期刊文献+
共找到113篇文章
< 1 2 6 >
每页显示 20 50 100
基于K-means无监督机器学习算法的移动通信数据清洗方法
1
作者 李羽晨 《消费电子》 2024年第9期57-59,共3页
移动通信数据清洗通常仅通过设定固定的阈值来识别异常值,可能会出现误判或漏判的情况,导致清洗质量较差,为此研究基于K-means无监督机器学习算法的移动通信数据清洗方法。该方法首先进行移动通信数据信息的预处理,保证数据的准确性和... 移动通信数据清洗通常仅通过设定固定的阈值来识别异常值,可能会出现误判或漏判的情况,导致清洗质量较差,为此研究基于K-means无监督机器学习算法的移动通信数据清洗方法。该方法首先进行移动通信数据信息的预处理,保证数据的准确性和一致性。随后,通过特征提取技术,从预处理后的数据中提取出关键特征,为后续的数据处理提供基础。接着利用K-means无监督机器学习算法对移动通信数据进行聚类分析,识别并处理异常值,消除数据中的错误。最后,处理允余数据,进一步实现数据清洗,提升数据质量。实验结果表明:该方法在移动通信数据清洗的质量效果方面表现出色,不仅在数据完整性、准确性和一致性上有所提升,而且在降低允余度方面也有显著效果,实际应用价值更高。 展开更多
关键词 k-means无监督机器学习算法 k-means学习算法 移动通信数据 移动通信 数据清洗
在线阅读 下载PDF
基于K-means聚类和特征空间增强的噪声标签深度学习算法 被引量:2
2
作者 吕佳 邱小龙 《智能系统学报》 CSCD 北大核心 2024年第2期267-277,共11页
深度学习中神经网络的性能依赖于高质量的样本,然而噪声标签会降低网络的分类准确率。为降低噪声标签对网络性能的影响,噪声标签学习算法被提出。该算法首先将训练样本集划分成干净样本集和噪声样本集,然后使用半监督学习算法对噪声样... 深度学习中神经网络的性能依赖于高质量的样本,然而噪声标签会降低网络的分类准确率。为降低噪声标签对网络性能的影响,噪声标签学习算法被提出。该算法首先将训练样本集划分成干净样本集和噪声样本集,然后使用半监督学习算法对噪声样本集赋予伪标签。然而,错误的伪标签以及训练样本数量不足的问题仍然限制着噪声标签学习算法性能的提升。为解决上述问题,提出基于K-means聚类和特征空间增强的噪声标签深度学习算法。首先,该算法利用K-means聚类算法对干净样本集进行标签聚类,并根据噪声样本集与聚类中心的距离大小筛选出难以分类的噪声样本,以提高训练样本的质量;其次,使用mixup算法扩充干净样本集和噪声样本集,以增加训练样本的数量;最后,采用特征空间增强算法抑制mixup算法新生成的噪声样本,从而提高网络的分类准确率。并在CIFAR10、CIFAR100、MNIST和ANIMAL-10共4个数据集上试验验证了该算法的有效性。 展开更多
关键词 噪声标签学习 深度学习 监督学习 机器学习 神经网络 k-means聚类 特征空间增强 mixup算法
在线阅读 下载PDF
机器学习k-means算法在电竞选手分析中的应用 被引量:2
3
作者 柯嘉鑫 《电子世界》 2017年第22期40-41,共2页
随着计算机技术的发展,数据挖掘在很多方面得到应用,尤其是在电竞行业发展迅速的今天,数据挖掘技术被应用到电竞分析中。本研究用机器学习的方法进行数据挖掘,将机器学习中K-means算法应用于电子竞技职业选手,对电竞选手比赛数据的指标... 随着计算机技术的发展,数据挖掘在很多方面得到应用,尤其是在电竞行业发展迅速的今天,数据挖掘技术被应用到电竞分析中。本研究用机器学习的方法进行数据挖掘,将机器学习中K-means算法应用于电子竞技职业选手,对电竞选手比赛数据的指标进行聚类,划分为三个不同的等级,并对聚类结果进行分析,将个人能力水平数据化,用聚类结果指导职业选手今后的针对性训练以及发展方向,为电子竞技行业标准化、成熟化起到推动作用。本研究旨在推动计算机技术中机器学习的发展,为我国电子竞技提供参考数据,对日后电竞选手分析的亚那就具有很大的意义。 展开更多
