文档详情

一种基于k-means算法的V2X消息聚类方法及系统.pdf

发布：2023-05-08约1.76万字共14页下载文档

文本预览下载声明

(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114549886 A (43)申请公布日 2022.05.27 (21)申请号 202210212240.2 (22)申请日 2022.03.04 (71)申请人重庆邮电大学地址 400065

显示全部

相似文档

一种基于网络的K-Means聚类算法.pdf
2018-08-05 约小于1千字 6页立即下载
一种基于改进K-means的文档聚类算法的实现研究.pdf
2018-08-04 约小于1千字 11页立即下载
基于K－means算法和FCM算法的聚类研究.pdf
2018-09-06 约小于1千字 7页立即下载
一种基于K-Means参数聚类的城市内涝模拟方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112989623 A (43)申请公布日 2021.06.18 (21)申请号 202110354975.4 (22)申请日 2021.03.31 (71)申请人郑州
2023-06-11 约1.61万字 18页立即下载
一种基于中心优化的差分K-means负荷聚类方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112819299 A (43)申请公布日 2021.05.18 (21)申请号 202110080653.5 (22)申请日 2021.01.21 (71)申请人上海电力大学地址
2023-06-05 约1.12万字 10页立即下载
一种基于改进k-means聚类的Yolov3锚框确定方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 113344113 A (43)申请公布日 2021.09.03 (21)申请号 202110715329.6 (22)申请日 2021.06.27 (71)申请人东南大学地址 21
2023-06-16 约7.15千字 8页立即下载
《基于核心集的k-means聚类算法研究》.docx 《基于核心集的k-means聚类算法研究》一、引言在大数据时代，如何对大量数据进行有效的聚类分析成为了研究的热点。k-means聚类算法作为一种经典的聚类方法，因其简单高效的特点被广泛应用于各个领域。然而，传统的k-means算法在处理大规模数据时存在一些局限性，如计算量大、收敛速度慢等。近年来，有研究者提出基于核心集的k-means聚类算法，通过引入核心集的概念来优化传统的k-means算法，从而提高算法的效率和准确性。本文将详细研究基于核心集的k-means聚类算法，分析其原理、优势及实际应用。二、核心集的k-means聚类算法原理基于核心集的k-means聚类算法是在传统k-me
2024-12-21 约8.95千字 17页立即下载
一种优化聚类中心的k-means算法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 113361616 A (43)申请公布日 2021.09.07 (21)申请号 202110669183.6 (22)申请日 2021.06.16 (71)申请人辽宁工程技术大学地址
2023-06-16 约8.21千字 7页立即下载
一种基于融合进化算法的日负荷曲线聚类方法及系统.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 113344073 A (43)申请公布日 2021.09.03 (21)申请号 202110613240.9 (22)申请日 2021.06.02 (71)申请人云南电网有限责任公司电力科学研
2023-06-16 约1.97万字 18页立即下载
k-means聚类算法的研究..doc k-means聚类算法的研究 1．k-means算法简介 1.1 k-means算法描述给定n个对象的数据集D和要生成的簇数目k，划分算法将对象组织划分为k个簇（k=n），这些簇的形成旨在优化一个目标准则。例如，基于距离的差异性函数，使得根据数据集的属性，在同一个簇中的对象是“相似的”，而不同簇中的对象是“相异的”。划分聚类算法需要预先指定簇数目或簇中心，通过反复迭代运算，逐步降低目标函数的误差值，当目标函数收敛时，得到最终聚类结果。这类方法分为基于质心的（Centroid-based）划分方法和基于中心的（Medoid-based）划分方法，而基于质心的划分方法是研究最多的算法，其中-me
2016-12-26 约1.33万字 15页立即下载
K-means聚类算法..ppt K-means聚类算法 报告人：张鸣磊 K-means算法是很典型的基于距离的聚类算法，采用距离作为相似性的评价指标，即认为两个对象的距离越近，其相似度就越大。该算法认为类是由距离靠近的对象组成的，因此把得到紧凑且独立的类作为最终目标。假设数据集合为(x1,?x2, …,?xn)，并且每个xi为d维的向量，K-means聚类的目的是，在给定分类组数k（k?≤?n）值的条件下，将原始数据分成k类： ? S?=?{S1,?S2,?…,?Sk} 在数值模型上，即对以下表达式求最小值：
2016-12-13 约2.28千字 26页立即下载
K-means聚类算法.doc K-means聚类算法 K-means也是聚类算法中最简单的一种了，但是里面包含的思想却是不一般。最早我使用并实现这个算法是在学习韩爷爷那本数据挖掘的书中，那本书比较注重应用。看了Andrew Ng的这个讲义后才有些明白K-means后面包含的EM思想。聚类属于无监督学习，以往的回归、朴素贝叶斯、SVM等都是有类别标签y的，也就是说样例中已经给出了样例的分类。而聚类的样本中却没有给定y，只有特征x，比如假设宇宙中的星星可以表示成三维空间中的点集clip_image002[10]。聚类的目的是找到每个样本x潜在的类别y，并将同类别y的样本x放在一起。比如上面
2017-02-06 约4.27千字 6页立即下载
k-means聚类算法的答案.doc k-means聚类算法的研究 1．k-means算法简介 1.1 k-means算法描述给定n个对象的数据集D和要生成的簇数目k，划分算法将对象组织划分为k个簇（k=n），这些簇的形成旨在优化一个目标准则。例如，基于距离的差异性函数，使得根据数据集的属性，在同一个簇中的对象是“相似的”，而不同簇中的对象是“相异的”。划分聚类算法需要预先指定簇数目或簇中心，通过反复迭代运算，逐步降低目标函数的误差值，当目标函数收敛时，得到最终聚类结果。这类方法分为基于质心的（Centroid-based）划分方法和基于中心的（Medoid-based）划分方法，而基于质心的划分方法是研究最多的算法，其中-me
2017-03-22 约1.33万字 15页立即下载
一种面向高维数据基于自适应鲁棒特征表示的K-means聚类算法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112819046 A (43)申请公布日 2021.05.18 (21)申请号 202110085918.0 (22)申请日 2021.01.22 (71)申请人安徽大学地址 23
2023-06-03 约7.46千字 8页立即下载
基于遗传算法的k-means聚类挖掘方法的研究的中期报告.docx 基于遗传算法的k-means聚类挖掘方法的研究的中期报告中期报告一、研究背景数据挖掘技术是指从大量数据中自动提取有效和潜在信息的一种技术，已广泛应用于金融、医疗、商业等领域。其中，聚类是一种无监督学习的基本方法，它将相似的数据对象分组为一个簇，不同的簇之间具有明显的差异性。k-means算法是一种常用的聚类算法，但它存在缺陷，如初始簇中心的选取过程对聚类结果有很大影响、易受到局部极值的影响等。为了克服这些问题，许多改进的k-means算法被提出。本研究基于遗传算法的k-means聚类挖掘方法，旨在对聚类结果进行优化。二、研究目的本研究旨在提出一种基于遗传算法的k-means聚类优化方
2024-04-25 约1.23千字 3页立即下载