期刊文献+
任意字段
题名或关键词
题名
关键词
摘要
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到250,001篇文章
< 1 2 … 250 >
每页显示 20 50 100
已选0条
引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
Low-complexity APSK demodulation algorithm based on K-means clustering in LEO satellite communication systems 认领 引用
1
作者 Guangfu Wu Xiangrui Meng +1 位作者 Changlin Chen Biqun Xiang 《Digital Communications and Networks》 SCIE EI CSCD 2026年第2期343-353,共11页
Amplitude Phase Shift Keying(APSK)is more suitable for the nonlinear channels of Low Earth Orbit(LEO)satellite communication systems compared to Quadrature Amplitude Modulation(QAM).To tackle challenges posed by Direc... Amplitude Phase Shift Keying(APSK)is more suitable for the nonlinear channels of Low Earth Orbit(LEO)satellite communication systems compared to Quadrature Amplitude Modulation(QAM).To tackle challenges posed by Direct Current(DC)interference and high demodulation complexity,we propose an APSK demodulation algorithm based on K-means clustering.Initially,static DC components are calculated and removed from the received APSK signals.Subsequently,the estimated APSK constellation points serve as initial centers for K-means clustering.These centers are refined through the K-means process and act as theoretical APSK constellation points for the Max-Log-MAP demodulation algorithm,effectively eliminating residual DC.We then introduce a low-complexity APSK demodulation algorithm that utilizes the symmetry of constellation points along with the Euclidean distance between DC-eliminated signals and these constellation points to minimize the set of constellation points.Simulation results indicate that for 32-APSK,our proposed demodulation submodule reduces computational complexity to approximately one-third that of the Max-Log-MAP algorithm while improving Bit Error Rate(BER)performance by about 0.23 dB.Furthermore,end-to-end simulation experiments conducted within LEO satellite communication systems demonstrate that our approach not only maintains this complexity advantage but also enhances BER performance by approximately 1.1 dB. 展开更多
关键词 DC elimination APSK demodulation LEO satellite communication K-means algorithm Max-Log-MAP algorithm
暂未订购 下载PDF
Equivalent Modeling with Passive Filter Parameter Clustering for Photovoltaic Power Stations Based on a Particle Swarm Optimization K-Means Algorithm 认领 引用
2
作者 Binjiang Hu Yihua Zhu +3 位作者 Liang Tu Zun Ma Xian Meng Kewei Xu 《Energy Engineering》 EI 2026年第1期431-459,共29页
