导读:本文包含了核均值聚类算法论文开题报告文献综述及选题提纲参考文献，主要关键词:聚类,距离计算,质心下界,Hamerly算法
核均值聚类算法论文文献综述
马俊宏,武丽芬[1]（2019）在《一种改进的加速K均值聚类算法》一文中研究指出针对当前聚类算法应用于大规模多类别数据集中时,计算量较大,且算法性能严重依赖于K值的不足,提出一种改进的加速K均值聚类算法。算法主要由两种策略组成:一是基于质心下界(PLB)的跳跃过程,新引入称为质心的固定点来计算对象和矩心间距离的下界,避免了常见聚类算法在收敛早期过程中的距离计算过程;二是基于不变矩心对(ICP)的跳跃过程,如果矩心更新步骤完成后被分配及未被分配矩心的位置保持不变,则维持对象分配策略不变且无需计算与未被分配矩心之间的距离。此外,还给出了将本文算法与Hamerly算法相结合的拓展算法以进一步提升聚类加速效果。对大规模高维图像数据集进行了仿真实验,结果表明,与Hamerly算法相比,本文算法在获得相同聚类效果的同时,极大地压缩了距离计算量。当K值较大时,本文算法的平均压缩率更高,平均耗时更少。(本文来源于《太赫兹科学与电子信息学报》期刊2019年05期）
孙丽,孙顺远[2]（2019）在《基于K均值聚类的非均匀分簇路由算法》一文中研究指出针对LEACH协议中簇头选择存在随机性,频繁性,不合理性等问题,提出了一种基于K均值聚类的非均匀分簇路由算法。该算法通过求最优解得到网络节点的簇头最优数,结合K-means聚类算法,将网络中随机分布的节点按照簇头数分成若干簇,在每个簇中选择距离聚类中心最近的节点作为簇头,简化了LEACH协议中的簇建立阶段,有效减少了网络中频繁进行簇头选择和簇建立过程的能量消耗,使得网络生命周期得以延长。通过分析Matlab仿真结果,可以看出与传统LEACH协议、SEP协议相比,论文算法能够更好地优化簇结构,减少节点不必要的能耗从而提高网络的稳定性,有效延长整个网络的生存周期。(本文来源于《计算机与数字工程》期刊2019年10期）
李元,耿泽伟[3]（2019）在《基于K均值聚类与局部离群因子算法的故障检测研究》一文中研究指出针对化工生产过程的多工况、数据多模态问题,提出一种基于K均值聚类的局部离群因子故障检测方法。首先利用K均值聚类算法对多模态工业数据进行聚类,将各个模态的数据分离出来,然后运用局部离群因子算法在各个模态下单独建立模型,并且确定各个模态下的局部离群因子控制限。检测时首先判断样本属于哪一类,然后在相应类别下求取局部离群因子值并与此类别下的控制限进行比较,确定是否为故障数据。将此方法运用到TE过程的多模态数据中,并且将此方法与单独应用局部离群因子算法做故障检测对比,结果表明:所提算法可以大幅提高故障的检测率。(本文来源于《化工自动化及仪表》期刊2019年10期）
杜卓群,周霞,梁程光,邓孟桠[4]（2019）在《公共安全管理中恐怖袭击事件分级研究——基于熵值法-模糊C均值聚类算法》一文中研究指出随着国内外公共安全形势日趋复杂,城市安全管理能力不足问题凸显.恐怖袭击事件具有较强的杀伤力和破坏力,扰乱正常的生活生产秩序,对公共安全有重大影响.因此,高效、精准地评估事件级别,迅速合理地制定处置方案在公共安全管理中有重要作用.基于美国马里兰大学全球恐怖活动数据库,运用熵值法判断出恐怖袭击事件危害性主要体现于死亡人数和武器类型.采用模糊C均值聚类算法将恐怖袭击事件进行分级,分析恐怖袭击事件的危害性以及时间序列趋势,得出不同等级事件的特征,提出精细化分级管理的建议.(本文来源于《北京建筑大学学报》期刊2019年03期）
贾丽丽[5]（2019）在《基于文化算法的K均值聚类混合算法研究》一文中研究指出文化算法是一种具有双层空间及通信协议的新型智能算法,文章以文化算法为框架,构建获得能够处理聚类问题相关的双层空间以及实现空间连接的接受与影响函数充当通信协议,由此提出文化算法支持下的新型K均值聚类混合算法。实验分析的结果明确,该项算法能够克服聚类问题的初始化敏感性及容易陷入局部优化取得较好的效果。(本文来源于《科技传播》期刊2019年17期）
朱占龙,刘永军,赵战民,郑一博[6]（2019）在《用于分割无损检测图像的改进的抑制式模糊C均值聚类算法》一文中研究指出由于无损检测图像灰度分布不均衡,常用的模糊C均值聚类算法不能对图像中的目标与背景进行有效分割,故提出一种改进的抑制式模糊C均值聚类算法(IS-FCM)对无损检测图像进行分割。通过对抑制式模糊C均值聚类算法(S-FCM)的目标函数融入每一类的总隶属度以均衡化目标像素和背景像素对聚类结果的影响,在构建的新目标函数基础上推导出新的隶属度和聚类中心迭代形式,然后分析了所提算法的收敛性并给出了执行步骤,最后通过无损检测图像对所提算法进行分割实验。结果表明,IS-FCM算法不仅能够对灰度分布不均衡的无损检测图像进行有效分割,还扩展了S-FCM算法的应用范围,增强了鲁棒性和适应性。(本文来源于《仪器仪表学报》期刊2019年08期）
