k均值聚类中的EM思想

在无监督学习中,k均值聚类以其快速简单的特点得到了广泛的应用。EM算法是针对缺失数据的一种统计学习方法。然而,k均值和EM这两种不同领域的算法在思想上却有着一致的地方。本文分析了k均值中蕴含的EM思想,指出了k均值中样本隶属度更新和类中心更新与EM算法中的E步和M步的等价性。最后,利用R语言矩阵化运算的特点,介绍在如何在R语言中高效地实现k均值聚类算法。     

遗传算法在微动反演中的应用与研究

微动勘探近年来备受关注。针对遗传算法在微动反演中收敛速度慢和早熟的缺点,改进了原有适应值函数,并引入变异算子,从而优化了遗传算法,并通过实验验证优化后的遗传算法在微动反演计算中提高了反演精度。     

基于进化神经网络的无监督的指标重要度判定方法在体育计量中的应用

体育计量中无监督的指标重要度判定是一项基础性难题。针对传统方法受主观因素和随机模糊性影响等问题,提出一种基于进化神经网络的无监督的指标重要度判定方法。首先对样本数据集利用DB准则和模糊C均值聚类算法确定其最佳聚类数及聚类结果,将其作为神经网络的训练集;为了提高神经网络性能和获得理想的连接权值,利用遗传算法优化神经网络连接权;最后从训练好的神经网络中提取权值并转换为指标体系相对重要度信息。实验结果表明,该方法能准确反映体育计量中指标的相对重要度大小,同时具有很强的操作性。     

Kohonen神经网络在体育运动聚类分析中的应用

在体育运动聚类分析中，引入Kohonen自组织神经网络，采用迭代优化目标函数的算法，进行聚类分析，避免了很多主观因素，为迅速客观地得到聚类结果，提供了一种快捷新颖的聚类方法。为便于方法的掌握，以第17届世界杯足球赛决赛的32支球队为聚类对象，详细介绍Kohonen神经网络的设计、学习训练、程序设计和聚类结果。     

三维图形纹理函数在二维图像处理中的应用

针对邻域均值滤波算法在处理二维图像时占用了大量时间费用,设计了一种基于Direct3D技术的均值滤波方法。该方法在运用Direct3D函数对二维图像渲染的过程中,用着色器替换固定功能管线中的变换和光照阶段,并通过GPU对顶点格式中的纹理坐标进行操作,最终降低了均值滤波算法的时间复杂度。     

提升小波和模糊聚类在图像数字水印中的应用

将提升小波变换与模糊聚类相结合,提出一种基于变换域的自适应盲水印算法。算法利用提升小波变换得到图像的低频子图,结合人类视觉特征进行模糊C均值聚类,进一步划分出最适合水印嵌入的纹理区域,并嵌入经过混沌映射加密的水印。对比攻击实验表明该算法具有较好的透明性和鲁棒性,能有效抵抗多种类型的攻击。     

应用多维均值差异检验方法对Q型聚类结果的分析评价

本文在介绍均值差异检验方法的基础上,给出了一套对Q型聚类结果的分析评价方法。对聚类方法应用效果的改进,提供了一条可行的途径。     

基于MapReduce的并行小波聚类

本文结合MapReduce编程模型和小波聚类算法特点,实现基于MapReduce的并行小波聚类算法。用5台电脑和2.75GB数据验证并行小波聚类算法的性能。结果表明并行小波聚类算法具有较好的加速比。     

一种基于蚁群聚类的图像分割方法

目前聚类技术已成为图像处理,计算机视觉,模式识别等研究邻域的重要方法。本文在群体智能理论和聚类算法的基础上,提出了一种基于蚁群聚类算法的图像分割方法。实验表明,该方法能够较好的分割图像,具有较好的聚类效果。     

基于模糊C 均值聚类的体育教学分组

运用模糊C均值聚类等研究方法,对体育教学分组方法进行分析,提出基于模糊C均值聚类的教学分组方法。结论认为:该方法通过采用模糊划分,考虑了教学分组中的模糊现象;通过提取学生的身体素质指标,即50m跑、1000m跑、立定跳远、引体向上和铅球作为聚类的特征量,从而实现了按照学生身体素质的相似程度来进行合理的教学分组,以适应因材施教的教学要求。并且运用Matlab6.5编制出教学分组的计算机程序,该程序具有语言简单、运行速度快的特点。     

一种新的聚类分析方法——复相关系数聚类分析法

本文提出了一种新的聚类分析方法——复相关系数聚类法。本方法采用指标间的复相关系数作为聚类过程中新类指标与旧类指标间的相互系数,克服了以往各种聚类分析法中在求新类指标与旧类指标间的相互关系数时所作的人为规定的不足,反映了聚类过程的本质关系。     

