融合大数据技术和工艺经验的高炉参数优化

 为了更精准地评判高炉运行情况，量化高炉指导方针。根据高炉生产过程的特点，应用大数据技术对高炉生产参数与铁水产量和高炉能耗等指标进行数据驱动分析，提出了一种优化高炉生产参数的新方法。首先，对某钢铁厂高炉各工序历史数据进行了采集、清洗、过滤和整合，建立了高炉数据仓库。然后，将多种聚类算法相结合，完成了对高炉炉况变化的详细划分。运用工艺经验与递归特征消除算法相结合，全面筛选得到能够反映炉况波动的强相关变量。应用统计学方法分析得出Class_a炉况对应的核心参数的最优范围，这对指导现场生产、保持高炉长期稳定顺行具有重要意义。     

K-means聚类算法在公交IC卡数据分析中的应用研究

文章通过收集南通市区公交线路名称和站点名称,在不依赖GPS定位数据的基础上,通过采用K-means聚类算法分析乘客上车时间序列来建立乘客上车站点的理论模型,并跟车记录该线路每站点的实际上车乘客人数,进而验证所提理论的可行性。     

基于SURF特征的人脸识别方法研究

采用了一种基于SURF的人脸识别方法,其中所提取出的SURF特征向量对于图像的尺度与旋转变化均具有较好的适应性;通过采用LDA算法有效地缩短了运算时间;此外还采用Kmeans聚类方法对特征向量进行分组处理;最后通过综合图像的局部与全局特征信息便可完成对人脸的分类工作。实验结果证明,最终所获取的LDA-SURF特征向量对于一般图像中人脸的平移、亮度变化、遮挡和噪声等具有良好的不变性。     

基于聚类分析和贪心算法的文件碎片拼接复原

针对文献修复中均匀碎片,以特征位置为基准,采用K-means算法进行聚类分析,对于每一类碎片运用贪心算法不断地取匹配度最高的碎片进行拼接,逐步自动复原整个文献。经计算机仿真证明:此方法能实现文献的快速拼接,有效地提高物证修复,碎片复原的工作效率。     

一种兼具生物和物理特征的E基因签名方法——以p53家族基因为例

在原来的具有生物特性的基因签名方法上,引入具有一定的物理特性的核苷酸游离电子的平均能量(EIIP),建立了一种新的E基因签名方法。定义了两序列间的E欧氏距离及e均方差公式,并对相关物种进行层次聚类分析。通过对20个物种的p53家族基因m RNA完整的CDS序列进行E基因签名得出,在每种基因中均有,物种关系越近,其基因签名相似度越高。将聚类结果与原来的基因签名方法的聚类结果作对比,发现了E基因签名方法更准确,从而更有利于深入了解p53家族基因的性质。     

基于K-均值聚类分析的风力机功率曲线统计应用

风力机相关数据的处理对风力机能否正常发电无影响,但对风力机性能的分析却至关重要.文章以风力机的功率曲线为研究对象,把SCADA数据记录分为两类,采用模式识别的K-均值聚类分析方法排除掉无效数据点,能够以统一的算法处理不同类型的散点图,通过.NET平台有效地结合EXCEL的数据统计功能和VB语言的逻辑和流程控制功能,准确、快速地开发出可视化软件,绘制好的功率曲线有助于用户直观地分析风力机的发电性能,为用户在风电场发电性能改进方面提供重要依据.     

基于聚类分析和支持向量机的非等间隔应力谱编制方法

为保证根据实测应力-时间历程数据编制的应力谱最大程度反映载荷实际作用特性，提出了一种基于疲劳损伤的非等间隔应力谱编制方法。通过引入非等间隔自适应比值系数，根据损伤等效原则，建立应力谱分级数与疲劳损伤关系数学模型；考虑每个应力循环的属性特征，采用聚类分析对所有应力循环进行分类，结合支持向量机多分类进行判别，得到不同分级数下的准确率和预测图；综合考虑数学模型得到的损伤相对误差和支持向量机分类准确率，选取应力谱最佳分级数，编制了相应的非等间隔应力谱，并与目前常用的等间隔和非等间隔8级谱进行比较。分析结果表明：基于损伤等效原则，采用聚类分析和支持向量机进行应力谱分级，不仅考虑了所有应力循环的整体特征，很大程度保留了应力的局部信息和属性，且根据疲劳累积损伤理论得到的损伤与实际损伤结果差异明显降低，从而更能准确反映实测数据的应力特性和疲劳效应，可为其他实测载荷-时间历程数据进行非等间隔分级和载荷谱编制提供参考。     

基于SPSS软件对教育调查问卷分析中的相关应用

针对SPSS的特点,阐述了应用SPSS对教育调查问卷的信度和结果进行科学、准确评价的思路与方法.通过两个实例介绍了运用信度分析对测验卷评价及运用聚类分析对教育质量评价的方法和步骤,为课题的研究获得数据资料的准确性、可靠性和完整性提供了一种实用方案.     

数据挖掘中聚类分析算法及应用研究

聚类分析在数据挖掘领域、机器学习领域以及统计学领域都是一个重要的研究方向,并得到了广泛地应用。本文介绍了聚类的应用领域、主要聚类方法,并提出一个具有一定可用性的业务套餐匹配模型。