关键词 机器学习 数据挖掘 聚类k-means算法 电子竞技 计算机技术
在线阅读 下载PDF
自动化机器学习领域中k-means聚类算法应用研究 被引量:1
4
作者 徐卫广 《中文科技期刊数据库(全文版)工程技术》 2016年第6期00212-00212,共1页
机器学习作为自动化领域的一个分支,从诞生伊始因为其涵盖面广,概念清晰,便受到广泛关注,并衍生了其他分支,数据挖掘便是其中的一个分支。数学挖掘中涵盖多种算法,其中最常用的时k-means聚类算法,它可以解决各式各样的分类问题,本文以MA... 机器学习作为自动化领域的一个分支,从诞生伊始因为其涵盖面广,概念清晰,便受到广泛关注,并衍生了其他分支,数据挖掘便是其中的一个分支。数学挖掘中涵盖多种算法,其中最常用的时k-means聚类算法,它可以解决各式各样的分类问题,本文以MATLAB中的鸢尾花标准数据集为例,利用k-means算法加以分类,验证k-means聚类算法的可行性。 展开更多
关键词 自动化 机器学习 k-means聚类算法 应用研究
在线阅读 下载PDF
一种半监督机器学习的EM算法改进方法 被引量:3
5
作者 夏筱筠 张笑东 +3 位作者 王帅 罗金鸣 崔露露 赵智阳 《小型微型计算机系统》 CSCD 北大核心 2020年第2期230-235,共6页
EM(Expectation Maximization)算法是含有隐变量(latent variable)的概率参数模型最大似然估计、极大后验概率估计最有效的算法,但很容易进入局部最优现象,对此提出基于半监督机器学习机制的EM算法.本文方法是在最大似然函数中加入惩罚... EM(Expectation Maximization)算法是含有隐变量(latent variable)的概率参数模型最大似然估计、极大后验概率估计最有效的算法,但很容易进入局部最优现象,对此提出基于半监督机器学习机制的EM算法.本文方法是在最大似然函数中加入惩罚最小二乘因子,同时引入非负约束作为先验信息,结合半监督机器学习方法,将EM算法改进转化为最小化求解问题,再采用最大似然方法求解EM模型,有效估计了混合矩阵和高斯混合模型参数,实现EM算法的改进.仿真结果表明,该方法能够很好地解决了EM算法容易局部最优化问题. 展开更多
关键词 监督机器学习 EM算法 改进分析 局部最优
在线阅读 下载PDF
基于半监督学习的煤层钻孔预抽瓦斯状态评价方法
6
作者 晏立 文虎 +1 位作者 王振平 金永飞 《工矿自动化》 北大核心 2025年第3期113-121,共9页
目前单一钻孔抽采状态评价方法通常依赖于瓦斯抽采浓度,而忽视了煤层瓦斯赋存的多样性。监督学习模型依赖于样本的特征标记,在样本量较大时,人工标注的成本较高;无监督学习模型缺乏样本标记,无法实现定性评价。针对上述问题,提出一种基... 目前单一钻孔抽采状态评价方法通常依赖于瓦斯抽采浓度,而忽视了煤层瓦斯赋存的多样性。监督学习模型依赖于样本的特征标记,在样本量较大时,人工标注的成本较高;无监督学习模型缺乏样本标记,无法实现定性评价。针对上述问题,提出一种基于半监督学习的煤层钻孔预抽瓦斯状态评价方法。构建了包含甲烷浓度、抽采负压、环境温度等8项指标的多维度评价体系,采用层次分析法(AHP)与模糊评价法(FEM)结合的权重赋值方法,建立抽采效果等级划分标准。