基于python的汽车运行状态参数对油耗影响的聚类

随着汽车保有量持续不断上升,石化燃料消耗量也随之不断增加,汽车节能问题引人关注。为找出车辆运行工况和发动机工作状态参数对油耗的影响。文章通过OBD检测仪获取车辆运行状态参数,即怠速比例(I R)、匀速比例(C R)、加速比例(A R)、减速比例(R R)、平均速度(v A)、平均转速(N A)、热车时间(T H)、平均节气门开度变化率(P A)、平均节气门开度(T A)和平均油耗(F A)等行程片段的数据,利用Python编程语言平台,使用K-means算法对其进行聚类分析,使用轮廓系数法和手肘法确定聚类数,根据聚类结果可分析出车辆在市区内运行时,在车辆运行工况一组聚类中,处于怠速比例高的簇中,匀速比例较少,频繁地加减速行驶以致于一部分能量以加速阻力或制动时的热能形式消失,导致油耗较高。在发动机工作状态参数一组聚类中,油耗高的簇是由于其平均车速较低,发动机处于低负荷运行状态所致。     

基于均值聚类的车牌定位技术研究

采用强制综合聚类中心的均值聚类思想对车牌图像进行区域分类,在HLS颜色空间下,利用数理统计的方法得到聚类颜色中心,并对目标图像进行强制聚类,以最终获得只包括车牌四种颜色的待处理的图像,然后利用形态学、人工神经元网络等技术对车牌进行车牌识别.该方法在实践中进行了验证,比基于二值化和灰度化处理思路的定位效果更好,能对多种不同环境下的拍摄的车牌进行有效的识别.     

基于蚁群优化模糊C均值聚类算法的疲劳驾驶研究

通过收集大数据对汽车驾驶员的疲劳特征和疲劳参数进行学习,根据学习的参数将驾驶员的疲劳程度进行分类,提出了蚁群优化的模糊C均值聚类算法。在初步聚类中运用蚁群聚类产生聚类中心和簇的个数,提供给模糊C均值聚类;利用模糊C均值聚类再次进行聚类,克服了单个聚类算法的缺点。仿真结果表明:文中方法比一般方法具有更好的性能和聚类效果。利用BP神经网络模式识别功能可以识别疲劳驾驶类别。     

基于混合遗传模拟退火的模糊C-均值聚类算法

一般模糊C-均值聚类算法存在易于陷入局部最优的缺陷,基于此,提出了一种基于混合遗传模拟退火的模糊C-均值聚类算法,并利用UIC机器学习数据库中的Car、Iris和Wine数据集验证了算法的有效性。     

基于密度半径自适应选择的K-均值聚类算法

K-均值算法聚类速度快,易于实现,且对数据依赖度低,在文本聚类中得到广泛应用.然而,由于聚类初始中心点选择的随机性,传统K-均值算法以及其变种的聚类结果会产生较大的波动.文章对K-均值算法进行了改进,通过自适应选择最佳密度半径进而优化聚类初始中心选择的方法,得到一种适合文本数据聚类分析的改进算法.实验表明,该算法能够生成质量较高而且波动性较小的聚类结果.     

基于密度半径自适应选择的K-均值聚类算法

K-均值算法聚类速度快,易于实现,且对数据依赖度低,在文本聚类中得到广泛应用.然而,由于聚类初始中心点选择的随机性,传统K-均值算法以及其变种的聚类结果会产生较大的波动.文章对K-均值算法进行了改进,通过自适应选择最佳密度半径进而优化聚类初始中心选择的方法,得到一种适合文本数据聚类分析的改进算法.实验表明,该算法能够生成质量较高而且波动性较小的聚类结果.     

基于模糊C均值聚类的城市道路交通状态判别

为及时判别城市道路交通状态,考虑城市道路交通特征的差异性和交通流的波动特性,对状态指标的合理性进行分析;将交通状态划分为畅通、缓行、拥堵、阻塞4类,提出一种基于模糊C均值聚类（FC M ）判别城市道路交通状态的算法。选取车速、流量、占有率作为交通状态判断指标,根据不同指标设计3种方案,用MATLAB模糊逻辑工具箱分析出仿真数据的聚类中心,对不同指标组合下的各样本交通状态进行判断,验证算法判别的可行性。结果表明,以速度、流量、占有率为参数的FCM算法能较好地判别城市道路交通状态,精度较高。     

基于改进K均值聚类POS算法的应急物资分类研究

为了提高突发事件应急救援的效率,应急物资分类的科学性是应急物资调拨与配送的关键环节之一.通过分析既有应急物资分类以及聚类算法存在的问题,提出了基于改进K均值聚类的应急物资分类方法,构建了基于K均值的粒子群优化算法设计.最后,选取了206种最为常用的应急物资为例,采用Matlab软件平台分析计算.结果表明:基于改进K均值聚类POS算法全局寻优能力明显要强于其他聚类算法.为应急决策者提供一定的理论依据.     

