基于改进k―均值算法轻型车尾气排放数据聚类方法.docVIP

  • 6
  • 0
  • 约3.69千字
  • 约 8页
  • 2018-06-25 发布于福建
  • 举报

基于改进k―均值算法轻型车尾气排放数据聚类方法.doc

基于改进k―均值算法轻型车尾气排放数据聚类方法

基于改进k―均值算法轻型车尾气排放数据聚类方法   摘 要:在轻型车尾气排放试验中产生的大量试验数据常常具有不同属性,需要对其进行聚类分析。因此,提出了改进的k-均值算法。基于高密度方法有效地消除了孤立点的影响;采用最远点方法,摆脱了k-均值算法只能处理球状类数据和受中心初始位置控制的限制;得到最佳簇数k值,解决了直接给定k值时,因k值不恰当而导致聚类结果较差的问题。试验结果表明,改进算法比原始k-均值算法在聚类的准确率方面具有更好的效果,能够较好评估车辆排放水平。   关键词:轻型车尾气排放;k-均值;高密度方法;最远点方法   中图分类号:TP311文献标文献标识码:A文献标DOI:10.3969/j.issn.2095-1469.2013.02.06   我国汽车保有量正在日益增加,机动车辆的增多导致其排放污染物总量不断增加,严重影响了我们的环境,威胁着人类的健康。因此,我国陆续制定了一系列的法律法规来降低机动车的排放限值。其中包括:一氧化碳(CO)、碳氢化合物(HC)、氮氧化合物(NOx)等 [1]。   作为监管部门,要掌握车辆有害气体的排放水平,则需要对试验中产生的大量数据进行处理分析。在对轻型车排放检测试验中,不同成分的分布情况直接影响了我们对该企业车辆影响环境严重程度的判断。   聚类分析是数据挖掘中的一种无监督方法,也是非常活跃的一个分支,常用于处理

文档评论(0)

1亿VIP精品文档

相关文档