基于模糊聚类迭代模型的洪灾智能评估方法

由于缺少公认的标准,洪灾评估带有很大的主观性,同时,当样本集中存在超大样本或过小样本时,会导致模糊综合评估结果出现较大偏移。提出了一种基于模糊聚类迭代模型的洪灾评估方法,无需提供标准即能对样本空间进行智能辨识并作出相应处理,并以四川省1976-2006年洪灾样本为例,给出了四川省洪灾的等级评估结果。与投影寻踪方法的评估结果进行比较表明,该方法可以适用于大部分情况下的洪灾评估工作。

基于模糊聚类迭代模型的洪灾评估标准计算方法

对于洪灾评估工作来说,制定一个具有普适性的洪灾等级评估标准是很重要的,而目前缺少一个被公开认可的标准制定方案。在模糊聚类迭代模型的基础上,提出了一种不受时空分布影响的洪灾评估标准计算方法。在求解目标函数时,采用混沌文化进化算法进行了优化。以四川省1976—2006年洪灾样本为例,计算出了四川省洪灾的标准化等级评估标准,并进行了验证。分析表明:该标准是合理有效并符合洪灾分布特点的,可以作为其它模型的评估标准。采用相对值标准,不受时空分布不同的影响,可以用于所有具有同一范围级别和较完备历史灾情数据的洪灾评估标准工作。

基于决策者偏好DE算法的模糊聚类迭代洪灾评估方法

权重的选择是各种洪水灾害评估模型中的一个关键而又难以确定的问题。根据现有主观赋权法和客观赋权法的特点,在差分进化(DE)算法的基础上,引入决策者偏好过滤掉不满足条件的个体,通过优化考虑决策者偏好的模糊聚类迭代模型获得洪灾样本的指标权重向量,结合洪灾损失样本特征值矩阵得出各样本的灾情综合评价值;然后依据灾情综合评价值与聚类矩阵求出各等级的特征值,并依此自动识别聚类矩阵中各行的类别属性;最后依据识别出的类别属性和各样本的灾情综合评价值,对洪灾样本在不同的决策者偏好下进行等级划分和灾情排序。以2013年四川省和1996年新疆的洪灾样本为例进行仿真试验,实现了不同决策者偏好下的洪灾等级评估,并为水利部门选择偏好类型提供了参考性建议。

基于云模型及可变模糊聚类迭代模型的灌区节水水平评估

农业灌区是农业最主要的用水大户,其节水水平直接关系到整个农业节水目标的实现。选择河北省石津灌区为研究区域,根据灌区的实际情况,提出基于云模型和可变模糊聚类迭代模型的模糊综合评价法,有效地克服了隶属度确定的随机性和模糊性,同时权重确定也更加合理。利用该方法评估了灌区2002-2011年的节水水平。评估结果表明,灌区节水水平逐年提高,由耗水型转变为过渡型,但灌区渠系水利用系数和灌溉水利用系数整体偏低,有待于进一步提高。研究成果可为大型灌区节水评价以及灌区的节水管理提供技术支持。

模糊聚类迭代模型在水资源承载能力评价中的应用

利用模糊聚类迭代模型对山东省17地市的水资源承载能力进行了综合评价,通过模糊识别模型得到样本的级别特征值,从而达到对该省各地区水资源承载能力的级别划分,进而提出增强水资源承载能力的建议,以促进山东省水资源的可持续发展.

基于模糊聚类迭代模型的干旱程度评估方法

在干旱识别的基础上,采用模糊聚类迭代模型,以模糊权重代表评估指标的重要性,提出以级别特征值评估干旱严重程度的新方法.该方法对干旱评估的准确度较高,为干旱的研究提供了一种新的途径.

基于改进模糊聚类迭代的边坡稳定性评价方法

针对影响土质边坡稳定性因素的模糊性、复杂性、和随机性问题.通过将灰色关联分析理论与模糊聚类迭代模型相结合,得到改进的模糊聚类迭代模型,提出了一种新的边坡稳定性评价方法,并结合工程实例实现了稳定性的评价.相比于以往的研究,该模型将影响边坡稳定性的内外因素确定为六个主要因素,并用灰色关联理论得到各影响因素的权重,这样避免了传统模糊聚类模型人为的主观性带来的误差,提高了模型评价精度.为验证该方法的合理性,运用该方法计算的结果与BP神经网络预测的结果以及边坡实际情况进行对比验证,得到了较为一致的结果,表明该方法可以用于边坡的稳定性评价.