在此基础上,提出基于高斯混合模型(GMM)与K-Means算法的半监督学习模型(SSGMM/SSK-Means),通过融合少量人工标注样本与大量未标注数据,实现单一钻孔抽采状态的动态分类。SSGMM聚集度更好,SSK-Means效率更高,形成“精度-效率”的互补关系。在陕西黄陵二号煤矿215工作面的应用结果表明:SSGMM和SSK-Means的最大聚集度(MVCR)和修正Rand指数(ARI)分别达82.64%和85.83%,显著优于传统聚类方法;通过动态反馈机制优化后,原等级为“差”的钻孔抽采效率提升5.26%~5.80%,补差率达100%。 展开更多
关键词 煤层瓦斯 抽采效果评价 监督学习 层次分析法 模糊评价法 高斯混合模型 k-means算法
在线阅读 下载PDF
基于监督性机器学习算法的图像辅助去噪 被引量:1
7
作者 李凯勇 《计算机仿真》 北大核心 2020年第8期348-352,共5页
针对传统图像辅助去噪方法存在去噪效果差、图像细节信息少、耗时长等问题,提出基于监督性机器学习算法的图像辅助去噪方法。通过监督性机器学习计算,对存在噪声图像做问题描述,通过非下采样转换,获得多尺度与全方向的非下采样轮廓转换... 针对传统图像辅助去噪方法存在去噪效果差、图像细节信息少、耗时长等问题,提出基于监督性机器学习算法的图像辅助去噪方法。通过监督性机器学习计算,对存在噪声图像做问题描述,通过非下采样转换,获得多尺度与全方向的非下采样轮廓转换因子。融合噪声分布与空间结构特征,构建最小支持向量机特征向量,计算最优阈值。并对高频率因子做辅助去噪处理,将辅助去噪因子变换,获得辅助去噪后图像。实验结果表明,上述方法可以精准估算噪声部分,并保留图像轮廓细节信息,提升图像质量,运行时间短,具有较高鲁棒性,为图像去噪处理提供科学依据。 展开更多
关键词 监督机器学习算法 图像辅助去噪 支持向量机 图像细节
在线阅读 下载PDF
监督性机器学习算法在图像去噪中的应用
8
作者 刘婷 闵慧 刘金花 《电脑知识与技术》 2022年第16期81-83,共3页
原有图像处理方法的收缩维度过大,在图像切割过程中难以平衡到各个噪点位置,导致在图像去噪过程中丢失图像原始信息,需要反复对比去噪后的图像与原始图像,增加图像的去噪时间。深度学习在处理实际问题中发挥了巨大作用,可以通过各种智... 原有图像处理方法的收缩维度过大,在图像切割过程中难以平衡到各个噪点位置,导致在图像去噪过程中丢失图像原始信息,需要反复对比去噪后的图像与原始图像,增加图像的去噪时间。深度学习在处理实际问题中发挥了巨大作用,可以通过各种智能技术手段,对信息图像进行处理,从而帮助人们更好地观察事物,采取较为正确的行动,研究监督性机器学习算法在图像去噪中的应用方法。在多点位设置图像噪点分隔节点的基础上,采用监督性机器学习算法,构建图像的噪点提取模型,聚类理论筛选噪点完成图像去噪,完成监督性机器学习算法在图像去噪中的应用方法设计。实验结果表明:以动物图像为测试对象,分别将其内部包含的噪点含量进行检测,采用原始方法和该文方法进行对比,能够得到与原始图像相一致的结果,并在图像不失真的前提下,能够将图像的去噪时间控制在1.26s之内,而原始方法平均需要21.32s和16.24s,说明该文方法能够提高去噪效率,具有实际应用效果。 展开更多
关键词 监督 机器学习算法 图像去噪 原始图像
在线阅读 下载PDF
如何利用开源工具分析fMRI数据:基于多体素模式的有监督机器学习算法介绍 被引量:3
9
作者 王钰莹 于海峰 +1 位作者 黎兵 鲁学明 《心理科学》 CSSCI CSCD 北大核心 2022年第3期718-724,共7页