This paper proposes an equivalent modeling method for photovoltaic(PV)power stations via a particle swarm optimization(PSO)K-means clustering(KMC)algorithm with passive filter parameter clustering to address the compl... This paper proposes an equivalent modeling method for photovoltaic(PV)power stations via a particle swarm optimization(PSO)K-means clustering(KMC)algorithm with passive filter parameter clustering to address the complexities,simulation time cost and convergence problems of detailed PV power station models.First,the amplitude–frequency curves of different filter parameters are analyzed.Based on the results,a grouping parameter set for characterizing the external filter characteristics is established.These parameters are further defined as clustering parameters.A single PV inverter model is then established as a prerequisite foundation.The proposed equivalent method combines the global search capability of PSO with the rapid convergence of KMC,effectively overcoming the tendency of KMC to become trapped in local optima.This approach enhances both clustering accuracy and numerical stability when determining equivalence for PV inverter units.Using the proposed clustering method,both a detailed PV power station model and an equivalent model are developed and compared.Simulation and hardwarein-loop(HIL)results based on the equivalent model verify that the equivalent method accurately represents the dynamic characteristics of PVpower stations and adapts well to different operating conditions.The proposed equivalent modeling method provides an effective analysis tool for future renewable energy integration research. 展开更多
关键词 Photovoltaic power station multi-machine equivalentmodeling particle swarmoptimization K-means clustering algorithm
暂未订购 下载PDF
Integrated diagnosis of abnormal energy consumption in converter steelmaking using GWO-SVM-K-means algorithms 认领 引用
3
作者 Fei-Xiang Dai Xiang-Jun Bao +2 位作者 Lu Zhang Xiao-Jing Yang Guang Chen 《Journal of Iron and Steel Research International》 SCIE EI CSCD 2026年第1期458-468,共11页
To address the issue of abnormal energy consumption fluctuations in the converter steelmaking process,an integrated diagnostic method combining the gray wolf optimization(GWO)algorithm,support vector machine(SVM),and ... To address the issue of abnormal energy consumption fluctuations in the converter steelmaking process,an integrated diagnostic method combining the gray wolf optimization(GWO)algorithm,support vector machine(SVM),and K-means clustering was proposed.Eight input parameters—derived from molten iron conditions and external factors—were selected as feature variables.A GWO-SVM model was developed to accurately predict the energy consumption of individual heats.Based on the prediction results,the mean absolute percentage error and maximum relative error