贾丽杰,李文静,乔俊飞[7]（2019）在《基于CK均值聚类算法的RBF神经网络设计》一文中研究指出针对RBF神经网络在利用K-means算法进行学习时初始聚类中心难以确定,造成网络学习速度慢,分类精度不高等问题。本文提出了一种基于Canopy-Kmeans(CK)聚类算法的RBF神经网络的学习方法。首先利用Canopy算法对数据进行粗聚类,将得到的中心作为K-means的初始聚类中心,然后再利用K-means聚类算法对神经网络的隐层中心参数进行学习。利用非线性函数逼近、多个UCI公开数据集分类和污水处理中BOD浓度预测叁个实验对算法的有效性进行验证,结果表明,基于CK算法的RBF网络学习速度快,分类精度高,泛化能力强,网络性能良好。(本文来源于《第30届中国过程控制会议（CPCC 2019）摘要集》期刊2019-07-31）
王柳莎[8]（2019）在《基于K-均值聚类算法的英语教学岗位胜任能力评估系统设计》一文中研究指出设计了高职院校英语教学岗位胜任能力评估系统,在建立的约束参量指标分析模型基础上,评估大数据信息模型的能力,提取出能力约束特征信息。融合K均值聚类算法,聚类并整合岗位胜任能力的指标参数,据此完成教学资源分配计划的编制,从而实现英语教学岗位胜任能力的科学评估。试验结果表明设计的评估算法显着提高了英语教育岗位胜任能力评估过程中的信息融合分析能力及准确性,实际应用价值较高。(本文来源于《微型电脑应用》期刊2019年07期）
林璐,陈健,曲大义,黑凯先,韩乐潍[9]（2019）在《基于K均值聚类算法的交通状态判别方法研究》一文中研究指出在交通供需矛盾持续深化的情况下,研究交通常发性拥挤是现代交通管理的重点课题.通过分析国内外交通状态判别方法与交通流特性研究,运用K均值聚类算法,提出在离线状态下有效判别交通状态的定量方法.以青岛市环湾快速路交通流数据对该方法的实效性进行验证分析,结果表明判别方法能够快速处理大量交通流数据,判别交通流运行状态,识别率较高,方便,高效,研究成果可以为协同优化交通控制系统和交通流诱导系统提供方法依据.(本文来源于《青岛理工大学学报》期刊2019年04期）
蒋华,武尧,王鑫,王慧娇[10]（2019）在《改进K均值聚类的海洋数据异常检测算法研究》一文中研究指出针对海洋Argo浮标监测数据中的异常数据挖掘问题,在改进K均值算法的基础上,提出基于距离为准则进行海洋异常数据判定的异常检测算法。该算法重新定义海洋数据邻近度,并根据数据的规模以及分布情况,区块化、自适应地筛选备选初始聚类中心;在算法迭代过程中,运用簇内,数据对象相对于聚类中心的距离均值,全局考量类簇内,符合异常特征的数据对象进行异常检测。通过仿真数据集和真实数据集分别进行实验验证,对比结果表明:该算法在聚类性能以及异常检测方面都优于对比算法。(本文来源于《计算机科学》期刊2019年07期）
核均值聚类算法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对LEACH协议中簇头选择存在随机性,频繁性,不合理性等问题,提出了一种基于K均值聚类的非均匀分簇路由算法。该算法通过求最优解得到网络节点的簇头最优数,结合K-means聚类算法,将网络中随机分布的节点按照簇头数分成若干簇,在每个簇中选择距离聚类中心最近的节点作为簇头,简化了LEACH协议中的簇建立阶段,有效减少了网络中频繁进行簇头选择和簇建立过程的能量消耗,使得网络生命周期得以延长。通过分析Matlab仿真结果,可以看出与传统LEACH协议、SEP协议相比,论文算法能够更好地优化簇结构,减少节点不必要的能耗从而提高网络的稳定性,有效延长整个网络的生存周期。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
核均值聚类算法论文参考文献
[1].马俊宏,武丽芬.一种改进的加速K均值聚类算法[J].太赫兹科学与电子信息学报.2019
[2].孙丽,孙顺远.基于K均值聚类的非均匀分簇路由算法[J].计算机与数字工程.2019
[3].李元,耿泽伟.基于K均值聚类与局部离群因子算法的故障检测研究[J].化工自动化及仪表.2019
[4].杜卓群,周霞,梁程光,邓孟桠.公共安全管理中恐怖袭击事件分级研究——基于熵值法-模糊C均值聚类算法[J].北京建筑大学学报.2019
[5].贾丽丽.基于文化算法的K均值聚类混合算法研究[J].科技传播.2019
[6].朱占龙,刘永军,赵战民,郑一博.用于分割无损检测图像的改进的抑制式模糊C均值聚类算法[J].仪器仪表学报.2019
[7].贾丽杰,李文静,乔俊飞.基于CK均值聚类算法的RBF神经网络设计[C].第30届中国过程控制会议（CPCC2019）摘要集.2019
[8].王柳莎.基于K-均值聚类算法的英语教学岗位胜任能力评估系统设计[J].微型电脑应用.2019
[9].林璐,陈健,曲大义,黑凯先,韩乐潍.基于K均值聚类算法的交通状态判别方法研究[J].青岛理工大学学报.2019
[10].蒋华,武尧,王鑫,王慧娇.改进K均值聚类的海洋数据异常检测算法研究[J].计算机科学.2019