基于Matlab的AOS自相似流高效率帧生成时间仿真研究

针对以往基于泊松分布到达模型不再适用于高级在轨系统的研究问题,本文基于自相似业务流对AOS多路复用中的高效率帧生成算法进行仿真研究,利用Matlab仿真软件实现高效率帧生成算法的帧生成时间均值的理论值、仿真值的比较。     

一种新的R型聚类分析方法——复相关R型聚类分析法

复相关R型聚类分析法交能真实反映新类指标与旧类指标间相关性的统计量－－复相关系数引入R型聚类分析中，并用回归分析的理论对要合并的指标间的相关显性进行检验，只有相关性显的指标才将它们合并，这就克服了传统R型聚类分析法中存在的缺陷，是一个严格遵守R型聚类分析基本原理的R型聚类分析方法。     

基于K-means算法车牌分割的应用

在车辆管理中,车牌的提取一直是一项重要的信息。本文针对车牌的分割问题进行研究和应用。首先做图像的预处理,把彩色图像转化成灰度图像,利用阈值迭代法进行目标的二值处理。车牌中文字以及数字的提取中,首先利用canny算子对这牌进行粗分割,粗分割之后存在一些小的断点或是噪声点,利用数学形态学腐蚀和膨胀进行去噪。最后利用k-means聚类的方法对这牌进行精细分割。本文采用MATLAB对算法进行仿真实验。     

基于大数据的大学生体质健康测试数据分析及健康促进对策

运用大数据分析技术将某大学2017～2019年所有在校学生体质健康的65 535条记录为数据源,运用基于距离的聚类(K-means)算法,按男、女性别分类的两组数据进行聚类分析,并对一系列的数据进行处理、转换以及建模分析.结论:男生组各聚类的身体素质测试项目评分平均值变化趋势大体相近且变化缓和;女生组各聚类的身体素质测...     

体育科研常见统计误用（五）——分析样品或变量隶属组别时的问题

1根据多个变量进行样品聚类时,硬性对聚成的类排优劣1.1现象例如,将24名学生按5项身体素质用系统聚类法作样品聚类,根据聚类结果将学生分为两类:素质较好类、素质普通类。但从聚成的两类学生的具体素质情况来看,虽然较好类的身体素质平均水平比普通类好,但普通类中也有若干学生素质比多个较好类中学生好的,而更多的情况为有的指标这个学生好、有的指标那个学生好。所以将这两类学生笼统地定义为“素质较好类”和“素质普通类”并不合适。1.2分析样品聚类得到的类不是自然的类,而是人为分的类样品聚类的目的就是要把性质或特征相近的对象归并…     

大学生体质健康评价指标权值与贡献率关系的思考

以南京农业大学工学院472名男生和299名女生为样本,运用数理统计法讨论了均匀权值组合下体质健康评价指标对总分的贡献率以及15种非均匀权值组合下体质健康评价指标对总分的贡献率与权值的关系。考虑到样本中总分的均值偏低并且各评价指标贡献率与其权值存在的问题,建议《学生体质健康标准》除现有权值以外可以进一步考察新的权值组合。     

基于网格聚类中边界点的处理

基于网络聚类中,效率与精度是一对矛盾.聚类的边界代表了一种潜在的模式,对数据挖掘有着重要的意义.文中介绍了边界点处理相关工作的基础上,提出一种应用密度的思想对边界点扩展的处理技术,可在一定程度上提高基于网格聚类的精度.     

尺度空间层次聚类在足球球队技、战术能力分类中的应用研究

通过对2004年欧洲杯足球赛16支球队的进球、射门、射门命中率、角球、控球、成功传球、抢断、被抢断、犯规、越位和失球等11项攻防技术指标进行主成分分析的基础上，确定球队技、战术能力聚类的综合指标，形成聚类样本。在此基础上，引入模拟人类视觉系统的尺度空间理论，提出了基于尺度层次空间聚类的球队分类方法，分类结果客观反映了2004年欧洲杯足球赛各队技、战术的综合实力，揭示了世界足球运动的发展趋势，并探索出一种分类球队技、战术水平的方法。     

一种新的聚类方法的提出以及它与其它常用聚类分析方法的模拟对比

本文结合图论的思想,设计出一种方法简单,计算量小的新聚类方法,这种新方法根据其特点被称为作图法。它可以直观地进行聚类,在R型聚类时,又可直观地选择出典型指标。经计算机模拟对比,发现它和一次形成法、取大法、取小法、加权平均法中的取大法较为相近。