目前,多体素模式分析(MVPA)日渐普遍地应用于脑影像研究。近些年,机器学习的模式分类等算法在MVPA方法中被广泛应用,因其具有能够抽取高维数据模式,提高数据利用率的优点。其中一种典型的应用是利用解码的思想来解决神经表征问题,本文... 目前,多体素模式分析(MVPA)日渐普遍地应用于脑影像研究。近些年,机器学习的模式分类等算法在MVPA方法中被广泛应用,因其具有能够抽取高维数据模式,提高数据利用率的优点。其中一种典型的应用是利用解码的思想来解决神经表征问题,本文主要介绍了利用基于Python语言的工具库中有监督学习算法分析数据的过程。除介绍Nilearn结合Scikitlearn分析数据的步骤外,还比较不同算法的效率,为算法的选择及参数设备提供具体参考。 展开更多
关键词 机器学习 监督学习算法 FMRI MVPA
在线阅读 下载PDF
基于无监督机器学习的抽取式文本摘要与翻译技术研究
10
作者 颜婷婷 戎慧敏 《广西民族大学学报(自然科学版)》 CAS 2024年第1期99-104,共6页
翻译是促进不同语言和文化之间交流和合作的重要手段,文本摘要作为一种有效的信息提取方法,可以帮助翻译者快速准确地把握原文的核心内容和语义信息。基于此,研究引入了无监督机器学习TextRank算法应用于文本摘要抽取中,同时结合了双向... 翻译是促进不同语言和文化之间交流和合作的重要手段,文本摘要作为一种有效的信息提取方法,可以帮助翻译者快速准确地把握原文的核心内容和语义信息。基于此,研究引入了无监督机器学习TextRank算法应用于文本摘要抽取中,同时结合了双向编码器表示、基于相似度关系的多特征融合计算机制以及改进的最大边界相关算法加以改进。结果显示,当抽取3条摘要时,改进TextRank算法的各项Rouge值分别高达48.01%、31.54%、37.86%。同时,改进TextRank算法在DailyMail数据集上双语评估研究指标高达69.81%。说明研究所提的改进TextRank算法在文本摘要抽取和翻译方面具有显著的性能优势,为现代翻译领域提供了一种有效的文本摘要抽取和翻译方法。 展开更多
关键词 无监督机器学习 抽取式文本摘要 翻译技术 TextRank算法
在线阅读 下载PDF
基于半监督机器学习算法的智能电网调度控制系统健康度评价 被引量:6
11
作者 张浩 汪德义 《电气自动化》 2021年第5期97-100,共4页
智能电网调度控制系统实时监控电力系统的发、输、变和配电等全过程,保证了电网安全稳定的运行,其健康度评价反映了整个电网运行情况。采用基于专家经验的评价方法虽然整体计算简单,但所得结果过于依赖主观因素,准确度不高。采用LinkedC... 智能电网调度控制系统实时监控电力系统的发、输、变和配电等全过程,保证了电网安全稳定的运行,其健康度评价反映了整个电网运行情况。采用基于专家经验的评价方法虽然整体计算简单,但所得结果过于依赖主观因素,准确度不高。采用LinkedCop K-means (LCop K-means)算法对智能电网调度控制系统的健康度进行评价。首先介绍了智能电网调度控制系统的组成和主要功能,以及其健康度评价模型。LCopK-means算法属于机器学习算法中的半监督学习算法,因此在计算过程中并不会过分依赖于标签信息,具有更高的适用性及准确度。算例分析基于试验数据和实测数据,对比了LCop K-means算法和传统K-means算法,验证了所引入算法的高效性。 展开更多
关键词 智能电网 调度控制系统 健康度评价 机器学习 监督机器学习 LCOP k-means算法
在线阅读 下载PDF
基于机器学习算法的空调系统运行数据噪声识别与清洗技术研究 被引量:4
12
