基于k-均值的文本聚类算法及改进

本文提出了k-means聚类算法中选取初始聚类中心及处理孤立点的新方法,改进了k-means算法对初始聚类中心和孤立点文本很敏感的不足之处,并将改进后的算法应用于中文文本聚类中。实验结果表明,改进的算法较原算法在准确率上有较大提高,并且具有更好的稳定性。     

城市色彩聚类提取方法介入青岛文创产品开发研究

目的 当前,城市色彩的研究正受到广泛关注。青岛是一座地域文脉丰富的城市,其城市色彩具有很高的代表性与研究价值。旨在探索青岛城市色彩特征,提取其色彩信息并指导青岛文创产品的设计研发。方法 在搜集大量与青岛城市环境相关的资料的基础上,以能代表青岛面貌的自然景观和人文景观的高清图片为研究素材。首先对其城市色彩进行视觉上的感性认识,然后利用K-means聚类方法对图片进行科学的色彩提取,并建立色彩网络模型,发现该城市面貌的主色、辅色及色彩搭配关系,从而为青岛城市文创产品的配色方案带来启示。结论 青岛的城市色彩具有特色且搭配和谐,将其提取并应用于青岛文创产品的配色中能够体现青岛的城市文脉特色,推动青岛文创产品的设计研发。     

基于移动终端的色彩信息交互式即时提取技术

目的基于移动终端以交互式获取的图像,即时提取其色彩构成信息并用于配色设计。方法通过聚类技术对单幅图像的像素值和多幅图像的提取色进行二次聚类,得到综合提取色。用户可选择灰度优先和色相优先这两种色彩提取方式,并指定提取色的数量,为用户提供综合提取色的各色彩分量值以及每种色彩所占比例。然后对苗绣图案进行技术应用验证。结论为设计师产品配色设计的图像灵感来源提供了快速处理技术,并开发了随机配色和基于色彩比例的概率配色这两种后期图案自动配色技术,显著提高了设计师的工作效率。     

基于色彩聚类的老年病房色彩设计研究

目的 基于感性工学理论,以K-Means色彩聚类为基础获取老年病房患者的色彩感性意象评价。方法 首先搜集并筛选现代医院老年病房设计案例,通过K-Means聚类方法进行色彩提取以建立老年病房色彩样本库;其次运用语义差异法量化老年病房色彩的感性意象认知,再将所得评价结果运用SPSS软件进行因子分析;最后,提取影响色彩意象评价的主因子,并探讨各感性意象与色彩样本之间的对应关系。结果 通过量化老年病房患者的色彩感性意象认知,可知老年患者更倾向于选择中高明度、暖色调的色彩作为病房空间的主要色彩。结论 该流程能获取科学、客观的色彩搭配方案,并有助于缓解老年患者的疾病压力,促进康复过程,同时也为医疗环境设计领域提供了新的思路和方法。     

K-means聚类算法在客户细分中的应用

聚类分析作为一种数据简化技术,它把基于相似数据特征的变量等组合在一起,这种技术对发现基于相似特征的问题非常有用。本文主要以某超市为研究对象,运用K—means聚类算法对其客户进行细分,得到一个矩阵模型,该模型对企业的经营具有很好的辅助作用。     

基于K-medoids聚类算法的研究与实现

随着网络的普及,越来越多的人在Web上了解自己想要的信息,这就使得Web数据集成技术的研究和发展显得越来越重要,其中聚类算法是WEB数据集成中的重要研究课题。在分析总结现有的聚类算法的特点和实现过程的基础上,对K-medoids聚类算法进行改进,使得改进后的K-medoids聚类算法具有更高的效率,用户在Web上查询信息时更方便、更快捷。     

基于聚类算法的黔东南苗族鸟纹刺绣图案色彩特征研究

目的 以可量化和可视化的方式对黔东南苗绣中鸟图案的色彩特征和搭配关系进行探究和呈现,为苗族图案设计创新提供色彩规律借鉴,同时为民族色彩数据库的建立做准备。方法 运用中值滤波算法以及自适应纹理滤波算法对212张样本进行去噪平滑处理后,用K-Means聚类算法提取图像色彩,采用自动获取k值的方式确定色彩提取数量,以主色优先方式构建色彩网络模型。借助HSV色彩空间模型,以频数统计的方式从色相、饱和度、明度三个维度对不同绣法的色彩特征进行归纳。结论 研究结果以数据和图表形式表现苗绣中鸟纹的色彩搭配及规律情况,能够较为客观、准确地反映出苗绣鸟纹刺绣图案的色彩特征,研究结果可为设计师提供大量色彩搭配方案参考,提高设计师工作效率,对民族图案的再设计应用及非物质文化遗产传承再创新都具有重要价值。     

模糊聚类和混沌自适应粒子群的神经网络色彩匹配

目的研究基于混沌理论、粒子群算法、模糊聚类和人工神经网络的色彩匹配模型。方法结合混沌理论和动态自适应策略,对粒子群算法进行改进,得到混沌自适应粒子群算法,并应用于径向基人工神经网络的基函数中心,以及扩展常数和网络权值的优化中;通过模糊聚类分类样本数据,得到混沌自适应粒子群径向基人工神经网络色彩匹配模型,并将模型与其他色彩匹配方法进行比较。结果CSAPSO RBF ANN色彩匹配模型的平均绝对误差、均方根误差和色差平均值分别为0.0106,0.000 96和1.9122。结论 CSAPSO RBF ANN色彩匹配模型具有良好的普遍性、通用性和泛化能力。     

