简介:摘要本文浅谈了数字图像处理的发展概况、研究背景并对彩色图像K-means算法进行分析.主要详细谈论了是对K-means算法的一些认识,并且介绍K-means聚类的算法思想、工作原理、聚类算法流程、以及对算法结果进行分析,得出其特点及实际使用情况。
简介:针对传统聚类算法无法有效处理高维混合属性数据集的问题,对原有的数据归一化方法进行改进。在kmeans和DBSCAN聚类算法的基础之上,结合增量聚类的思想和数据之间相异度的计算方法,提出了一种基于密度的增量k-means聚类算法。该算法能有效处理具有高维混合属性的数据集,在准确度和效率方面都得到提高。
简介:针对无线传感器节点能耗不均的问题,研究了一种多特征组合加权的K一means聚类算法.改进了传统K一means算法中聚类中心随机选择的问题,并针对各维度特征对聚类影响的不同,赋予不同特征不同的权值.采用新的算法,并为其构建对应的算法性能衡量指标,与已有算法相比,新算法效果较好,能够明显提高数据聚类效果.
简介:摘要:随着水利工程大力兴建,所遇工程问题越来越多,边坡变形及稳定性问题出现的概率也越来越大。依据边坡变形海量资料,应用K-Means聚类法,进行边坡变形时空演化规律研究,建立了基于位移和位移速率两指标控制的边坡变形时空演化特征,很好地揭示了边坡变形动态区域和演化特征,可为类似边坡变形提供参考和借鉴。
简介:摘要:本文旨在通过k-means文本聚类了解国内大数据岗位需求特点,帮助企业和员工识别大数据人才,推动大数据相关研究的进一步发展。首先利用爬虫软件对招聘网“大数据”的招聘信息进行爬取招聘网站。然后利用解霸分词和K-means文本聚类对大数据招聘岗位进行聚类,聚类数由组内平均平方和确定。最后,将大数据岗位划分为10类,从整体数据集和聚类结果的角度对大数据岗位的城市分布、薪资水平、学历要求、经验要求等进行讨论和分析,明确大数据岗位的特点。大数据工作需求。分析结果表明,大数据的工作需求主要分布在一线城市和新一线城市。企业更倾向于大专或本科学历及一年以上相关工作经验的求职者。不同类型的工作之间存在工资差异。职位越高,对学历和经验的要求就越高。
简介: 摘要:随着生产任务不断增加,铁路货车运量不断加大,铁路列检作业现场和人员状态的盯控难以做到及时、全面,造成在一些制度执行、落实的过程中不能有效监管,出现作业人员违章作业、滞留天窗、早进晚出、超范围作业,一但发生人员未及时下道情况容易造成人车相撞事故造成人员伤亡。但现有的防护设备和防护方式无法满足当今现场作业防护需求。为了解决这一问题研究一款在列车接近时可以使作业人员得知列车信息进行预警的终端,提高现场作业防护水平保障作业人员安全。
简介:摘 要: 文章针对高职专任教师考核评价存在的只重结果不重视过程的问题,提出了高职院校专任教师过程性发展考核评价,采用二分K-means聚类算法将教师过程性发展考核评价指标进行新的聚类分析,聚类出指标从教师基本岗位职责、教师教育教学能力、学习发展能力、科研技能水平、合作发展能力、个性发展水平六个方面对教师进行过程性发展考核评价。最后得到学校认可、教师自身科学合理的考核评价指标体系,对高职专任教师的发展具有积极作用。