基于遗传算法的高效聚类挖掘新算法

提出了一种基于遗传算法的聚类数据挖掘新算法，并在某钢铁集团CIMS工程的销售管理系统中成功进行了应用，新算法与已有算法进行了对比研究。新方法对其他类似的实际应用也有参考价值。     

基于层次聚类的改进FCM算法

针对基本FCM算法只适用于球形或者类球形数据分布的特点,提出了基于层次聚类的改进FCM算法,首先对数据进行过划分,然后再进行凝聚,使之适用于不规则分布的数据。并且引入Ksoko子集度量使合并操作在计算时间上可以接受。     

基于产业结构的北京市物流客户需求分析

进入21世纪以来,我国现代物流业总体规模快速增长,服务水平显著提高,发展的环境和条件得到了不断改善,在调整经济结构、转变发展方式、推动国民经济又好又快发展中发挥着越来越重要的作用。物流业的发展与物流客户的需求密切相关,充分了解产业结构的调整对物流客户需求的影响,有助于北京市物流业的进一步发展。     

数据挖掘在客户关系管理中的应用研究

“客户中心”商业模式的出现,使得CRM成为企业的焦点,CRM中数据的挖掘也成为计算机领域的一个热点研究课题。在介绍了CRM和数据挖掘的基础上,从客户获取、交叉销售、个性化营销和客户保持等方面分析了数据挖掘技术在CRM领域中的应用问题。     

客户关系维度及其度量模型

客户资源是企业的战略资源,建立、保持、发展与客户的关系是企业获取持续竞争优势的法宝.管理大师彼得.得鲁克曾说过:若不能度量,则不能很好的管理.因此如何分析与度量企业与客户的关系状况,是企业成功进行客户关系管理的前提.本研究提出了客户关系三维一体的立体概念:即关系的广度、长度和深度,并开发了以客户关系三个维度为基础的定量度量模型,为企业成功管理客户关系提供了有益的借鉴.     

顾客价值理论分析

顾客价值理论是市场营销管理理论的最新发展，它指出市场营销的源头是顾客价值。在以往各个学提出模型的基础上，提出了市场营销价值网以及顾客价值在市场营销价值网中的作用，并进行了实证研究。结论：顾客价值是市场营销活动的基础。     

电子商务企业客户关系的预测与动态管理

在对传统的客户关系阶段划分方法——RFM法改进创新的基础上,利用马尔科夫链对客户关系进行建模,用以对客户关系进行预测和动态管理。通过真实的电子商务企业销售数据,说明了模型的意义和用法,并验证了该模型的正确性。     

我国商业银行信用风险及其防范

商业银行不仅是经营货币的企业,更是管理风险的企业。加入W TO以后,我国银行业面临前所未有的严峻考验,较大的信用风险已成为我国经济运行中的很大隐患,对我国的经济稳定和金融安全构成了极大的威胁。本文将集中探讨我国商业银行信用风险及其防范的若干问题。     

基于顾客忠诚度的品牌价值研究

以问卷调查法和因子分析法为基础,探讨了品牌价值和顾客忠诚度的关系,认为顾客忠诚度的提高能够有效提升企业的品牌价值;并提出了基于顾客忠诚度的品牌价值提升策略。     

信贷、投资、价格变动与经济增长关系的实证研究

本文采用Granger因果检验和回归模型分析等计量方法,对我国1992～2003年银行信贷、固定资产投资、价格变动与经济增长之间的关系进行了实证分析.实证结果表明:银行贷款和经济增长存在明显的正相关关系.通过验证分析,我们还发现在我国是由固定资产投资决定银行贷款,而不是银行贷款决定固定资产投资;同时当期的产品价格对固定资产投资没有显著性影响,企业在进行投资决策时主要是依据上期产品的价格或者说企业面对产品市场价格变化要到下一期才能作出实质性的反应.这导致在我国银行信贷对经济产生作用的机理为:当期银行信贷首先影响的是当期物价,当期物价的变动会通过影响下一期的固定资产投资规模,从而影响下一期的经济增长.     

���ھ��������TIAʱ��ѡȡʵ���о�

适宜的时段选取能促进交通影响评价(TIA)的有效性. 本文利用聚类分析方法,将建筑项目进行分类,根据各类之间的相似性,确定同类项目的出行高峰时段,并最终确定项目研究时段的选取范围. 同时,基于北京市一些典型居住项目的出行调查数据,按照项目的早、晚高峰进行聚类,最终以区位因素确定了居住项目的早、晚高峰分类结果;结合分类结果、项目实际调查数据以及北京市外部路网的高峰时段分布情况,本文给出了北京市各类型居住项目交通影响评价中研究时段的选取范围.     

基于聚类分析的铁路出行旅客类别划分

对铁路出行旅客进行类别划分,是简化旅客乘车选择问题研究的重要策略.根 据成都-武汉段既有线与新线的旅客调查数据,以旅客的各类主体、出行特性作为属性 变量,运用分层聚类法中的凝聚法进行变量聚类,将具有较大相关性的变量--时间价 值与月收入、出行目的与费用来源合并.然后根据简化的旅客属性变量指标集,运用近邻 传播算法对旅客进行样本聚类,并引用CH、Hart 及IGP 等聚类有效性指标确定最佳聚类 数.指标值表明,将铁路出行旅客划分为6 个类别时,具有最好的聚类效果.调查数据中旅 客乘车选择结果亦显示,不同类别的旅客对客运产品的选择有着明显的偏好.