of the test set were employed as criteria to identify heats with abnormal energy usage.For these heats,the K-means clustering algorithm was used to determine benchmark values of influencing factors from similar steel grades,enabling root-cause diagnosis of excessive energy consumption.The proposed method was applied to real production data from a converter in a steel plant.The analysis reveals that heat sample No.44 exhibits abnormal energy consumption,due to gas recovery being 1430.28 kg of standard coal below the benchmark level.A secondary contributing factor is a steam recovery shortfall of 237.99 kg of standard coal.This integrated approach offers a scientifically grounded tool for energy management in converter operations and provides valuable guidance for optimizing process parameters and enhancing energy efficiency. 展开更多
关键词 Converter smelting process Abnormal energy diagnosis Gray wolf optimization algorithm Support vector machine K-means clustering algorithm
暂未订购 下载PDF
结合蝙蝠算法和紧密度改进的三支K-means算法 认领 引用 被引量：1
4
作者 孙清 叶军 +2 位作者 曾广财 宋苏洋 汪一心 《山东大学学报（理学版）》 CAS CSCD 北大核心 2026年第1期65-75,共11页
本文结合蝙蝠算法和紧密度改进三支K-means算法,利用黄金分割系数和种群平均位置优化蝙蝠算法,根据优化后的蝙蝠算法搜索初始聚类中心,提高三支K-means算法的稳定性。依据紧密度判断核心域和边界域的阈值,减少边界域样本数量,提高三支K-... 本文结合蝙蝠算法和紧密度改进三支K-means算法,利用黄金分割系数和种群平均位置优化蝙蝠算法,根据优化后的蝙蝠算法搜索初始聚类中心,提高三支K-means算法的稳定性。依据紧密度判断核心域和边界域的阈值,减少边界域样本数量,提高三支K-means算法的准确性。对比实验采用9个数据集与6种聚类算法,实验结果表明本文算法提升聚类性能,验证本文算法有效性和实用性。 展开更多
关键词 K-means聚类 蝙蝠算法 紧密度 K-means算法 三支决策
暂未订购 下载PDF
高光谱技术结合K-means-LSTM对汽车塑料保险杠的快速分类研究 认领 引用 被引量：1
5
作者 姜红 康瑞雪 王锦辉 《中国测试》 CAS 北大核心 2026年第5期70-75,89,共6页
为建立一种快速无损检验汽车保险杠的分析方法,利用高光谱技术对50个汽车保险杠样品进行检验分析,对高光谱数据进行标准正态变量变换处理后,根据高光谱图的不同,将50个样品大致分为两类。利用K-means聚类法对数目较多的第Ⅰ类进一步分组... 为建立一种快速无损检验汽车保险杠的分析方法,利用高光谱技术对50个汽车保险杠样品进行检验分析,对高光谱数据进行标准正态变量变换处理后,根据高光谱图的不同,将50个样品大致分为两类。利用K-means聚类法对数目较多的第Ⅰ类进一步分组,利用簇内误差平方和法确定最佳k值为4,因此将第Ⅰ类样品分为4组。同时,利用K-近邻算法、随机森林算法和长短期记忆网络算法,分别构建分类模型。K-近邻模型、随机森林模型和长短期记忆网络模型的分类正确率分别为69.05%、41.67%和83.33%。通过比较,长短期记忆网络模型对汽车保险杠样品可以实现更加有效的区分。结果表明该方法简单快速,可以为汽车保险杠类的物证鉴定提供帮助。 展开更多
关键词 高光谱技术 汽车保险杠 K-means聚类 长短期记忆网络分类模型
暂未订购 下载PDF
基于K-means++算法划分车辆状态的直接横摆力矩控制 认领 引用 被引量：1
6
作者 潘公宇 李桐 《重庆理工大学学报（自然科学）》 CAS 北大核心 2026年第1期1-9,共9页
针对分布式驱动电动汽车在转向变道过程中低附着、高速等极限工况下的失稳问题,提出一种基于K-means++算法划分车辆状态区域的分层协同控制策略。基于Carsim车辆模型构建离线训练数据集,提取横摆角速度、质心侧偏角等9维车辆稳定性特征... 针对分布式驱动电动汽车在转向变道过程中低附着、高速等极限工况下的失稳问题,提出一种基于K-means++算法划分车辆状态区域的分层协同控制策略。基于Carsim车辆模型构建离线训练数据集,提取横摆角速度、质心侧偏角等9维车辆稳定性特征参数,利用K-means++算法将车辆当前状态划分为稳定域、协调域与控制域,并设计动态权重协调模块。在上层控制器中,采用离散滑模控制算法结合粒子群优化趋近律系数,生成目标附加横摆力矩,以跟踪理想横摆动力学特性;同时通过对比积分滑模算法,验证离散滑模控制器在抑制峰值误差与跟踪精度上的优势。在下层控制器中,以稳定性裕度建立目标函数,构建二次规划模型,优化四轮扭矩分配,确保纵向力与侧向力矢量位于摩擦椭圆内。Carsim/Simulink联合仿真验证表明:该策略在中速、低附着(60 km/h,μ=0.3)工况下,相较于由积分滑模算法所搭建的控制策略而言,横摆角速度、质心侧偏角的峰值误差分别降低了77.2%、11.64%,而在跟踪精度方面分别优化了63.13%、15.19%;在高速、高附着(95 km/h,μ=0.85)工况下,其横摆角速度、质心侧偏角的峰值误差分别降低了27.48%、40.1%,而在跟踪精度方面分别优化了20.67%、45.94%。研究结果表明:基于K-means++算法的状态区域划分与离散滑模分层动态控制机制显著提升了车辆横向稳定性与控制鲁棒性,为分布式驱动电动汽车的极限工况稳定性优化提供了有效解决方案。 展开更多
