我要投稿 查看投稿进度
学术期刊
在线客服
客服电话：400-188-5008
客服邮箱：service@ccnpub.com
投诉举报：feedback@ccnpub.com
人工客服

工作时间（9：00-18：00）
官方公众号

科技成果·全球共享

请选择 目标期刊

基于PCA主成分分析和K-means算法的汽车行驶工况数据量化研究 下载：47 浏览：398

王沛 陈劲杰 《软件工程研究》 2020年7期

摘要:
随着我国经济的快速发展,从汽车大国到汽车强国的逐步转变,汽车数量也急剧增加。本文针对轻型汽车实际道路行驶采集的数据(采样频率1Hz),处理为各个运动学片段,采用PCA结合K-means++聚类方法,对处理后数据样本进行降维处理,分析其中主要特征成分,将各运动学片段依据综合特征指标归类,计算主要特征参数,使用相关系数筛选典型特征片段。构建典型汽车行驶工况曲线。使用K-means聚类处理数据段,计算处理结果并分析与总体样本特征偏差范围,判断工况曲线构建的合理性,是否符合世界WLTC工况标准。结合汽车标准行驶工况比较分析综合特征指标差异。

改进的k-means聚类算法在公交IC卡数据分析中的应用研究 下载：68 浏览：477

杨健兵 《软件工程研究》 2019年11期

摘要:
针对传统k-means算法中初始聚类中心随机确定的问题,提出k-means改进算法。首先,定义变量权值,权值的大小等于样本密度乘以簇间距离除以簇内样本平均距离,通过最大权值来确定聚类中心,克服了随机确定聚类中心的不稳定性。然后在Hadoop平台上用Map-Reduce框架下实现算法的并行化。最后以南通公交IC刷卡记录为例,通过改进的k-means聚类算法进行IC卡刷卡记录的分析。实验表明,在Hadoop平台下改进k-means算法运行稳定、可靠,具有很好的聚类效果。

基于加权距离进行密度计算的聚类方法研究 下载：64 浏览：356

杨威 龙华 《数据与科学》 2019年10期

摘要:
本文主要研究了初始聚类中心选取对于K-means算法性能的影响,并通过更好的初始化技术来增强算法性能。研究发现,在进行K-means聚类时,通过使用加权距离密度计算方法,对数据集的密度计算,使得在传统K-means聚类算法过程局部最优、簇内方差较大所带来的聚类结果不佳的缺陷得到了显著改善。实验结果表明,在使用本改进方法进行聚类时,聚类结果的簇内方差较传统方法降低了15%左右,对聚类中心的聚集性更加紧密,使算法性能得到了较好的提升。
[1/1]
|<
<
1
>
>|
在线客服：：点击联系客服
联系电话：：400-188-5008
客服邮箱：：service@ccnpub.com
投诉举报：：feedback@ccnpub.com
人工客服

工作时间（9：00-18：00）
官方公众号

科技成果·全球共享