简介：摘要：经验模态分解（EMD）算法是由 NE. Huang 等人提出的一种将信号分解成特征模态的方法,它不以任何已经定义好的函数作为基底，而是将所分析的信号x(t)分解为一组本征模函数(Ci)和一个残余项（rn），涵盖了原始振动信号在各种时间尺度上的局部细节特征 。可以用于分析非线性、非平稳的信号序列，具有良好的时频特性。在基于经验模态分解(EMD)的基础上，利用k均值算法实现故障类型和故障程度的正确分类。

简介：本文给出了两个K阶迭代平均值的定义，证明了它们的存在性并给出了具体算法，将杨瑾孚（1998《数学通报》）善于2阶的结果推广到k阶。

简介：

简介：摘要：随着快速发展，与体育相关的不同信息现在可以通过可穿戴和传感技术记录为有用的大数据形式。大数据技术已成为当前篮球训练中亟待解决的挑战，提高了棒球分析的效果。在本研究中，我们提出了基于内存计算的Spark框架进行大数据处理。首先，我们使用了一种新的群体智能优化布谷鸟搜索算法，因为该算法参数少，全局搜索能力强，支持快速收敛。其次，我们应用传统的K-clustering算法，在Spark分布式环境中使用聚类手段提高最终输出。最后，我们考察了可能导致高压比赛环境的方面来研究职业运动员的防守表现。招聘人员和培训师都可以使用我们的技术来更好地了解基本球员的素质，并最终评估和提高团队的表现。实验结果表明，所建议的方法在聚类性能和实用性方面优于以前的方法。它在移动时对射击训练效果的影响最大，在训练效果上产生了互补的结果。

简介：提出了一种基于改进蚁群算法的动态K-均值聚类算法思想,该算法首先利用蚁群算法的较强处理局部极值的能力,动态地确定了聚类数目和中心,然后利用蚁群聚类得到的结果,再进行K-均值聚类弥补蚁群算法的不足。两者有机结合起来可以寻求到具有全局分布特性的最优聚类,实现了基于改进的蚁群聚类算法分析。

简介：针对供配电系统中经常出现串联型故障电弧引发火灾等事故的问题，研制了串联型故障电弧实验装置，并针对典型负载开展了大量实验。首先，利用傅里叶变换提取了发生故障电弧前后电流的前20次谐波含量，并将其作为样本；其次，采用主成分分析对样本数据进行降维，提取出电流谐波变化的主要成分；最后，运用K均值聚类判断出原始信号是否故障。结果表明，以电流谐波为特征，通过主成分分析和K均值聚类可以有效地识别串联型故障电弧。

简介：k均值算法是一个常用的局部搜索算法,它的主要缺陷是容易陷入局部极小,并且该局部极小解与全局最优解往往有很大的偏差.本文提出一个基于K-均值的迭代局部搜索文档聚类算法.该算法以k均值算法所得到的解作为初始解,从该初始解开始作局部搜索,在搜索过程中接受部分劣解.当解无法改进时,算法对所得到的局部极小解做适当强度的扰动后进行下一次的迭代,以跳出局部极小,从而拓展了搜索的范围.实验结果表明该算法对文档数据集聚类的正确性达99%以上.

简介：简述了编组站分类问题的研究现状以及编组站的类别,介绍了运用K均值聚类对编组站进行分类的主要步骤。将该方法应用到东北地区11个编组站分类的实例中,在计算过程中,使用SPSS16统计学软件,计算结果表明分类正确,证明该方法可行,具有人为因素影响小、计算持续时间短及结果较精确等特点。

简介：提出一种基于均值聚类的车牌定位算法,该算法能避免由于环境的复杂而带来的定位的不确定性。

简介：摘要本文通过对大量工程变更数据进行归纳，采用K均值聚类分析方法对工程变更数据进行分类，并进行参数测定，通过计算不同导致工程变更发生原因指标到各聚类中心的距离，来拟合预测未来类似情况下新建输变电工程中同一原因导致的工程变更对造价的影响程度，预测分析结果为今后类似建设工程的造价控制提供了参考依据。

