买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：哈尔滨工业大学

摘要：本发明是一种基于EM聚类算法的体育场疏散评价方法，本发明采用K最邻近算法，将新发现的因素合理分类，使得在收集影响疏散因素方面更全面也可以简化庞杂的数据。影响体育场疏散因素指标权重主要以专家预测来决定，具有一定的经验惯性，不够客观，本发明采用PageRank算法加权重，使评价结果具有客观性。面对现在处理体育场疏散评价的算法在实现靠近真实结果时，越复杂，对计算需要时间成本和性能成本高的窘境，本发明提出采用EM聚合算法综合处理数据，即避免使用神经网络使算法复杂，又能高效地得出最优的体育场疏散评价结果。

主权项：1.一种基于EM聚类算法的体育场疏散评价方法，其特征是：所述方法包括以下步骤：步骤1：建立影响体育场疏散的因素集；步骤2：采用k最邻近算法对评判因素集进行分类处理；步骤3：对分类完的评判因素对的体育场疏散进行量化打分，形成映射评语集；步骤4：采用PageRank算法对评语集的数据的重要程度进行判断加权得到数据矩阵R，对应因素集计算得到加权后评语聚类簇的均值μj和方差Σi；所述步骤4具体为：步骤4.1：将体育场疏散评语聚类簇的空间矩阵N作为PageRank算法里的含i×j个结点的有向图，平稳分布R为这个有向图的PageRank值；步骤4.2：令t＝0，计算当Rt+1与Rt充分接近，令Rt+1＝Rt停止迭代；步骤4.3：否则t＝t+1，执行步骤4.2；步骤4.4：最后得到体育场疏散评语聚类簇的空间矩阵N的PageRank向量R；步骤4.5：对体育场疏散评语集的数据的重要程度进行判断加权得到的数据矩阵R，通过下式表示： 步骤4.6：计算得到数据矩阵R的得到每个加权体育场疏散评语聚类簇的均值μj和方差Σi；步骤5：将评分簇的均值μ和协方差矩阵作为期望最大化EM算法中第j个高斯模型的初始量，并引入训练集的类先验信息；步骤5具体为：将评分簇的均值μ和协方差矩阵作为期望最大化EM算法中第j个高斯模型的初始量，通过下式表示出事量θ：θ＝{μθ,∑,θ|1≤j≤M}，引入所述训练集的类先验信息；使用EM聚合算法综合处理体育场疏散评价数据，首先将步骤4处理得到影响体育场疏散因素集关于安全等级评判的映射N加权处理后的数据矩阵R作为初始化数据，即将评分簇的均值μj和协方差矩阵Σi作为期望最大化EM算法中第j个高斯模型的初始；构建关于所述数据矩阵R的高斯混合模型的条件密度函数,通过最大化高斯混合模型的条件密度函数中参数θ的似然函数获取E步公式和M步公式；步骤6：通过EM聚合算法获取均值和方差，得到最优评分期望。

全文数据：

权利要求：

百度查询： 哈尔滨工业大学 一种基于EM聚类算法的体育场疏散评价方法