Biomedical Image Processing Using FCM Algorithm Based on the Wavelet Transform

An effective processing method for biomedical images and the Fuzzy C-mean (FCM) algorithm based on the wavelet transform are investigated.By using hierarchical wavelet decomposition, an original image could be decomposed into one lower image and several detail images. The segmentation started at the lowest resolution with the FCM clustering algorithm and the texture feature extracted from various sub-bands. With the improvement of the FCM algorithm, FCM alternation frequency was decreased and the accuracy of segmentation was advanced.

基于FCM-GA灌溉供水管网减压阀布设优化

为探究灌溉供水管网中存在的漏损过高以及局部压力过大的问题,提出了一种基于FCM-GA的供水管网减压阀布设优化方法,该方法借助MATLAB、EPANET、MATLAB-EPANET-Toolkit以及PlatEMO平台等工具,对西班牙的BIN管网进行分区布置减压阀并优化阀后压力,以不同分区方案的成本与降漏效果为控制指标,筛选出最优方案。结果显示:最优方案(分5个区)将整个管网的漏损率降低至7.45%,相较初始管网降低了20.04%,降低的漏损费用可达114€/d,在减压阀服务年限内可收回成本并达到盈利,并实现对整个管网系统的压力管理,提高了管网的稳定性和可靠性,有利于减少管网事故发生。因此,基于FCM-GA的灌溉供水管网减压阀布设优化是一种安全、低成本和高效益的降漏与控压方法,在有效降低灌溉用水费用的同时,可更好地实现节水灌溉。

基于改进FCM聚类的光伏电站出力场景特性研究

为提高新型电力系统的运行安全可靠性,需要对光伏电站的出力特性进行量化评估,并从高不确定性的众多发电场景中掌握光伏电站的运行规律。为此,基于场景聚类和缩减原理对光伏出力进行分析。首先提出光伏出力特性的评价指标,包括波动性和出力效率2个一级指标和相应的二级指标;然后采用模糊C均值(fuzzy C-means,FCM)聚类算法,基于密度思想和距离最大、最小原则确定初始聚类中心,通过不断迭代得到不同场景下光伏出力的聚类结果。考虑到传统聚类算法存在局部收敛性,难以确定最优聚类数目,提出结合聚类有效性指标来确定聚类最优数目,进而采用基于概率距离的前推回代法对得到的聚类结果进行场景削减,最终得到光伏电站季节典型出力场景。最后基于广东省某光伏电站实际出力数据进行分析,验证所提指标和算法的有效性。

基于FCM算法的中小型转动设备故障检测研究

针对现有算法在中小型转动设备故障检测中存在的收敛速度慢、故障识别率低等问题,提出一种基于FCM融合算法的故障检测方案研究。对原始故障集做降噪处理,基于模糊熵值理论在多尺度条件下提取故障向量的隶属度;利用GA算法优化FCM算法的迭代性能和收敛性能,分别更新故障特征向量模糊隶属度矩阵和聚类中心矩阵,以达到改善聚类精度,提高故障识别率的目的。实验结果显示,该算法在不同的聚类中心数量及故障类别的条件下,能够获得更好的聚类效果和更高的收敛速度,训练集合和测试集的平均故障识别分别可以达到99.19%和98.23%。

基于加权FCM聚类算法的电力交易数据动态提取模型

海量、冗余的电力交易数据极大地阻碍了电力交易决策,为此,研究基于加权FCM聚类算法的电力交易数据动态提取模型。汇聚预处理电力交易数据,压缩数据体量,基于全排列理论排序处理电力交易数据,提取电力交易数据特征(波动性、趋势性与变动性特征)作为FCM聚类算法的加权依据,获得对应的加权矩阵,应用加权FCM聚类算法聚类提取需求的电力交易数据,实现电力交易数据的动态提取。实验数据表明,该模型获得的电力交易数据聚类参数DBI数值较小,DVI数值较大,电力交易数据动态提取时间较短,应用性能更佳。

融合改进FCM与PFS的知识供需匹配

为提升知识资源的有效配置,缓解用户“知识迷向”问题,设计一套知识供需匹配方法。依据DBSCAN算法确定FCM算法的聚类数目,增强聚类效果;基于改进FCM进行区域划分实现匹配空间压缩,提升算法效率。在此基础上,构建模糊关联匹配度模型,通过融合Zadeh与PFS模糊算子改进相似度计算,兼顾用户需求与既有知识间的相关度,确定匹配结果。实验分析表明,其在知识匹配有效性方面具有一定的比较优势。

基于改进FCM聚类算法的混合建模方法在苯酚浓度预测中的应用

为了解决单一模型无法满足复杂化工生产过程预测精度要求的问题,引入混合建模方法。首先,考虑到模糊C均值聚类(FCM)算法在初始聚类中心选择上存在的缺陷,采用SA算法和GA算法对其进行优化,以选择最合适的初始聚类中心,提高聚类精度;然后,基于支持向量机建立各子类预测模型;最后,将测试样本划分到各子类中,采用各子类模型仿真得到预测值。采用混合建模方法和单模型方法预测苯酚浓度并与真实值对比,结果表明:笔者所提混合模型得到的平均相对误差(MRE)和最大相对误差(MXRE)均小于单模型的。

基于FCM算法的套印误差检测

为了降低四色重叠影响导致的图像色彩分割困难,提高印刷品套印误差检测的精度,提出了一种基于FCM聚类算法的套印误差检测方式。首先,将采集的印刷品套印标识符图像进行灰度化处理、高斯滤波降噪处理以及CMYK色彩空间转换并分离出四种色彩通道的图片;然后,分别对四种色彩通道图片进行FCM算法聚类;最后,对聚类后的图片进行固定阈值分割,并对分割的图片依次做图像差运算,分别提取出四个通道中C、M、Y、K四种颜色的部分,进行误差分析。对比显示测量误差均≤0.2mm,符合国家对一般印刷品套印精度检测误差不高于0.2mm的要求;该算法与应用广泛的传统大津法对比,测量误差更小,精度更高,提升了套印误差检测水平。