敦煌传统壁画色彩网络模型构建与应用设计

目的 针对设计师在对敦煌壁画艺术色彩为题材进行设计时,往往只通过个人经验感性地提取色彩及配色,很难真正意义上还原其色彩意象等问题,提出一种敦煌壁画色彩网络模型构建及其在产品设计中的应用方法,辅助设计师进行色彩文化解码设计活动。方法 建立敦煌壁画图像库,提取图像特征色,基于图论原理,利用特征色间的共现关系,建立色彩网络模型和主辅色网络模型。运用VBA语言,基于CorelDRAW平台,开发色彩提取系统和自动配色种群生成引擎,结合色彩网络模型,辅助设计师批量生成能体现色彩意象的平面设计方案和产品开发。结论 对敦煌藻井图案创新配色及其在产品设计中的应用进行了测试,结果表明该方法可高度还原敦煌壁画的色彩意象,可作为敦煌壁画色彩创新应用的新思路。     

基于改进遗传算法的聚类新方法

提出一种基于改进遗传算法的聚类新方法(GAKME),该方法采用遗传算法和k-medoids算法相结合,既可以很好地解决局部最优的问题,也可以很好地解决孤立点的问题,同时还可以加快遗传算法的收敛速度,节约时间成本。     

基于灰色聚类法的老年人APP用户界面配色评价研究

目的 对老年人APP用户界面配色进行评价.方法 首先采用文献研究与焦点小组法,构建老年人APP用户界面配色评价体系;其次采用层次分析法(AHP)来确定APP用户界面配色评价体系中各评价指标的相对权重;接着根据市场调研与用户访谈的结果,与PCCS色彩体系相结合制作实验样本;然后使用灰色聚类法对实验观测值进行灰色聚类得到聚类系数,并由得到的聚类系数对聚类对象进行聚类;最后根据聚类结果对实验样本进行分类并进行结果分析.结论 本文以老年人医疗 APP 用户界面配色作为研究案例,结果验证了基于灰色聚类法的老年人APP用户界面配色评价方法的可行性与有效性.     

基于饱和度优先的 BP 神经网络颜色空间转换模型研究

利用神经网络算法的非线性转换优势,构建了基于BP神经网络的颜色空间转换正向和反向仿真模型,提出了数据仿真饱和度优先的方法。通过训练样本的选取、仿真实验和数据分析,得到了较好的训练效率和转换效果。仿真结果表明,BP神经网络适合于颜色空间转换,转换精度较高。     

色彩情感在平面设计中的运用探析

目的探索色彩情感在平面设计中的运用策略。方法通过对色彩与人的情感之间的关系的探讨引出色彩的基本内涵及独特的情感特性,接着从提高画面动感、触发心理感受、引发视觉注意等方面探讨色彩的韵律、节奏、象征意义等在平面设计当中的应用价值与主要路径,并从标志设计、包装设计的实际出发,分析色彩在其中的应用原则及方法,然后以此为基础展开色彩应用过程中应注意的象征意义、配色规律、审美趣味等方面问题的探究,最后对未来的深入融合与发展进行展望。结论色彩的情感性给平面设计带来了更多的创意和灵感,使平面设计作品能够以一种审美的愉悦吸引受众,与受众的心理层面和情感层面进行深层次的互动,实现信息传达和艺术展示的目的,促进平面设计作品的艺术效果和价值的升华。     

农民画色彩特征在地域农产品包装设计中的应用

目的挖掘农民画色彩文化元素,探索农民画色彩特征在农产品包装设计中的应用方法,塑造农产品包装设计的地域特色。方法借助色彩分析软件对农民画色彩特征进行提取分析,获取提取主色的风格特征及色彩关系网络,并构建农民画色彩数据库。基于农产品包装与农民画之间的色彩认知共感,结合现代包装设计的审美要求,提出了将农民画色彩应用于农产品包装设计中的色彩搭配方法。结论运用农民画色彩特征提取方法,能实现农产品包装设计与农民画之间的色彩匹配,再现农民画色彩的地域性和文化内涵,提高农产品包装设计的色彩搭配效率及品牌识别度,降低设计实践中对农民画色彩借鉴的随意性,为农产品包装设计提供了新的设计思路,也有助于农民画艺术得到更好的保护及传承。     

基于BP神经网络的诊室空间配色设计研究

目的 以感性工学为理论基础,运用BP神经网络构建神经内科诊室使用者的情感与诊室配色设计之间的映射关系。方法 首先,通过文献查阅和访谈等途径获取神经内科诊室使用者情感感受的意象词汇,并运用聚类分析选取代表性感性意象词对;然后,运用案例分析法,对神经内科诊室进行空间配色设置分析并提取典型色彩样本,经过搭配形成典型配色设计方案,通过语义差异法构建感性评价矩阵;最后,运用Matlab软件,建立神经内科诊室空间配色设计的BP神经网络模型,经验证得出,模型映射了感性意象和空间配色设置之间的关系。结果 运用该模型可获得神经内科诊室空间配色感性意象评价得分预测值,指导诊室空间色彩设计。结论 该方法提高了诊室空间色彩设计的准确度,同时为医疗空间色彩设计提供了重要参考依据。     

基于神经网络分色算法的补偿模型

神经网络模型在分色算法中具有预测不确定和精度较低的缺点,在其基础上提出了补偿模型。该模型将神经网络预测CMYK 的各通道差值拟合成L*a*b* 多项式的函数,并对CMYK 值进行补偿。通过对该模型的实验测试表明,采用CMYK 值进行补偿后与原模型相比,提高了分色算法的精度,并且其分色精度要高于其他常用的模型。