作者 曹勇 崔治国 +2 位作者 武根峰 刘辉 李冉 《建筑节能》 CAS 2018年第5期79-83,共5页
当前空调系统运行数据预处理方面的研究相对较少。分析了空调系统运行数据质量问题,论述了空调系统运行数据噪声识别与清洗的重要性。阐明了机器学习中K-Means聚类算法的模型实现,分析了基于K-Means聚类算法对运行数据进行数据噪声识别... 当前空调系统运行数据预处理方面的研究相对较少。分析了空调系统运行数据质量问题,论述了空调系统运行数据噪声识别与清洗的重要性。阐明了机器学习中K-Means聚类算法的模型实现,分析了基于K-Means聚类算法对运行数据进行数据噪声识别的方法;在噪声数据识别的基础上,构建了空调系统运行数据的数据噪声清洗技术。利用实际的空调系统数据进行算法的具体应用,以空调系统的180组实际运行数据为样本,应用K-Means聚类算法进行数据判别,识别出180组数据中存在的噪声数据,并进行了噪声数据的数据清洗,对每一步的噪声数据处理进行详细的说明。研究结果表明,基于K-Means聚类算法,可以有效识别和清洗空调系统运行数据中的异常值和噪声值,为后续的数据挖掘工作奠定良好的数据基础。 展开更多
关键词 空调系统运行数据 数据挖掘 机器学习 k-means聚类算法 数据噪声
在线阅读 下载PDF
基于Tri-training-SSAE半监督学习算法的电力系统暂态稳定评估 被引量:5
13
作者 卫志农 李超凡 +4 位作者 丁爱飞 孙国强 黄蔓云 臧海祥 方熙程 《电力自动化设备》 EI CSCD 北大核心 2023年第7期110-116,共7页
基于机器学习的暂态稳定评估方法主要采用监督学习方法,为了解决监督学习方法所需的有标签样本难以获取的问题,提出基于三体训练-稀疏堆叠自动编码器(Tri-training-SSAE)半监督学习算法的电力系统暂态稳定评估方法。构建基于堆叠稀疏自... 基于机器学习的暂态稳定评估方法主要采用监督学习方法,为了解决监督学习方法所需的有标签样本难以获取的问题,提出基于三体训练-稀疏堆叠自动编码器(Tri-training-SSAE)半监督学习算法的电力系统暂态稳定评估方法。构建基于堆叠稀疏自动编码器的暂态稳定评估模型;在传统的三体训练过程中加入伪标签样本置信度判断,以减小噪声数据对模型训练的影响;以堆叠稀疏自动编码器为基分类器构建三体训练-稀疏堆叠自动编码器模型,利用大量的无标签样本提高模型的泛化能力。通过IEEE 39节点系统与华东某省级电网进行分析验证,结果表明,所提方法在有标签样本数较少时具有更高的评估准确度。 展开更多
关键词 暂态稳定评估 机器学习 监督学习 三体训练算法 堆叠稀疏自动编码器
在线阅读 下载PDF
面向WSN网络拓扑突发流量不稳定状态识别的半监督学习模型构建
14
作者 顾全 张薇 《传感技术学报》 CSCD 北大核心 2024年第12期2171-2176,共6页
无线传感网络的拓扑结构具有高度自组织性和多跳传输不确定性,在遭受噪声、攻击行为等干扰时,容易导致网络拓扑结构发生不稳定状态,降低无线传感网络的可靠性和安全性。为此,在构建半监督学习模型的基础上实现WSN网络拓扑突发流量不稳... 无线传感网络的拓扑结构具有高度自组织性和多跳传输不确定性,在遭受噪声、攻击行为等干扰时,容易导致网络拓扑结构发生不稳定状态,降低无线传感网络的可靠性和安全性。为此,在构建半监督学习模型的基础上实现WSN网络拓扑突发流量不稳定状态的识别。根据AE模型建立半监督学习模型对数据进行处理,提取数据关键特征,利用k-Means均值聚类算法进行聚类,获取数据关键点的低维特征向量,采用直方图标记数据特征类别,利用欧氏距离对处理后的距离进行计算,完成无线传感网络拓扑突发流量不稳定状态的识别。仿真结果表明:所提方法识别出的异常流量以及异常IP数据量分别在90和50个以上,识别误报率低于10%,具有良好的识别效果。 展开更多
