;通过共享层清洗整合各类型数据,获取各类型数据的业务明细数据;采用分析层分析业务明细数据,为数据分析应用提供所需数据;通过统一数据服务引擎为不同数据分析应用提供数据服务支撑;数据分析应用中利用k-means算法与多元线性回归法预测智能化电网线损,通过博弈论集对云方法,评估与预测智能化电网运行状态。实验结果证明:该模型可精准采集低开销电力监控数据,在不同数据稀疏度与压缩长度时,数据采集的累积相对估计误差均较低;可有效聚类线损相关特征属性数据,精准预测电网线损,有效评估电网运行状态。

摘要：随着信息化时代的来临,数据量呈现直线上升,如何从这海量数据中提取有效信息是信息化发展必须解决的问题。传统数据结构设计采用数组、链表或者关联容器的数据结构设计方法,无法解决数据海量时带来的空间离散性和数据关联性问题,数据分析效率低。为此提出一种基于数据挖掘的点线面多层数据结构设计方法,采用k-means算法对数据进行挖掘,提取数据特征,然后设计了点、线、面多层数据结构,最后采用反距离插值的方法对数据的空间性能进行分析,并以实际空间离散数据为对象进行分析。结果显示,采用新设计的数据结构后,数据分析耗费时间更短,性能更加优越。

摘要：针对传统平台一直存在对图书情报数据挖掘处理效果差、运行耗时长的问题,提出并设计了基于k-means算法的图书情报数据挖掘处理平台。该处理平台主要分为3部分进行设计:对硬件的数据挖掘模块、数据存储模块、数据分析模块进行设计,并在数据挖掘模块中引入k-means算法提高数据挖掘模块性能;给出软件设计流程及部分源代码;对设计平台的运行耗时进行验证。实验结果表明,采用改进设计平台可有效缩短运行耗时,且数据挖掘结果精度更高,具有一定的优势。

摘要：通常情况下,商业银行的数据库大多采用多维度的设计方式,这使得对客户信息提取和客户分类关联分析工作繁琐而复杂,导致目前尚缺乏符合商业银行业务实际、具有较强操作性的分析模型。在这种情况下,文章提出了一种运用RFM模型数据处理,结合k-means算法和关联规则挖掘Apriori算法进行双阶段客户关联分类方法,具有较强的实践性。

摘要：随着海洋资源勘探和海洋污染物监控工作的开展,水文数据的监测和采集等已经成为重要的研究方向。其中,水下无线传感器网络在水文数据采集过程中起着举足轻重的作用。本文研究的是水下无线传感器二维监测网络模型中,传感器节点数据采集的问题,其设计方法是通过自组织映射(Selforganizing mapping,SOM)对传感器节点进行路径最优化处理,结合优化的路径图形和k-means算法找到路径内部聚合点,利用聚合点和传感器的节点得到传感器通信半径内的数据采集点,最后通过SOM得到水下机器人(Autonomous underwater vehicle,AUV)到各个数据采集点采集数据的最优路径。经过实验验证,在水下1200 m×1750 m范围内布置52个传感器节点的情景下,数据采集点相比于传感器节点路径规划采用相同的采集顺序得到的路径优化了6.7%;对数据采集点重新进行自组织路径规划得到的路径比传感器结点路径的最优解提高了12.2%。增加传感器节点的数量,其结果也大致相同,因此采用该方法可以提高水下机器人采集数据的效率。