基于簇形均衡评估的高速公路收费数据聚类

高速公路收费数据是一种高维、海量、分布特征未知的数据集,因此难以选择 何种算法和参数最适合此类数据的聚类.针对此问题,提出一种基于簇形均衡的聚类评估 指标IBCS,对各簇的形状、分布、密度和尺寸等多种形态进行均衡综合评估.该指标根据 数据集稀疏程度自适应调整邻域置信区间来度量簇结构的分散度和分离度;度量密度使 得IBCS 具有面向数据集的算法选择能力;度量簇大小避免簇划分过于悬殊的问题.UCI 数据集上多种候选算法评估比较实验验证了该指标灵活有效,能获得准确簇数并合理划 分.最后,基于IBCS 评估的西宝高速公路收费数据聚类结果表明,采用K-means 算法,簇 数为5时聚类模式最佳.     

基于YOLO v4的铁道侵限障碍物检测方法研究

铁路侵限异物的自动检测是未来实现铁路智能化的重要组成部分。由于随机的侵限行为可能导致严重的行车后果,研究可以实现连续检测列车运行前方区域状况的技术,是保障列车出行安全的现实需求。针对传统侵限异物检测方法检测类别单一和时效性差的不足,提出一种基于YOLO v4检测网络的侵限异物检测模型。在锚框(anchor)的选择上,通过对K-means算法聚类中心的选取方法进行改进,用欧式距离度量替换随机选择的方法,从而获得更具代表的anchor尺寸;在YOLO v4网络的基础上,通过在骨干网络和特征融合网络之间加入压缩和激励模块,在不增加检测时间的同时提升了检测效果;在侵限检测模型的训练方面,使用公共数据集和自制异物侵限数据联合训练的方式提高了模型的泛化能力。在侵限异物测试集上对训练好的模型进行测试,结果表明：该方法对常见异物的平均检测精度达到90.2%,检测速度为53 fps,与Faster R-CNN相比检测精度相差较少的情况下,检测精度有大幅提升。改进的检测模型达到了预期设计目标,可以为铁路侵限异物检测智能化的研究提供参考。     

基于模式识别的图像中多目标自动分割和分类研究

为了提升多目标自动分割和分类效果,设计了基于模式识别的图像中多目标自动分割和分类方法。利用分水岭算法提取图像中多目标过分割区域;通过模式识别中改进模糊C均值聚类算法,聚类处理提取的多目标过分割区域,得到多目标自动分割结果;在模式识别中的卷积神经网络内,输入自动分割结果,输出多目标自动分类结果。实验证明：该方法可有效获取多目标过分割区域,得到多目标自动分割结果;在不同图像分辨率时,该方法自动分割的划分系数较大、划分熵较小,即自动分割效果较佳;该方法具备多目标自动分类的可行性,且自动分类精度较高。     

一种基于遗传算法的模糊聚类算法及其与FCM算法的结合

在各种糊聚类算法中,模糊C-均值聚类算法FCM(Fuzzy C-Mean Clustering Algorithm)的应用最为广泛.但在实际的应用中,FCM算法却容易陷入局部最优解.因此,本文首先提出了一种基于遗传算法GA(Genetic Algorithm )的模糊聚类分析方法,它利用了遗传算法随机搜索的特点,可以避免陷入局部最优解.实验表明,将该遗传算法与FCM算法结合起来进行聚类分析,比单一使用遗传算法或单一使用FCM算法进行聚类分析的效果都要好.     

基于实证的汽车消费者人群画像原则与体系研究

为解决在汽车企业大数据项目中遇到的问题,文章在基于某搜索引擎数据开展的大数据实证应用研究的基础上,总结汽车企业大数据人群画像的基本原则并形成体系.通过理论与项目实证过程相结合的方式,将项目中的核心问题与经验进行梳理,总结出汽车企业大数据人群画像的7个基本原则,并结合项目复盘对问题和解决方案进行论证.基于上述方法,得出汽...     

基于灰色系统理论对舰船方位变化规律的分析

舰船方位序列是一种带有灰色信息的时间序列,灰色系统理论是处理灰色信息的有力武器。本文将灰色系统理论灵活应用到舰船目标纯方位定位和要素解算领域,解决了传统的困扰解算目标运动要素的一些难点;提出了一些新的概念和方法,如目标方位序列集的概念和采用以某一方位为间隔的各方位区间的方位值数量作为灰色聚类中的灰聚类因子的方法,既可以有效区分不同方位序列集的分类,还能据此反演得到目标速度、航向以及位置信息的大概范围。     

一种自动获得k值的聚类算法

针对k均值算法局限于k值和初始中心点选取的情况,提出了一种基于k均值的自动获得k值的KDM算法.该算法整体沿用k均值算法的思想,利用最大最小距离法选择初始聚类中心,并且选择聚类中心与划分对象同时进行.通过不断改变类中心,来达到较好的聚类效果.     

基于网络实时数据的交通拥堵与用地关系研究 ——以天津市滨海新区为例

为量化用地规划与交通拥堵的关系,以天津市滨海新区核心区为研究区域,首先提取区内 的兴趣点并以用地建筑面积进行量化;然后基于地理信息系统,将核心区的实时路况电子地图矢 量化,并构建核心区道路间的拓扑关系;根据原发性拥堵与继发性拥堵时序上的差异性,找出原 发性拥堵点,并基于拥堵点的拥堵时间属性进行空间聚类,得到各类拥堵区域的平均拥堵时间; 最后利用量化后的兴趣点对各拥堵区域内的用地进行分析,并建立拥堵时间与各类用地之间的相 关性模型。研究结果表明,在工作日早晚高峰期,商业用地、居住用地、教育用地、公司用地与 拥堵时间具有明显的正相关性,其中以商业用地为主的区域内拥堵最严重;另外不同的用地配比 与拥堵时间具有明显相关性,且当用地配比为1.138时,该区域内的拥堵时间最短。     

基于PCA与属性权重模糊聚类的入侵检测方法

针对入侵检测数据集中存在大量冗余信息及传统聚类算法的效果不佳,提出了结合主成分分析与属性权重模糊聚类算法的入侵检测方法。该方法分为特征提取和模糊聚类两阶段,使用主成分分析进行特征提取、消除冗余属性;将经主成分分析后得到新成分的贡献率作为聚类算法中属性的权重值,实现了基于属性权重的模糊聚类。在KDD-CUP99数据集中的实验结果表明,该方法能有效地降低检测训练时间和提高检测正确率。     

基于均值聚类的银行客户信用关系分析

针对银行业中客户贷款契约违约风险较高的问题,通过把经济学中的特征分析模型与数据挖掘中的K-MEANS聚类算法相结合,利用现有客户资料,对客户资信评级分类,从而实现对客户信息的高质量管理,降低银行对客户贷款的风险．实验结果表明,此算法对客户的资信评级具有良好的分类效果．