关键词 无线传感网络 突发流量不稳定状态识别 监督学习模型 直方图 k-means均值聚类算法
在线阅读 下载PDF
使用遗传算法实现K-means聚类算法的K值选择 被引量:13
15
作者 杨芳 湛燕 +1 位作者 田学东 郭宝兰 《微机发展》 2003年第1期25-26,29,共3页
针对无导师聚类K 均值算法中K值的选取问题 ,提出了使用遗传算法 (缩写为GA)优化K值参数的方法。通过对UCI机器学习数据库中 7类数据的实验 ,表明本方法是比较有效的。
关键词 遗传算法 k-means聚类算法 K值选择 数据库 机器学习
在线阅读 下载PDF
基于深度学习算法的机器自动翻译质量评估模型 被引量:8
16
作者 胡仁青 《电子设计工程》 2021年第21期33-37,42,共6页
以实现机器自动翻译质量准确评估为研究目标,构建了基于深度学习算法的机器自动翻译质量评估模型。通过基于深度学习的机器自动翻译语言信息提取方法,在无监督学习阶段、有监督学习阶段中,利用降噪自动编码机对双语词实施无监督学习,重... 以实现机器自动翻译质量准确评估为研究目标,构建了基于深度学习算法的机器自动翻译质量评估模型。通过基于深度学习的机器自动翻译语言信息提取方法,在无监督学习阶段、有监督学习阶段中,利用降噪自动编码机对双语词实施无监督学习,重构并获取机器自动翻译样例中的语言向量特征,将机器自动翻译信息导入到双语词中,优化语言向量特征提取效果;将机器自动翻译语言向量特征导入基于深度学习的译文质量评估模型中,实现机器自动翻译质量评估。实验结果表明,所构建模型可准确评估机器自动翻译质量,且翻译句型、语句数量对该模型评估性能不存在负面干扰,模型使用效果较好。 展开更多
关键词 深度学习算法 机器自动翻译 质量评估 编码机 监督学习
在线阅读 下载PDF
基于K-Means聚类算法的碳排放审计预警研究 被引量:3
17
作者 吴花平 黄尹薇 刘自豪 《中国注册会计师》 北大核心 2022年第12期14-20,I0002,共8页
随着我国碳达峰碳中和目标的提出,碳排放审计深受关注。2022年“3·15”国际消费者权益日,国内首批碳排放数据造假案例浮出水面。我国高度重视碳排放数据造假问题,把打击数据造假、加强数据监管作为一项重要政治任务。为积极响应国... 随着我国碳达峰碳中和目标的提出,碳排放审计深受关注。2022年“3·15”国际消费者权益日,国内首批碳排放数据造假案例浮出水面。我国高度重视碳排放数据造假问题,把打击数据造假、加强数据监管作为一项重要政治任务。为积极响应国家绿色低碳相关政策,改善碳排放工作中的相关问题,本文进行了如下研究:基于机器学习中无监督学习方法——K-Means聚类算法为企业构建碳排放审计预警模型,通过识别偏离的异常点,判定企业是否存在碳排放风险;并以我国重点钢铁企业为例进行了仿真;最后针对企业数据管理以及审计人员专业能力提出了两方面的保障措施,确保预警模型能够行之有效。 展开更多
关键词 碳排放审计 机器学习 k-means聚类算法 预警机制
在线阅读 下载PDF
K-means算法应用现状与研究发展趋势 被引量:1
18
作者 王斌 李鸿飞 梁争争 《电脑编程技巧与维护》 2021年第12期32-33,共2页
