清代神龛构件图像识别及聚类方法研究 #

本文针对大数量且形式趋同的清代神龛构件自主聚类进行研究。通过对图像识别、聚类、机器学习算法的挖掘、改写,以及新算法的编写,利用 Python 编程,本文形成可以将清代神龛构件自主聚类的闭环技术流程。该流程可以辅助完成海量相似构件的聚类,减少人工干预,加快聚类过程。该流程具有推广性,能够扩展应用到其他类似项目,也为计算机技术在文物建筑虚拟复原的具体应用提供了参考。     

清代神龛构件图像识别及聚类方法研究

本文针对大数量且形式趋同的清代神龛构件自主聚类进行研究。通过对图像识别、聚类、机器学习算法的挖掘、改写，以及新算法的编写，利用Python编程，本文形成可以将清代神龛构件自主聚类的闭环技术流程。该流程可以辅助完成海量相似构件的聚类，减少人工干预，加快聚类过程。该流程具有推广性，能够扩展应用到其他类似项目，也为计算机技术在文物建筑虚拟复原的具体应用提供了参考。     

基于多因素排序的南京市出租车乘客候车热点区域挖掘方法

随着技术的不断发展,智能交通系统受到了广泛的关注,对出租车轨迹数据的研究成为智能交通系统中重要的热点方向。利用南京市出租车GPS轨迹数据挖掘乘客候车的热点区域,首先使用聚类算法挖掘乘客候车热点区域的序列,并将热点区域内乘客的平均候车时间、兴趣点的信息熵和距离等作为影响因素,利用多因素排序法对候车热点区域序列进行筛选。最终发现南京市以出租车为出行方式的乘客候车热点区域具有明显的时空特征:在时间上,基本符合居民早出晚归的通勤分布规律;在空间上,乘客候车概率较大的区域主要集中分布于鼓楼—新街口-大行宫等经济、商业最繁荣的中央商务区。同时发现南京市的城市结构布局特征为一个主要的中心城区和多个次要的中心所组成的混合式空间结构,居民的通勤呈现放射状分布和随机分布同时存在的结构形式。研究表明,本文提出的基于多因素排序的出租车乘客候车热点区域挖掘方法是可行、有效的,有利于缓解打车难问题,可为城市交通管理提供决策依据。     

基于大数据的城市居民职住锚点计算方法研究

居住和就业是两个重要的居民时 空行为要素,通勤行为规律能够直接反映城 市空间结构特征,而大数据的发展对城市职 住通勤研究提供了新的数据源与方法论。本 文通过比较分析各个居民职住锚点计算方 法,针对网络位置大数据提出基于密度的聚 类算法;并以北京市东部及北三县地区为例 进行案例分析。结论发现：基于密度的聚类 算法速度快、准确度高,适合网络大数据在 城市研究中的应用。     

基于蚁群算法的一卡通数据精准挖掘方法

为了提高一卡通数据精准挖掘能力,提出基于蚁群算法的一卡通数据精准挖掘方法。构建一卡通数据的模糊信息检测模型,采用关联特征提取方法进行一卡通数据的模糊相关性分析,构建一卡通数据的输出自相关特征匹配模型,结合模糊特征聚类分析方法进行一卡通数据的统计分析,建立一卡通数据的回归分析模型,提取一卡通数据的统计特征量,根据一卡通数据的特征提取结果采用模糊C均值聚类方法进行信息处理,采用蚁群算法进行一卡通数据挖掘过程中的自适应寻优,实现一卡通数据的优化挖掘。仿真结果表明,采用该方法进行一卡通数据挖掘的精度较高,特征分辨能力较好,提高了一卡通数据的挖掘和检测能力。     

基于Web日志的数据挖掘聚类算法研究及应用

针对FCM算法主要应用于点数据聚类,不能直接处理关系型数据的缺点。本文提出了一种基于Web日志的数据挖掘聚类算法,首先对FCM算法进行改进使其能够处理关系型数据,并对算法进行了健壮性改进。然后针对传统FCM算法需要在没有先验知识的基础上,事先确定聚类类别数的缺点,引入了竞争凝聚算法(CA),与FCM算法相结合,形成了CAFCM算法,使之能够自动确定最佳分类类别数。实验表明,CA-FCM算法的挖掘结果与FCM算法的结果相近,在用户访问会话数量不太大时性能优于FCM算法。     

聚类分析算法的分析与评价

聚类方法大体可以分为基于层次聚类算法、基于划分聚类算法、基于密度聚类算法、基于网格聚类算法、基于模型聚类算法、基于模糊聚类算法等。本文对主要聚类方法进行分析,并且结合具体的聚类分析算法进行聚类评价。     

基于空间句法的居住小区路网结构定量分类与特征分析

针对居住小区路网结构定量分类问题,本文基于空间与人的活动联系,利用空间句法理论,选取了相应的空间句法指标,结合DepthmapX软件对典型居住小区样本的路网结构进行参数化分析.并通过K均值聚类方法得到了内核放射式、均衡贯通式及树状混合式三种路网形式.聚类结果质量较好,不同形式路网的特征较为明显,验证了基于空间句法的居住...     

高层结构方案设计的K-Means聚类分析法

首先, 在分析了聚类分析及特征的基础上, 给出了k-均值聚类算法的基本思想、算法流程、准则函数及算法步骤等; 其次, 将聚类分析理论和方法引入高层结构智能方案设计, 建立了基于K-Means聚类分析方法的高层结构智能方案设计方法, 并给出了工程应用实例, 及该实例的聚类结果及聚类过程的空间分布图、评价函数与迭代次数及聚类数间的关系曲线。实践表明:k-means聚类分析方法能有效地用于高层结构智能方案设计, 为高层建筑结构智能方案设计开拓了崭新的途径和方法。     

基于聚类–回归算法的制冷机组实际运行特性研究

制冷机组部分负荷性能对制冷机组运行能耗影响非常大，本文提出基于聚类–回归算法挖掘制冷机组实际运行特性的方法，即以K–Means聚类算法识别不同负荷率区间的代表性运行数据，以最小二乘法对聚类结果进行回归分析。并基于地源热泵机组的大量实际运行数据，采用提出的聚类–回归算法，研究了地源热泵机组的实际运行特性，拟合了机组COP与部分负荷率PLR的曲线，得到COP与PLR的数学表达式，为开展制冷机组的智能调控奠定基础。