考虑决策者偏好的洪灾评估自适应模糊聚类迭代模型及应用

针对洪灾评估的各种决策者偏好和模型方法复杂度,以模糊聚类迭代模型(FCI)和教学优化算法(TLBO)为基础,综合考虑洪灾评估过程中的决策者主观偏好,建立了基于教学优化算法的洪灾评估自适应模糊聚类迭代模型(AFCI-TLBO),并将该方法应用于四川省洪灾评估中。结果表明,AFCI-TLBO的聚类效果有效性更好,评价结果更为可信。

考虑决策者偏好的洪水灾害模糊聚类迭代评估模型

决策者偏好对洪水灾害的评估结果有重要影响.传统的评估方法可能会出现次要指标权重过大的情况,难以有效体现决策者偏好对评估结果的影响,为此将模糊聚类迭代模型推广到考虑决策者偏好的情况,并给出单一偏好条件下的理论解,提出了基于决策者偏好模糊聚类迭代模型.在该模型中,通过增加一个松弛因子构造一个增广拉格朗日乘子添加到模糊聚类迭代模型的目标函数中,将体现决策者偏好的不等式约束转化为等式约束,并依此求出该偏好条件下权重向量的解析解,可为考虑决策者偏好评估方法的研究提供理论依据;再根据样本特征值矩阵与解得的最优权重向量求出各样本的灾情综合评价值,结合最优隶属度矩阵确定各样本所属洪灾等级,各等级内部样本依据灾情综合评价值排序.该模型直接利用样本特征值矩阵对洪灾样本灾情大小进行识别,降低对最优隶属度矩阵的依赖性,使得排序结果更准确合理.最后,将该模型应用于2013年四川省部分地区洪水资料,验证了考虑决策者偏好模糊聚类迭代模型的理论结果,灾情综合评价值法的排序结果比传统的类别特征值法更合理.

基于迭代模糊聚类算法的多源异构电力数据集成

在电力数据采集过程中,极易出现传感器故障、通信中断、数据丢失等问题,使得数据出现质量差异。多源数据格式与语义的不一致增加了数据集成的复杂性,导致电力数据集成效率较低。为此,提出基于迭代模糊聚类算法的多源异构电力数据集成方法。构建数据集成框架,通过语言生成器统一数据格式,利用迭代模糊聚类算法,模糊划分数据。反复迭代处理聚类中心和任意一个电力数据之间的欧几里得距离,获取最优聚类距离,采用频繁项集,获取数据功率谱密度,构建集成目标,设计电力数据集成流程。通过实验结果可知,应用该方法仅存在50 bit的数据集成误差,且电力数据集成效率较高。

基于模糊聚类循环迭代模型的陕西省农业干旱风险评估与区划

为了加强陕西省农业干旱风险评估和应急管理能力,以10个地级市为研究对象,选择表征农业干旱风险的危害性、暴露性、脆弱性和抗旱能力等方面的17个代表性指标,建立了具有区域适用性的农业干旱风险评价指标体系;基于模糊聚类循环迭代方法构建了农业干旱风险评估模型,并结合GIS技术,对陕西省农业干旱风险进行评估和区划研究。结果表明:全省农业干旱风险具有明显的区域差异性和规律性,极严重-严重干旱风险区主要分布在榆林、渭南、商洛地区;中度干旱风险区主要分布在延安、宝鸡和咸阳地区;一般-轻度干旱风险区主要分布在铜川、安康、西安和汉中地区,农业干旱风险总体呈北部地区大于南部地区,关中东部地区高于西部地区的特点。依据研究结果,为管理部门决策制定提出了不同风险区抗旱减灾措施建议。