关键词 分布式驱动汽车 K-means++算法 车辆状态区域 离散滑模算法
暂未订购 下载PDF
基于K-Means聚类的广东省红树林生态质量监测样地优化布设研究 认领 引用
7
作者 刘花 李鑫 +6 位作者 谢志宜 李昭 徐卫 贾翊文 邓应彬 杨阳 沈丽冉 《中国环境监测》 CAS CSCD 北大核心 2026年第2期42-49,共8页
《红树林保护修复专项行动计划(2020—2025年)》提出加强红树林监测评估体系建设,推动构建科学高效的监测网络。针对广东省红树林湿地生态系统监测覆盖不全、斑块破碎化、空间异质性显著等特点,亟须建立具有代表性的红树林生态质量监测... 《红树林保护修复专项行动计划(2020—2025年)》提出加强红树林监测评估体系建设,推动构建科学高效的监测网络。针对广东省红树林湿地生态系统监测覆盖不全、斑块破碎化、空间异质性显著等特点,亟须建立具有代表性的红树林生态质量监测网络。该文以兼顾生态类型多样性、空间覆盖广度与实际推广应用可行性为出发点,运用“聚类-抽样”技术方法体系,构建广东省红树林生态质量监测网络。根据红树林结构特征,对同质性红树林斑块进行聚类;利用分层比例抽样与行政区域结合的方式,确定监测斑块,构建监测网络。研究成果为广东省红树林生态质量动态监测与科学管理提供了技术支撑,也为全国滨海湿地生态监测网络建设提供了可推广的参考路径。 展开更多
关键词 红树林 生态质量 监测网络 K-Means聚类 空间抽样
暂未订购 下载PDF
利用CTCM优化K-means聚类研究微震震源稳健定位 认领 引用
8
作者 陈国庆 庞聪 +3 位作者 梁雨萱 李尚东 李查玮 刘斯睿 《大地测量与地球动力学》 CSCD 北大核心 2026年第8期1030-1038,共9页
针对传统微震震源定位方法在噪声干扰下鲁棒性不足的问题,提出一种融合遗传算法(genetic algorithm,GA)全局搜索和部落竞争与成员合作算法(competition of tribes and cooperation of members algorithm,CTCM)优化K-means聚类的微震震... 针对传统微震震源定位方法在噪声干扰下鲁棒性不足的问题,提出一种融合遗传算法(genetic algorithm,GA)全局搜索和部落竞争与成员合作算法(competition of tribes and cooperation of members algorithm,CTCM)优化K-means聚类的微震震源稳健定位框架。首先,基于到时差数学模型构建不同测点四四组合的最优化目标函数,通过GA算法遍历求解这些以未知震源三维坐标为自变量的三元二次函数,生成大量震源近似解;然后,引入CTCM对K-means聚类的初始聚类中心进行优化,将聚类结果的误差平方和(sum of squared error,SSE)作为最优化目标函数的因变量,以状态转移相关矩阵提升高维数据的聚类稳定性;最后,执行优化后的K-means得到多个聚类中心,以这些中心坐标的中位数和各点马氏距离构建抗差定位策略,并应用中位数绝对偏差(median absolute deviation,MAD)实现对异常点的自动剔除,其他聚类中心的加权算术平均值即为最终解。结果表明,该方法(GA-CTCM-K-means)在1组平面型仿真实验和2组真实微震案例下均能实现较好的异常剔除和定位效能,定位精度分别可达9.5243 m、137.8651 m、28.1009 m,优于Geiger法、单纯形法、震源扫描法等传统方法,是一种具有一定应用价值的微震震源定位方案。 展开更多
关键词 微震震源定位 到时差模型 CTCM算法 K-means聚类 遗传算法 稳健定位 中位数绝对偏差
暂未订购 下载PDF
基于K-means聚类的手术绩效分级优化研究 认领 引用
9
作者 余嘉俐 沈思远 +2 位作者 吴露瑛 王汉松 陈英耀 《中国医院管理》 北大核心 2026年第2期11-17,共7页
目的 利用K-means聚类算法优化手术绩效分级体系,提升分级的精细化程度和科学性。方法 通过结合轮廓系数、簇内平方和及医院管理需求确定K,并通过卡林斯基-哈拉巴斯指数和戴维斯-博尔丁指数进行验证。在此基础上,根据各级手术确定的K和... 目的 利用K-means聚类算法优化手术绩效分级体系,提升分级的精细化程度和科学性。方法 通过结合轮廓系数、簇内平方和及医院管理需求确定K,并通过卡林斯基-哈拉巴斯指数和戴维斯-博尔丁指数进行验证。在此基础上,根据各级手术确定的K和各项手术的SDI对手术数据进行聚类分析,明确各级手术分布特点,对于传统手术分级进行优化。结果 通过K-means聚类算法能够将原手术分类进一步细分为四级九档,实现手术的科学分类,为手术绩效管理和评价提供更精准的依据。结论 基于K-means聚类的手术分级优化方法,可区分四级分类下同级别手术间资源消耗差异,为医院手术绩效分级精细化管理与绩效评价提供可行路径,具备临床推广价值,推动医院绩效管理向精细化方向发展。 展开更多
关键词 K-means聚类 手术绩效分级 轮廓系数
暂未订购 下载PDF
A Secure Task Offloading Scheme for UAV-Assisted MEC with Dynamic User Clustering and Cooperative Jamming: A Method Combining K-Means and SAC (K-SAC) 认领 引用
10
作者 Jiajia Liu Shuchen Pang +7 位作者 Peng Xie Haitao Zhou Chenxi Du Haoran Hu Bo Tang Jianhua Liu Fei Jia Huibing Zhang 《Computers, Materials & Continua》 SCIE EI 2026年第6期1323-1346,共24页