K-means是一种无监督学习算法,基于数据对象之间的距离度量划分数据簇、欧氏距离等度量方法存在一些问题,比如离群点数据较多,算法准确度较低。互信息可以度量任意两个数据对象之间的互相包含程度,基于互信息改进K-means算法,可以更好... K-means是一种无监督学习算法,基于数据对象之间的距离度量划分数据簇、欧氏距离等度量方法存在一些问题,比如离群点数据较多,算法准确度较低。互信息可以度量任意两个数据对象之间的互相包含程度,基于互信息改进K-means算法,可以更好地度量数据对象之间的距离,确保簇内高度相同和簇间高度相异,旨在解决离群点数据较多的情况下K-means算法准确度不高的问题。实验结果显示,与K-means算法、模糊K-means算法相比,改进K-means算法实验结果精确度达到了97.8%,该方法明显提高K-means算法的准确度。 展开更多
关键词 k-means算法 互信息 无监督学习 模糊数学
在线阅读 下载PDF
基于机器学习的UD布弹道冲击有限元结果分析 被引量:1
19
作者 何洁 徐平华 +2 位作者 袁子舜 陆振乾 徐望 《轻工机械》 CAS 2024年第4期7-15,共9页
由于目前主要采用的分析复合材料有限元模型图像结果的定性对比观察法分析不够深入和全面,可能会忽略某些重要信息,故而需要一种能够快速进行图像量化处理的客观分析方法。课题组结合机器学习,提出了基于k-Means聚类算法的有限元图像结... 由于目前主要采用的分析复合材料有限元模型图像结果的定性对比观察法分析不够深入和全面,可能会忽略某些重要信息,故而需要一种能够快速进行图像量化处理的客观分析方法。课题组结合机器学习,提出了基于k-Means聚类算法的有限元图像结果分析方法;以分析Dyneema■单向(unidirectional, UD)布以普通对齐堆叠和准各向同性堆叠的弹道冲击有限元模型的应力分布结果为例,利用k-Means聚类算法对所截取的应力云图进行基于颜色特征的像素点聚类和区域分割,分割的区域可以实现快速统计和面积计算。结果表明:该方法能够快速准确地量化不同应力范围的面积差距,从而得出更为客观明了的结果,便于深入地分析。该方法还可以推广应用于其他需要分析云图结果的领域。 展开更多
关键词 机器学习 单向织物 k-means聚类算法 有限元分析 应力分析 弹道冲击
在线阅读 下载PDF
基于一种多分类半监督学习算法的驾驶风格分类模型 被引量:13
20
作者 李明俊 张正豪 +2 位作者 宋晓琳 曹昊天 易滨林 《湖南大学学报(自然科学版)》 EI CAS CSCD 北大核心 2020年第4期10-15,共6页
基于驾驶模拟平台设计实验方案,同步采集驾驶员的驾驶操作信息和车辆状态信息,选取6个表征驾驶风格的特征参数,采用主成分分析(Principal Component Analysis,PCA)算法对多元特征参数进行特征提取,将前3个主成分作为驾驶风格识别模型的... 基于驾驶模拟平台设计实验方案,同步采集驾驶员的驾驶操作信息和车辆状态信息,选取6个表征驾驶风格的特征参数,采用主成分分析(Principal Component Analysis,PCA)算法对多元特征参数进行特征提取,将前3个主成分作为驾驶风格识别模型的特征输入.利用K-means聚类完成样本标记工作.基于有监督支持向量机(Support Vector Machine,SVM)与多分类半监督学习算法(i MLCU)的原理,分别建立SVM与i MLCU驾驶风格识别模型,通过调节标记样本与未标记样本比例,对比使用不同样本比例训练的SVM和i MLCU模型的驾驶风格识别准确率.结果表明:相比于SVM,i MLCU表现出了更优异的驾驶风格识别能力,由此可知半监督i MLCU模型可以利用未标记样本提高模型对驾驶风格的识别能力. 展开更多
关键词 驾驶风格 主成分分析 k-means聚类 支持向量机 多分类半监督学习算法
在线阅读 下载PDF
上一页 1 2 6 下一页 到第
使用帮助 返回顶部