黄河内蒙古段流凌预报可变模糊聚类循环迭代模型

为了模拟黄河内蒙古段冰情的发生、发展过程,以可变模糊集理论为基础,提出了可变模糊聚类循环迭代模型来预报黄河内蒙古段巴彦高勒站流凌日期。选定初始权重矩阵、初始模糊聚类矩阵、初始模糊聚类中心矩阵,应用迭代公式求得最优权重矩阵、最优模糊聚类矩阵、最优模糊聚类中心矩阵,建立符合相关性要求的回归方程,从而实现预报识别检验。将模型预报结果与实测值对比分析,预报结果合格率达到80%,属于甲等预报方案,表明基于物理成因分析和数学理论的可变模糊聚类循环迭代模型可用于黄河内蒙古段的流凌预报。

基于模糊聚类循环迭代模型的地方水利发展现状评价

针对2011年中央1号文件提出2020年基本建成四大体系的目标任务,通过制定17个评价指标,建立模糊聚类循环迭代模型,从防洪抗旱减灾、水资源合理配置和高效利用、水资源保护和河湖健康保障、水利科学发展制度体系建设方面对2009年全国水利发展状况进行了分析评价。结果表明,东部水利发展水平总体优于中、西部,华东地区水利发展水平最高,西北地区最低;揭示了地方水利发展存在的问题和不足,可为今后我国地方水利发展提供参考。

基于局部阈值和聚类中心迭代的肺结节检测算法

肺部疾病通常以肺结节的形式表现出来。为了对肺部疾病进行诊断治疗,需要对肺结节进行准确的检测。提出了基于局部阈值和聚类中心迭代的肺结节检测算法。首先,对肺实质图像采用局部阈值算法,提取感兴趣区域(ROIs),并且计算ROIs的形态特征、灰度特征和纹理特征;其次,结合规则、聚类中心迭代和欧式距离,对ROIs进行分类。实验结果表明,所提算法能够较好地检测出孤立性结节、低对比度结节和粘连肺壁结节。

基于简单线性迭代聚类和快速最近邻区域合并的图像分割算法

针对传统区域邻接图在描述数据结构时,搜索全局最优解难的问题,提出了一种基于简单线性迭代聚类(SLIC)和快速最近邻区域合并的图像分割算法。该方法在区域邻接图基础上引入了最近邻接图来优化全局搜索,首先用SLIC超像素算法将图像分割成小区域,利用区域邻接图(RAG)和最近邻接图(NNG)的邻接表数据结构来描述区域之间的关系,然后计算每个待合并区域与其所有邻接区域之间的不相似度函数值,最后合并不相似度值最小的区域。实验结果表明:本文方法能较好地将最相似的区域进行合并,与传统的区域合并算法相比,降低了合并计算的复杂度,大幅度提高了区域合并的准确性。

局部迭代的快速K-means聚类算法

为了解决K-means算法在聚类数量增多的情况下,因选择了不合适的中心初值而影响到聚类效果这一问题,提出了一种局部迭代的快速K-means聚类算法(PIFKM+−)。该算法在K-means聚类的基础上,不断寻找能够被分割的聚类簇和能够被删除的聚类簇,并对受影响的局部数据进行重新聚类处理,降低了整个聚类更新的时间复杂度,提高了聚类的效果。PIFKM+−算法在面对聚类数量众多的情况下,具有能够快速更新聚类、对聚类中心初值不敏感、能够提高聚类精确度等优势。通过与K-means和K-means++两种算法的比较,在仿真数据集和真实数据集的综合实验下,验证了该算法的精确性、高效率性和可扩展性,同时实验结果的统计分析表明该算法在提高了聚类精确度的同时并没有损失太多的时间效率。