简介：研究发现使用均匀分布的簇内差异度来确定初始中心点并以此为基础进行聚类,可以提高K-均值聚类准确率和稳定性。将改进算法使用iris数据进行实验,结果表明改进后算法的聚类迭代次数显著减少且相对稳定,运行时间也有明显降低。运用改进的聚类算法对忻州师院学生的计算机课程考试成绩数据进行处理,并对考试成绩数据的聚类结果进行分析,进而给出针对各系学生计算机课的教学建议,同时针对各系学生的自我提升提出意见。

简介：针对海底采样点较少时,监督学习训练分类模型困难的问题,研究无监督学习的K-均值聚类分析算法在多波束海底底质分类中的应用。在探讨K-均值聚类分析算法原理的基础上,构建海底底质分类器,针对分类器需预先输入分类结果种类（K值）这一问题,提出了基于底质采样点和分类效果连续性为原则的K值确定方法。实验结果表明：基于K-均值聚类分析算法的海底底质分类器能较好的实现海底底质类型的自动划分,适用于海量多波束底质特征参数的分类。

简介：现代企业间对于客户资源的争夺越来越趋于白热化,争夺的根本目的就是为了在保持现有客户的基础上再去争取更多的新客户加入,营销手段也从传统模式转变为个性化,以及一对一的营销方式来满足客户,从而使公司获得更大的收益,新的营销模式的实行的核心问题就是客户的有效甄别.客户甄别细分的核心基础是对客户的消费特征数据进行分析,通过数据挖掘中的聚类分析方法能够完成把隐藏在数据中的客户特征分类出来,进而实现对客户群体的特征划分.经典的K-均值聚类算法对最初选取的初始聚类中心极其敏感,该文采用改进的K-均值聚类算法实现了对某电子商务网站客户消费行为的聚类划分,且对划分后的集群进行了完整的数据分析,根据分析结果实现了企业对客户的差异化服务,从而提高了客户的满意度,增强了企业的市场竞争力.

简介：选秀大会就像一次集体赌博，状元或许是水货，57位也能淘到明星球员。那些看似随意的顺位排列有规律或奥秘存在么？

简介：摘要：为进一步提升H中烟公司精准营销水平，提升市场分类准确性，采用基于距离和密度的K均值算法，对H中烟公司全国省级市场进行聚类分析，并针对性提出营销策略。研究表明，基于距离和密度的K均值算法能较好的进行类中心选择，聚类效果较好，符合当地卷烟销售现状。

简介：摘要：在移动机器人研究领域，障碍物检测是一个重要方向。相比于传统的超声波、毫米波雷达以及激光检测等方法，利用双目视觉进行障碍物的检测，可以很好的获得障碍物的深度信息。并且视觉检测具有被动测量；可识别障碍物种类；检测广角更宽；获得信息时间更短；价格较低等优势。本文提出了一种基于双目视觉的室内环境下移动机器人的障碍物检测方法，使用YOLOv3算法框架在VS2015环境下进行快速的目标检测，然后通过非迭代K均值算法，对检测目标分类为障碍物和非障碍物两类，从而实现障碍物的快速检测。

简介：如图1所示,函数y=f(x)在x_1到x_2区域内与横轴所围成的面积为S,则y在x_1到x_2区域内的平均值为(?)(x)=S/(x_2-x_1)．物理量的平均值不仅与x_1到x_2这一区域有关,还与选择怎样的自变量x有关．

简介：

简介：分析·解由条件x＋y=5知符合均值换元的条件，所以令x=5/2＋t,y=5/2-t,

简介：均值不等式求最值是历年来高考的重点,而利用均值不等式的关键是注意利用条件使用拼凑、拆分等技巧,特别是凑＂定和＂＂定积＂,使问题迎刃而解.