改进K-means算法对大兴安岭蓝莓干销售预测的应用

发布时间：2018-02-05 20:39

  本文关键词： DBSCAN算法 K-means算法 去噪 聚类 ARIMA模型 预测　出处：《黑龙江大学自然科学学报》2017年02期 　论文类型：期刊论文

【摘要】：K-means算法对噪音数据和孤立点敏感,致使其在应用方面存在很大的局限。传统的Kmeans算法在除噪阶段多以人为和经验判定噪音点或单纯从平均数角度剔除孤立点,造成聚类结果准确度难以保证。以大兴安岭地区精品蓝莓干商品为研究对象,基于DBSCAN算法辅助Kmeans算法去噪,用定量的方法解决K-means去噪欠缺合理性的问题。结合ARIMA模型加以验证聚类预测的结果,与实际值匹配度达到95%以上,明显高于未改进算法。
[Abstract]:K-means algorithm is sensitive to noise data and outliers. As a result, there are many limitations in its application. The traditional Kmeans algorithm usually uses human and experience to determine the noise points or eliminate the outliers from the average point of view in the de-noising stage. It is difficult to ensure the accuracy of clustering results. Taking the fine blueberry products in Daxing'an Mountains as the research object, the DBSCAN algorithm is used to assist the Kmeans algorithm in de-noising. Using quantitative method to solve the problem of K-means denoising lack of rationality, combined with the ARIMA model to verify the results of the clustering prediction, the matching degree with the actual value is more than 95%. It is obviously higher than the unimproved algorithm.
【作者单位】： 东北林业大学信息与计算机工程学院;
【基金】：国家自然科学基金资助项目(71473034)
【分类号】：F323.7;TP311.13

【相似文献】

相关期刊论文 前10条

1 张济强;高玉良;;遗传模拟退火算法在k-means聚类中的应用[J];电脑知识与技术;2012年07期

2 贾花萍;李尧龙;哈渭涛;史晓影;;K-means聚类神经网络分类器在睡眠脑电分期中的应用研究[J];河南科学;2012年06期

3 李学勇;高国红;孙甲霞;;基于互信息和K-means聚类的信息安全风险评估[J];河南师范大学学报(自然科学版);2011年02期

4 屈新怀;高万里;丁必荣;李朕;;基于聚类数和初始值的K-means算法改进研究[J];组合机床与自动化加工技术;2011年04期

5 边鹏;赵妍;苏玉召;;一种改进的K-means算法最佳聚类数确定方法[J];现代图书情报技术;2011年09期

6 宗瑜;金萍;李明楚;;BK-means:骨架初始解K-means[J];计算机工程与应用;2009年14期

7 韩凌波;;一种新的K-means最佳聚类数确定方法[J];现代计算机;2013年30期

8 李红岩;胡林林;王江波;周红芳;;基于K-means的最佳聚类数确定方法研究[J];电脑知识与技术;2014年01期

9 王勇;唐靖;饶勤菲;袁巢燕;;高效率的K-means最佳聚类数确定算法[J];计算机应用;2014年05期

10 吕强,俞金寿;基于混合遗传算法的K-Means最优聚类算法[J];华东理工大学学报(自然科学版);2005年02期

相关会议论文 前4条

1 杨青;刘晔;张东旭;刘畅;;快速查找最优初始聚类数K的改进K-means算法[A];中国自动化学会控制理论专业委员会A卷[C];2011年

2 陈磊;胡佳敏;严华;;K-means算法在散货船代货运系统中的应用[A];全国第20届计算机技术与应用学术会议（CACIS·2009）暨全国第1届安全关键技术与应用学术会议论文集（上册）[C];2009年

3 张望;王辉;;个性化服务中的并行K-Means聚类算法[A];2007年全国开放式分布与并行计算机学术会议论文集(下册)[C];2007年

4 王守强;朱大铭;史士英;;基于输入点集求解k-Means聚类算法[A];第二十六届中国控制会议论文集[C];2007年

相关硕士学位论文 前10条

1 许允栋;K-means聚类算法的改进与应用[D];广西师范大学;2015年

2 丁斌;基于布谷鸟算法的K-means聚类挖掘算法研究[D];合肥工业大学;2015年

3 贺艳芳;熵加权多视角核k-means聚类算法的研究[D];郑州大学;2016年

4 陈克;基于K-means算法的CSS Sprites图片合成技术的研究[D];东北师范大学;2016年

5 黄新华;基于Apriori和K-means算法的图书推荐系统设计与实现[D];湖南大学;2016年

6 于洋洋;基于并行K-MEANS聚类分析的社群发现算法研究[D];东北大学;2012年

7 崔晓丽;基于MapReduce的海量数据K-means聚类算法研究[D];大连理工大学;2014年

8 高存彬;基于K-Means聚类法的水团划分算法和可视化研究[D];中国海洋大学;2008年

9 刘建国;改进的K-means算法及其在采油数据分析中的应用[D];北京邮电大学;2010年

10 陈翠卓;移动平台下基于K-means的租房信息聚类算法研究与实现[D];华中师范大学;2014年

，

本文编号：1492724