In the unmanned aerial vehicle(UAV)assisted edge computing system,the broadcast characteristics of the UAV signal,the high mobility of the UAV,and the limited airborne energy make the task offloading strategy face cha... In the unmanned aerial vehicle(UAV)assisted edge computing system,the broadcast characteristics of the UAV signal,the high mobility of the UAV,and the limited airborne energy make the task offloading strategy face challenges such as increased risk of information disclosure,limited computing resources,and the trade-off between energy consumption and flight time.To address these issues,we propose a K-means in-depth reinforcement learning algorithm based on Soft Actor-Critic(SAC).The proposed method first leverages the K-means clustering algorithm to determine the optimal deployment of ground jammers based on the final distribution of mobile users.Then,building upon the SAC framework,the Cross-Entropy Method(CEM)global sampling strategy is incorporated into the action output phase to form the K-SAC algorithm.This algorithm aims to maximize system rewards,which holistically balance task offloading delay,energy consumption,and secure offloading rate.Consequently,it jointly optimizes the optimal hovering positions of auxiliary UAVs and the task offloading ratio for each user,leading to an overall performance improvement in system security and efficiency.Finally,compared with current schemes,the system benefits achieved by the proposed scheme were 9.83%higher on average in different computing task sizes,13.67%higher on average in different task complexities,and 14.63%higher on average in different interference powers. 展开更多
关键词 Mobile edge computing(MEC) SAC communication security K-means UAV
暂未订购 下载PDF
基于自动构建多源DSM和改进K-Means算法的产品模块划分方法 认领 引用
11
作者 张良 潘吉龙 +2 位作者 赵晓敏 马雨潇 周乐豪 《机床与液压》 北大核心 2026年第10期117-126,共10页
在复杂工程系统的模块化设计中,组件间的功能、材料等多维属性常常充满不确定性和模糊性,传统的聚类算法难以准确捕捉这些复杂关系。为此,提出一种基于自动构建多源设计结构矩阵(DSM)与改进K-Means算法的产品模块划分方法。利用SolidWor... 在复杂工程系统的模块化设计中,组件间的功能、材料等多维属性常常充满不确定性和模糊性,传统的聚类算法难以准确捕捉这些复杂关系。为此,提出一种基于自动构建多源设计结构矩阵(DSM)与改进K-Means算法的产品模块划分方法。利用SolidWorks API自动提取产品组件的结构、功能和材料信息,构建多维DSM,并通过自定义权重生成加权DSM;采用基于证据距离的改进K-Means算法进行聚类,该距离度量方法在处理多源信息融合和不确定性时具备优势;采用粒子群优化(PSO)算法优化聚类中心,以提高收敛效率和聚类准确性。最后,通过工程案例进行模块划分验证,并与几种常见聚类算法进行性能对比,评价指标包括误差平方和(SSE)、平均轮廓系数(SC)和戴维斯-包丁指数(DBI)。结果表明:t-SNE降维可视化显示聚类结果具有清晰的簇间分离度。文中算法的SSE为40.06,显著优于K-Means++(49.11)和K-Medoids(64.22),表明具有良好的聚类紧凑性;SC值为0.35,与对比算法持平,表明聚类一致性和样本分离性良好;DBI值为1.05,优于K-Means++(1.34)和Fuzzy C-Means(1.29)。该方法在产品模块划分中表现出较高的准确性和鲁棒性,显著优于传统方法,为复杂系统设计和优化提供了新的工具与思路。 展开更多
关键词 模块划分 设计结构矩阵(DSM) 改进的K-Means算法 证据距离 粒子群优化(PSO)
