计算机工程与科学

作者：苏小会, 张玉西, 徐淑萍, 尚煜

单位：（西安工业大学计算机科学与工程学院，陕西 西安 710021）

关键词：行驶工况,影响因子,特征权重,加权K-means聚类,

基金：国家地方联合工程实验室基金(GSYSJ2018012)；陕西省教育厅专项科学研究计划(17JK0381)

为解决传统聚类算法初始中心易陷入局部最优、耗时长的问题，提出一种改进的K-means聚类优化算法。该算法引入最大最小距离和加权欧氏距离，从剩余聚类点距离均值和出发，避免孤立点和边缘数据的影响。利用比重法对主成分进行改进，以由此获得的特征影响因子作为初始特征权重，构建一种加权欧氏距离度量。根据特征贡献率对聚类的影响，筛选具有代表性的特征因子凸显聚类效果，最终合成汽车行驶工况，分析瞬时油耗。结果表明，所提算法构建行驶工况的速度-加速度联合分布差异值仅为1?05%，比传统K-means聚类省时44.2%，行驶工况拟合度较高，能反映实际车辆的运行特征及油耗。

来源：2021年第11期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2021年第11期