融合简单线性迭代聚类的高光谱混合像元分解策略

高光谱图像中的混合像元问题广泛存在,混合像元的分解效率一直是遥感应用研究的难点和热点。目前成熟的端元提取算法有纯像元指数（pure pixel index,PPI）、内部最大体积法（N-FINDR）、顶点成分分析（vertex component analysis,VCA）、顺序最大角凸锥（sequential maximum angle convex cone,SMACC）、交替最大体积法（alternating volume maximization,AVMAX）、最小体积封闭单形体（minimum volume enclosing simplex,MVES）等,这些算法从图像所有像元中提取纯光谱,具有提取速度慢、精度不高的缺点。为此,该文引入了一种融合简单线性迭代聚类（simple linear iterative clustering,SLIC）超像元分割的高光谱混合像元分解算法。超像元分割技术能够将具有相似特征的相邻像元组成图像块,并保留进一步进行图像处理的有效信息,从而大幅减少参与端元提取的像元数量,为解决上述问题提供了有效的途径。通过试验对比了降维方式（主成分分析和最大噪声分数）、RGB对应关系（6种）、色彩空间RGB（red,green,blue）和LAB（lightness-A-B）、数据格式（JPG,BIN）和算法参数K对高光谱图像超像元分割结果的影响,并进一步分析了SLIC超像元分割结果对2种典型端元提取算法（AVMAX、MVES）产生的不同效果。试验结果表明,随着K值的增大,混合像元分解的时间逐渐增加,均方根误差（root mean square error,RMSE）持平或减少,而JPG（有损压缩）数据格式的时间始终比BIN（无损压缩）数据格式的要短。SLIC＋MVES的RMSE略高于MVES的RMSE,低于AVMAX的RMSE,但时间远小于MVES。当K足够大的时候,SLIC＋MVES的效果就近似MVES的效果了。在大部分情况下,最大噪声分数的降维效果优于主成分分析。以最大噪声分数作为降维方法、以JPG作为数据格式、以LAB作为色彩空间对混合像元分解结果较为有利。另外,SLIC的参数K的取值在5-10之间较为合适。该研究中的SLIC超像元分割算法简单易行,并且提高了混合像元分解的效率,具备很好的实用价值。

基于流形距离的迭代聚类算法路面裂缝提取

针对现有算法检测精度不高和边缘定位不准确的问题,提出一种基于流形距离的迭代聚类路面裂缝提取算法。通过计算2个数据点之间的流形距离,设计聚类目标准则函数,利用迭代最优方法解决准则函数的优化问题,将所有数据点划分为背景和目标2个聚类,并结合图像分割算法提取路面裂缝信息。实验结果表明,该算法能稳定有效地提取出图像中的连续裂缝边缘,可用于路面裂缝的自动检测。

基于加权信息量和迭代自组织聚类的地质灾害易发性评价

以三峡库区忠县-方斗山地区为研究对象,首先选取坡度、坡向、坡高、岩土体类型、坡体结构、构造、水的作用、人类工程活动等8个评价因子建立地质灾害易发性评价指标体系,并对因子状态进行分级;然后,采用层次分析法计算各指标因子的权重,应用加权信息量模型进行地质灾害易发性评价;再者,利用迭代自组织聚类模型对地质灾害易发性评价结果进行分级区划;最后,对地质灾害易发性评价的精度进行定量评价。结果表明:地质灾害易发性评价结果与实际地质灾害发生的吻合度高、评价结果可靠、评价方法精度高、适用性强;岩土体类型、坡体结构、水的作用及人类工程活动是地质灾害发育的最主要控制因素;地质灾害易发性划分为极高易发、高易发、中易发、低易发、极低易发五个等级。建立的评价方法从权重确定和等级划分方面完善了地质灾害易发性评价理论体系,可为区域地质灾害易发性评价提供理论指导和技术参考。

基于两层迭代聚类算法的RBFNN及在发电机诊断中的应用

首先分析了传统的基于K均值聚类算法径向基函数神经网络(RBFNN)的缺点,即需要人为确定隐含层神经元数量,并且不同的初始化方法有不同的聚类结果和学习误差。然后提出了一种新的RBFNN算法——两层迭代聚类算法,能根据样本的分布情况自动计算RBFNN隐含层神经元数量、中心向量和宽度。将实测的 MJF-30-6型发电机正常运行、转子励磁绕组故障运行和定子绕组故障时定转子径向振动信号作为学习样本,运用文中所述算法与传统的RBFNN算法比较,结果表明,基于两层迭代聚类算法的RBFNN具有较小的学习误差。