暂未订购 下载PDF
基于心率和心率变异性的K-Means聚类算法提升学员模拟飞行实践效果研究 认领 引用
12
作者 王春晨 文治洪 +6 位作者 杨琳 王航 代静 刘洋 高志君 秦义隆 曹新生 《心脏杂志》 CAS 2026年第3期317-322,共6页
目的基于心率和心率变异性特征参数,采用K-Means聚类算法客观评估航空航天医学专业学员在模拟飞行考核中的应激状态,并制定针对性教学方案,以探索改善模拟飞行实践课程教学效果的新型教学策略。方法选取48名航空航天医学专业本科学员作... 目的基于心率和心率变异性特征参数,采用K-Means聚类算法客观评估航空航天医学专业学员在模拟飞行考核中的应激状态,并制定针对性教学方案,以探索改善模拟飞行实践课程教学效果的新型教学策略。方法选取48名航空航天医学专业本科学员作为研究对象,使用初教六型模拟飞行器进行模拟飞行实践。采用百分制量化评估学员五边飞行任务的成绩;使用“飞行生理参数记录仪”实时记录学员在飞行前静息状态和着陆期间的心电信号,并提取学员中期考核中心率和心率变异性的RMSSD、LFnu和LF/HF作为特征参数,输入至K-Means聚类算法中将学员分为高应激组和低应激组,对两组学员实施针对性教学方案。通过对比学员中期和终期两次模拟飞行考核成绩和心率/心率变异性指标,评估教学效果。结果(1)学员在飞行着陆期间的心率和心率变异性均与静息状态存在明显差异,具体表现为心率加快(F=15.49,P<0.01),RMSSD降低(F=16.81,P<0.01),LFnu(F=61.20,P<0.01)和LF/HF(F=34.16,P<0.01)减小,表明飞行着陆任务负荷大,会引起学员产生应激反应;(2)在接受针对性教学方案后的终期考核中,高、低应激状态两组学员的心率和心率变异性无明显差异,模拟飞行考核成绩较中期考核均有显著提升(低应激组:F=16.80,P<0.01;高应激组:F=67.32,P<0.01),但是两组学员之间的成绩无显著差异(F=0.09,P=0.70),表明两组学员的飞行实践水平达到相似水平。结论基于心率和心率变异性的K-Means聚类算法能够较为准备地判断学员的应激状态,据此制定的针对性教学方案有效地提升高应激状态学员的模拟飞行成绩,为优化模拟飞行实践课程设置提供了科学指导。 展开更多
关键词 模拟飞行 应激 心率 心率变异性 K-Means聚类
暂未订购 下载PDF
基于K-means算法的敦煌壁画主色提取及自动上色研究 认领 引用
13
作者 宋海燕 李婵 何颂华 《印刷与数字媒体技术研究》 CAS 北大核心 2026年第1期30-37,共8页
为实现敦煌壁画颜色意象的数字化再现与现代设计的融合,本研究基于K-means算法,探索敦煌壁画颜色提取与应用的新方法。首先,通过CIELAB颜色空间转换增强颜色区分度,结合K-means聚类算法准确提取敦煌壁画主色并构建颜色网络,深入分析颜... 为实现敦煌壁画颜色意象的数字化再现与现代设计的融合,本研究基于K-means算法,探索敦煌壁画颜色提取与应用的新方法。首先,通过CIELAB颜色空间转换增强颜色区分度,结合K-means聚类算法准确提取敦煌壁画主色并构建颜色网络,深入分析颜色搭配关系。进一步,提出生成多样化配色方案的随机颜色排列组合方法,并结合最优传输算法实现图像自动上色,成功重构50幅与敦煌壁画颜色风格、意象一致的图像。最后对重构图像进行主客观评价。结果表明,主观评价重构图像的平均得分为3.38,介于一般与好之间;客观评价显示重构图像颜色与配色方案一致,清晰度和对比度佳。本研究方法不仅能够有效地提取和再现敦煌壁画颜色意象,还为现代产品设计提供新的视觉元素和灵感来源,为传统艺术颜色的现代转化与创新应用开辟新路径。 展开更多
关键词 颜色提取 K-means聚类 最优传输理论 自动上色
暂未订购 下载PDF
基于K-means聚类的山西布老虎图案颜色基因提取与应用 认领 引用
14
作者 纪向宏 宋婧妍 《印刷与数字媒体技术研究》 CAS 北大核心 2026年第2期45-54,共10页
山西布老虎是我国非物质文化遗产之一,其造型生动夸张,颜色对比强烈,具有很高的审美价值。为了更好地保护与传承这一传统民间艺术,提升非遗文化产品的技术性和新颖性,本研究运用K-means聚类算法提取图像颜色,根据图像中的颜色比例数据... 山西布老虎是我国非物质文化遗产之一,其造型生动夸张,颜色对比强烈,具有很高的审美价值。为了更好地保护与传承这一传统民间艺术,提升非遗文化产品的技术性和新颖性,本研究运用K-means聚类算法提取图像颜色,根据图像中的颜色比例数据和颜色邻接关系,构建颜色网络模型,明确主色与辅色的搭配方式。同时运用Adobe Illustrator绘制山西布老虎形态因子图案。通过实际设计案例,验证山西布老虎特征颜色提取的可行性,以及颜色网络模型辅助配色的可操作性。评价结果显示,本研究应用K-means聚类算法提取的布老虎颜色具有代表性,构建的颜色网络模型能提升设计师的配色效率,为非遗数字化文创产品的开发提供参考。 展开更多
关键词 山西布老虎 K-means聚类算法 颜色基因提取 颜色网络模型
暂未订购 下载PDF
基于k-means与改进Stacking的异常用电检测模型设计 认领 引用
15
作者 王白根 鲍兴江 +2 位作者 邵竹星 陆钦 胡中鲲 《微型电脑应用》 2026年第6期13-16,共4页
电力系统在现代社会中至关重要,但非技术性损失对电网安全运行构成威胁,传统监测手段检测精度较低。因此,提出一种基于k-means聚类算法和改进堆叠泛化算法的异常用电检测模型。实验结果表明,当k为3时,聚类的平均准确率达95.98%,且处理... 电力系统在现代社会中至关重要,但非技术性损失对电网安全运行构成威胁,传统监测手段检测精度较低。因此,提出一种基于k-means聚类算法和改进堆叠泛化算法的异常用电检测模型。实验结果表明,当k为3时,聚类的平均准确率达95.98%,且处理后的模型收敛速度更快、精确率更高、误报率更低。改进堆叠泛化算法的平均精确率为94.24%,优于标准堆叠泛化算法的93.08%,表明了所提出的模型能够助力减少非技术性损失并推动智能电网发展。 展开更多
