公共文化服务平台

搜索到24670篇“ 划分聚类“的相关文章

划分聚类法在短历时雨型设计中的应用: 2024年; 为更好地反映短历时暴雨特征,对雨型进行分类,基于四川省乐山国家基准气候站1981年—2021年逐分钟降雨数据资料,使用多种方法对90场历时60 min、78场历时120 min和86场历时180 min降雨选取最佳聚类数,采用K-means聚类和PAM聚类两种方法对雨型进行分析。结果表明,K-means聚类法对城市短历时暴雨雨型分类的结果比PAM聚类法更直观有效;乐山气候站历时60 min的雨型分为3类、历时120 min的雨型分为2类、历时180 min的雨型分为3类,单峰靠前的雨型最为常见。研究结果可为乐山市海绵城市建设、排水防涝规划等提供参考,同时可为机器学习在设计暴雨雨型研究中的应用提供新思路。; 金灿袁文秀周宏刘俊; 关键词：划分聚类 K-MEANS聚类

一种基于自适应网格划分聚类的软件架构恢复方法: 本发明公开了一种基于自适应网格划分聚类的软件架构恢复方法，利用软件间的依赖关系，对其软件架构进行重新组织，以求恢复其软件架构描述。首先，利用软件源代码构建软件关联网络，选择合适的网络嵌入算法提取特征向量；其次利用提取出的...; 晋武侠董思远刘烃范铭戴铱彤

高维数据最优划分聚类的k-Fermat算法研究: 2024年; 将数论中的二维数据最优集结点(广义Fermat点)向高维空间拓展,提出以高维广义Fermat点作为最优聚类中心点的划分聚类算法——k-Fermat算法.首先对Fermat点作为聚类中心点的最优性、唯一性进行理论分析,其次建立了模拟植物生长算法(PGSA)求解高维数据的Fermat点并指导聚类过程的算法体系,最后对算法复杂性进行了严格证明.为验证算法性能,采用国际公布的经典数据集,将k-Fermat算法与近年来国际重要期刊和顶级会议发表的几十种主流聚类算法进行比较,验证了本文算法的精确性和稳定性.本文改进了目前划分聚类算法中没有最优聚类中心点的理论不足,为非监督学习探索了一个新方法.; 李彤翟永南华英凡; 关键词：划分聚类

一种基于划分聚类的PBFT算法: 一种基于划分聚类的PBFT算法，它包括以下步骤：步骤1：采集区块链集群中所有节点的数据，数据包括节点的在共识过程中的响应速度、响应次数比例；步骤2：将节点的响应速度以及响应次数比例作为二维坐标系的两个数据维度，绘制得到节...; 秦伟杰陈鹏余肖生

划分聚类算法的改进研究: K-means算法和模糊C均值算法是经典的基于划分的聚类算法。该类算法简单易懂,易于实现,可以发现具有清晰边界的簇,在现实生活中得到了广泛的应用。然而,该类算法存在明显的局限性,包括初始簇中心的敏感性、聚类过程中容易陷入...; 郭凯

基于节点划分聚类的PBFT共识算法被引量：1: 2023年; 由于集群中节点数量增多的需求,可扩展性问题一直是PBFT共识算法的研究热点。针对此问题,提出了一种基于节点划分聚类的PBFT共识算法,称为KPBFT算法。为减少PBFT算法中节点数量过大导致共识效率下降的问题,根据节点在PBFT共识过程中的响应情况作为数据维度,结合K-means++聚类算法对集群中的节点进行划分聚类并分级。选择聚类后的各级节点簇参与不同的共识过程,可以减少参与共识的节点总数,并且提高参与共识的节点质量。通过本地多节点仿真实验对比分析,节点划分聚类后的KPBFT算法可有效减少通信开销,提升多节点环境下的共识效率,使集群具有更好的可扩展性。; 秦伟杰; 关键词：划分聚类可扩展性

基于划分聚类的教学胜任力诊断模型构建: 2023年; 教学胜任力建模研究是教育数字化转型过程中亟待解决的问题,如何利用现有信息技术和数据驱动思想对教学胜任力建模成为教学胜任力领域的一个重要研究问题。针对这一问题,本文提出了一种划分聚类的教学胜任力诊断模型,通过量化教学胜任力,对教师胜任力进行诊断,并有针对性地给出可行的发展方向。通过实验验证,该模型能够有效地诊断教师的教学胜任力,并给出发展方向和个人建议。; 任维武; 关键词：划分聚类教育数字化

一种划分聚类k值与中心初始化的改进方法: 2023年; 划分聚类方法由于结构清晰、时间效率高而得到广泛的应用,但在缺乏先验知识的实际工业过程中难以合理地进行簇数和中心初值选取,导致聚类处理效果大打折扣。针对利用误差平方和方法获得的肘部点不明显的问题,提出考虑比例主偏差的误差平方和方法(PPD-SSE)。在误差平方和的基础上引入主偏差项以加强肘部点附近趋势,同时通过引入比例值避免趋势突变,从而更加准确地进行簇数选择。针对利用k-means++方法选取高维数据初始中心时过于随机的问题,提出轮盘重构的k-means++方法(RWR-kmeans++)。利用与已选中心的距离平方,并结合概率下限的方法来重构概率轮盘,提升相异数据被选中的概率,降低初值选取的随机性,提升聚类效果并使之更加稳定。在UEA&UCR公开数据集上的实验结果表明,所提PPD-SSE方法能够有效提升肘部偏折角及簇数预测的准确性,RWR-kmeans++方法能够有效提升初值选取的相异性及聚类效果。; 苏丰睿穆伟伟赵宣茗裘智峰; 关键词：划分聚类

基于Spark的并行划分聚类优化算法研究: 聚类算法是一种无监督的学习算法,它能根据数据的相似特征将数据集划分成不同的类别,同一类别下的对象具有一定的相似性,而不同类别对象之间则差异较大,从而能够发现样本数据潜在的分布模式。在聚类算法中,作为划分聚类算法中最为代表...; 甘德瑾; 关键词：K-MEANS算法粒子群优化算法

自适应密度划分聚类算法的优化研究: 密度峰值聚类算法是一种基于密度划分的聚类算法,与传统的聚类算法相比具有简单高效、对噪声不敏感、能准确找出聚类中心以及快速分配样本点等优势,近些年广受研究人员的关注。但其本身也存在一定的缺陷,本文针对密度峰值聚类算法在计算...; 纪耀立; 关键词：相对密度最小生成树

相关作者