摘要：从开放大学教务系统中选取2021年春季学期计算机科学与技术本科期末考试相关成绩作为数据样本,使用改进的k-means聚类算法对开放教育学生成绩进行聚类分析,从而获取学生成绩与年龄之间的潜在关系。研究结果表明,改进的k-means聚类算法可以更好地分析不同年龄段学生的相关学习数据,为教师提供更多的学生学习数据信息。教师可以根据结果采取相应的措施,从而提升学生的学习效果。

摘要：信息化时代,图像分割技术在医学、国土及交通等诸多领域得到广泛应用。k-means算法具有简单易实现的特点,是常用的图像分割算法,但它存在对初始值选取敏感等缺点。麻雀搜索算法是新提出一种群体智能算法,该算法在搜索进度、收敛速度和稳定性等方面性能优越。该文章利用麻雀搜索算法优化传统k-means算法的初始值,提出SSk-means算法。实验结果表明,对于给出的四组图像,SSk-means算法分割结果均优于传统k-means算法的分割结果。

摘要：当前,大多数人的移动设备中都存储有大量图片,这些图片来源于相机拍摄、网络下载或是朋友同事分享等,而管理这些大量图片则往往是一项烦琐的任务。传统的相册应用通常只能按照时间或手动标签进行排序,用户在如此大量的图片中要找到目标图片非常困难。文章基于kivy框架,设计并开发了一款智能AI相册软件,该软件集成了k-means算法和CLIP模型,可实现图片的智能聚类、分类和语义检索,同时还具有个性化收藏和隐私保护功能,为用户提供了一种更智能、更便捷的照片管理方式。

摘要：为了提高遗传k-means算法时间效率和聚类结果的正确率,利用遗传算法的粗粒度并行化设计思想,提出了在Hadoop平台下将遗传k-means算法进行并行化设计。将各个子种群编号作为个体区分,个体所包含的各个聚类中心和其适应度作为值共同作为个体的输入;在并行化过程中,设计了较优的种群迁移策略来避免早熟现象的发生。实验对不同的数据集进行处理,实验结果表明,并行化的遗传k-means算法在处理较大数据集时比传统的串行算法在时间上和最后的结果上都具有明显的优越性。

摘要：文章提出了一种使用C++编程语言开发电磁继电器故障检测系统的方案,该系统包括数据采集、数据挖掘和设备管理模块。采用了三层架构的设计,旨在提高系统的开发效率和可维护性。为了提升故障识别率,引入了k-means算法作为数据挖掘的核心方法。在系统开发中,数据采集模块负责获取与电磁继电器运行状态相关的数据,如电流、电压和温度等。数据挖掘模块使用k-means算法对这些数据进行聚类分析,以识别潜在的故障模式和异常行为。设备管理模块则通过三层架构进行设计,包括数据存储、业务逻辑和用户界面层,以实现对传感器、模型部署等设备的有效管理。

摘要：针对传统花生排种器的漏播率和重播率较高的问题,运用scikit-learn库中的k-means算法来实现欧式距离聚类,将尺寸品种繁杂的花生籽粒分为了3大类,得出相应的尺寸,初步对第一类排种勺进行了EDEM仿真试验,结果表明:改良后的排种勺的漏播率较改良前的排种勺漏播率平均下降了2.814%,改良后的排种勺的重播率较改良前的重播率平均下降了2.27%,验证了通过欧式距离聚类算法得出的尺寸归类对于排种器中排种勺的尺寸改良具有一定的可靠性,为后续排种器优化设计与仿真试验提供了理论参考。

摘要：提出了一种改进的特征加权k-means聚类算法.该算法首先基于数据样本分布选取初始聚类中心,然后设计特征加权的k-means聚类算法.实验结果证明,该算法能产生质量较高的聚类结果,并且能处理数值、符号两类数据.

摘要：针对SMOTE算法和随机森林可较好解决不平衡数据集的分类问题但对少数类样本分类效果还有待提高的问题,融合Canopy和k-means两种聚类算法,设计了C-k-SMOTE改进算法。先后利用Canopy算法进行快速近似聚类,再利用k-means算法进行精准聚类,得到精准聚类簇,最后利用SMOTE算法增加少数类样本数量,使数据趋于平衡。选取公开数据集kEEL(knowledge extraction on evolutionary learning)数据库中的不平衡数据集,结合随机森林分类模型进行了实验验证,实验表明C-k-SMOTE算法可有效平衡不平衡数据集。

摘要：传统k-means算法对初始聚类中心选择较敏感,结果有可能收敛于一般次优解,为些提出一种结合双粒子群和k-means的混合文本聚类算法。设计了自调整惯性权值策略,根据最优适应度值的变化率动态调整惯性权值。两子群分别采用基于不同惯性权值策略的粒子群算法进化,子代间及子代与父代信息交流,共享最优粒子,替换最劣粒子,完成进化,该算法命名为双粒子群算法。将能平衡全局与局部搜索能力的双粒子群算法与高效的k-means算法结合,每个粒子是一组聚类中心,类内离散度之和的倒数是适应度函数,用k-means算法优化新生粒子,即为结合双粒子群和k-means的混合文本聚类算法。实验结果表明,该算法相对于k-means、PSO等文本聚类算法具有更强鲁棒性,聚类效果也有明显的改善。

摘要：为了有效判断用户行为的信任度,提升电力营商环境安全性与服务效果,设计了一种电力营商环境用户行为信任度自适应判断系统。利用k-means算法挖掘实体层提供的用户数据与交互数据,获取用户行为习惯数据;通过多维综合度量法,计算营商环境的表现信任度、内部属性信任度、认证信任度,获取综合环境信任度;在长短期记忆网络内输入用户行为习惯数据,输出用户历史行为信任度,自适应判断用户是否具备访问权限。实验证明,该系统可精准挖掘用户行为习惯数据,有效评估用户行为信任度。