关键词 电力系统 异常用电 检测模型 k-means Stacking
暂未订购 下载PDF
Fuzzy k-Means Clustering-Based Machine Learning Models for LFO Damping in Electric Power System Networks 认领 引用 被引量：1
16
作者 Md Shafiullah 《Computer Modeling in Engineering & Sciences》 SCIE EI 2026年第2期803-830,共28页
Various factors,including weak tie-lines into the electric power system(EPS)networks,can lead to low-frequency oscillations(LFOs),which are considered an instant,non-threatening situation,but slow-acting and poisonous... Various factors,including weak tie-lines into the electric power system(EPS)networks,can lead to low-frequency oscillations(LFOs),which are considered an instant,non-threatening situation,but slow-acting and poisonous.Considering the challenge mentioned,this article proposes a clustering-based machine learning(ML)framework to enhance the stability of EPS networks by suppressing LFOs through real-time tuning of key power system stabilizer(PSS)parameters.To validate the proposed strategy,two distinct EPS networks are selected:the single-machine infinite-bus(SMIB)with a single-stage PSS and the unified power flow controller(UPFC)coordinated SMIB with a double-stage PSS.To generate data under various loading conditions for both networks,an efficient but offline meta-heuristic algorithm,namely the grey wolf optimizer(GWO),is used,with the loading conditions as inputs and the key PSS parameters as outputs.The generated loading conditions are then clustered using the fuzzy k-means(FKM)clustering method.Finally,the group method of data handling(GMDH)and long short-term memory(LSTM)ML models are developed for clustered data to predict PSS key parameters in real time for any loading condition.A few well-known statistical performance indices(SPI)are considered for validation and robustness of the training and testing procedure of the developed FKM-GMDH and FKM-LSTM models based on the prediction of PSS parameters.The performance of the ML models is also evaluated using three stability indices(i.e.,minimum damping ratio,eigenvalues,and time-domain simulations)after optimally tuned PSS with real-time estimated parameters under changing operating conditions.Besides,the outputs of the offline(GWO-based)metaheuristic model,proposed real-time(FKM-GMDH and FKM-LSTM)machine learning models,and previously reported literature models are compared.According to the results,the proposed methodology outperforms the others in enhancing the stability of the selected EPS networks by damping out the observed unwanted LFOs under various loading conditions. 展开更多
关键词 Fuzzy k-means clustering grey wolf optimizer group method of data handling long short-term memory low-frequency oscillation power system stabilizer single machine infinite bus stability unified power flow controller
暂未订购 下载PDF
基于知识诱导与无用中心驱动的K-means算法 认领 引用
17
作者 王森 刘青阳 +1 位作者 詹小秦 陈炼 《华东交通大学学报》 2026年第3期120-126,共7页
K-means算法是一种广泛应用的高效无监督聚类算法。然而,研究表明,在处理高维或非球状结构的数据集时,K-means算法在确定聚类数目和选择初始质心方面存在显著局限性。为优化K-means算法的初始质心选取机制,解决聚类数目确定问题,文章提... K-means算法是一种广泛应用的高效无监督聚类算法。然而,研究表明,在处理高维或非球状结构的数据集时,K-means算法在确定聚类数目和选择初始质心方面存在显著局限性。为优化K-means算法的初始质心选取机制,解决聚类数目确定问题,文章提出了一种基于知识诱导与无用中心驱动的K-means算法。该算法首先引入高密度知识点的检测机制,通过识别数据集中的高密度知识点,构建候选质心集合,基于高斯混合模型理论推导最优聚类数;随后,采用无用中心筛选策略对候选质心进行优化选择,最终确定最优初始质心集合。在真实数据集上的实验结果表明,所提算法在聚类性能上总体优于其他对比算法。该算法可有效解决非球状数据分布的聚类问题,并在复杂数据结构场景下展现出较为优越的聚类性能。 展开更多
关键词 无监督聚类 K-means 高密度知识点 高斯混合模型 无用中心
暂未订购 下载PDF
基于改进K-means算法的网络文学内容分类方法研究 认领 引用
18
作者 程盟盟 《连云港职业技术学院学报》 2026年第2期7-10,共4页
针对当前网络文学作品数量激增、传统人工分类效率低下、主观性强且难以适配海量文本与新兴题材的问题,提出一种基于改进K-means聚类算法的网络文学内容自动分类方法。该方法依托文本挖掘技术,对网络文学文本数据进行规范化处理,融合TF-... 针对当前网络文学作品数量激增、传统人工分类效率低下、主观性强且难以适配海量文本与新兴题材的问题,提出一种基于改进K-means聚类算法的网络文学内容自动分类方法。该方法依托文本挖掘技术,对网络文学文本数据进行规范化处理,融合TF-IDF与词向量技术完成文本特征提取,利用主成分分析(PCA)技术进行特征数据降维,再通过改进K-means算法实现网文内容的分类,最后利用相关指标验证分类效果。实验结果表明,改进后的K-means算法能够有效解决网络文学文本高维稀疏问题,提升主流网文题材的分类精度和分类效率,降低人工标注成本,为网络文学平台的内容管理、智能推荐等业务提供技术支撑。 展开更多
关键词 K-means算法 网络文学 文本聚类 内容分类 特征提取
暂未订购 下载PDF
基于改进粒子群K-means的道路状态识别聚类算法 认领 引用 被引量：1
19
作者 徐韬 任其亮 +1 位作者 李金宴 林伟 《重庆交通大学学报（自然科学版）》 CAS CSCD 北大核心 2026年第2期47-56,共10页
针对传统K均值聚类算法(K-means)受到初始聚类中心影响导致聚类精度波动问题,提出了基于改进粒子群(PSO)的组合聚类算法。在道路运行速度一维原始数据上,增加相对速度比αt、速度波动率βt这2个特征,建立新的三维数据集;在分布式延迟粒... 针对传统K均值聚类算法(K-means)受到初始聚类中心影响导致聚类精度波动问题,提出了基于改进粒子群(PSO)的组合聚类算法。在道路运行速度一维原始数据上,增加相对速度比αt、速度波动率βt这2个特征,建立新的三维数据集;在分布式延迟粒子群算法(RODDPSO)基础上,提出改进RODDPSO算法(IRODDPSO算法),引入了粒子最大速度非线性约束函数,随着迭代次数增加,粒子最大更新速度逐步非线性衰减,根据每轮迭代的进化特征值ξ确定不同的粒子更新策略;利用IRODDPSO算法产生K-means初始化聚类中心,利用PSO算法全局搜索能力,寻找出最优初始化聚类中心。研究结果表明:IRODDPSO算法可成功应用在城市道路运行状态聚类分析中,组合算法的准确率、召回率分别为0.935、0.957,较RODDPSO算法分别提升了4.8%、3.6%,较基准PSO算法提升13.2%、11.1%,运行时耗分别下降了6.7%、16.3%;所提出的最大速度非线性约束策略提升了算法收敛能力,并且在快速路、主干路等不同等级道路中表现出良好的稳健性。 展开更多
关键词 交通工程 粒子群算法 K均值聚类算法 非线性速度约束 分布式延迟 道路状态识别
暂未订购 下载PDF
基于“5D-熵权-TOPSIS-SOM+K-means”的TOD效能量化评价与分类优化研究——以天津地铁3号线为例 认领 引用
20
作者 宫同伟 李牧川 +1 位作者 张秀芹 杨佳璇 《城市建筑》 2026年第4期49-52,共4页
为科学评估TOD效能并划分类型,促进城市交通与土地利用协同发展,本研究构建“5D—熵权-TOPSIS—SOM+K-means”综合方法体系。首先,扩展建成环境“5D”原则,增设“站点特征”和“客流量”维度,构建评价框架;其次,基于多源数据,采用熵权-T... 为科学评估TOD效能并划分类型,促进城市交通与土地利用协同发展,本研究构建“5D—熵权-TOPSIS—SOM+K-means”综合方法体系。首先,扩展建成环境“5D”原则,增设“站点特征”和“客流量”维度,构建评价框架;其次,基于多源数据,采用熵权-TOPSIS法测度TOD效能;最后,运用SOM+K-means算法与耦合协调度模型进行站点分类与协调性分析,并提出优化策略。以天津地铁3号线为例,研究表明:TOD效能整体水平不高,两极分化特征显著,空间分异特征明显;站点可分为五类,并针对不同类型提出优化策略。 展开更多
关键词 城市轨道交通站点 TOD效能 熵权-TOPSIS法 SOM+K-means算法
暂未订购 下载PDF
已选0条
引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 250 下一页 到第 页
在线咨询 使用帮助 返回顶部 意见反馈