基于改进FCM的多源异构能源数据预处理与去噪

为了提升电力调控系统中能源数据精度和融合效果,提出构建参数估计优化模型。在进行参数寻优处理后,基于改进混沌算法(GGA)和马尔科夫蒙特卡罗算法(MCMC)分别对电力调度系统中的缺失数据进行填补和估计,以提升后续参数处理准确性;利用基于模糊聚类的FCM算法,提出基于改进FCM的数据去噪方法,减少多源异构能源数据中的噪声等干扰信息,以提升后续数据融合效果;通过实验验证提出算法的有效性。实验结果表明,提出的算法检出率为94.51%,数据融合效果较好,稳定性强,对于不确定的数据具有较好的融合效果。

基于FCM算法的多属性分析技术在河道砂体精细刻画中的应用——以西湖凹陷T气田为例

西湖凹陷T气田经过十多年的勘探与开发,亟需在主力层花港组内寻找潜力目标。该区为浅水三角洲沉积体系,岩性组合在空间上变化快,为了精确识别河道砂体及其边界,在海上少井条件下利用三维地震资料识别并刻画河道砂体。在等时地层划分的基础上,对目的层段进行岩石物理性质分析,通过地震沉积学的技术方法结合岩芯及测井等资料,对沉积微相做出初步判断,在此基础上提取6类48种地震属性,与砂厚及各属性之间进行相关性分析,对地震属性进行优选,将优选出的3种反映地质体边界、岩性较好的地震属性采用基于模糊C-均值(FCM)算法的多属性聚类分析,以达到数据降维、减少冗余的效果,研究分流河道沉积体系的整体展布规律。再进行多属性RGB融合显示,增强河道砂体边界的刻画,结合构造特征以及预测的砂体厚度综合分析,提出有利目标区,为后续油田滚动开发及井位部署提供依据。

基于改进FCM算法的乳腺肿瘤图像分割研究

提出了一种改进的模糊C均值聚类(FCM)图像分割方法,以实现对乳腺癌肿块进行快速和准确地分割。选取一例经病理确诊的乳腺癌患者的两个不同体位X线摄影图像,分别采用传统FCM算法、改进分水岭算法和该文改进的FCM图像分割算法进行了肿块分割研究。结果表明,文中提出的算法可以准确实现肿块的分割和轮廓标记,比其他两种算法具有更好的分割效果。

基于改进FCM的风电场有功功率分配

考虑到风电场功率分配存在功率跟踪精度差、波动剧烈和变桨机构动作频繁等问题,提出一种加入信息熵权值设置的FCM聚类算法来对风电场内机组进行分类,并以此为基础对风电场有功功率分配进行优化。采集风电场和调度中心的实时运行数据,选择风电机组的实时出力、实时风速、转速和桨距角作为聚类指标。运用熵权法对各指标进行权重设置,以此为基础对风电机组进行FCM聚类,再进行有功功率分配。以Matlab/Simulink中的SimWindFarm工具箱为平台,对12台风电机组进行有功功率分配仿真研究。通过与传统有功功率分配算法相比较,仿真验证所提分配算法可以有效提高功率跟踪精度、减小波动及机组动作次数。

肌电和足压信息融合的外骨骼步态识别

为解决基于单一信号识别步态相位不够精准的问题,开展了动态交互力激励下的人机协同行走的步态识别研究。设计了肌电和足压信息采集的多模态传感器检测硬件平台;分别对单一信号开展滤波降噪、特征提取与降维等预处理;将表征下肢生理信息的肌电信号与运动信息的足压信号相融合,构建了支持向量机-模糊C均值(support vector machine-fuzzy C-mean algorithm,SVM-FCM)多模信息融合的外骨骼助行步态识别算法;开展了人机协同助行实验,实验结果表明:信息融合后的人机步态相位平均识别率达到82.49%,优于使用单一信号的识别效果,验证了多模信息融合算法识别人机协同步态的有效性。本研究可用于下肢外骨骼机器人运动控制,为人机运动相融奠定基础。

基于遗传算法的简易优化及阈值确定研究

为了保持原始功能磁共振成像(function Magnetic Resonance Imaging, fMRI)数据的空间结构实现噪声体素移除,提高聚类的效果,提出了一种基于遗传算法的简易优化算法.以广义线性模型(Generalize Linear Model, GLM)方法获取的数据作为大脑视觉刺激的真实激活模板,基于遗传算法对5位被测者的fMRI数据图像进行分析.取不同阈值(0.1~0.9)时交叉率和变异率为0且具有唯一的最优值为模糊C均值聚类算法(Fuzzy C-Means, FCM)结果,依据真实模板验证聚类结果的准确度.结果表明,相比原始的FCM方法,改变阈值的大小可以使FCM聚类结果的准确度得到有效提高.通过简易优化遗传算法,可以确定最佳阈值为0.6.

采用改进多目标灰狼算法的电力系统调度规划

对计及经济、环境因素的电力系统发电调度问题(Economic Environmental Dispatching,EED)进行研究,提出一种采用改进多目标灰狼算法的发电调度规划方案。构建基于发电燃料成本、污染气体排放量和节点电压偏移量等指标的多目标EED模型,并采用改进的多目标灰狼算法进行求解,以得到更优的Pareto前沿和折中解。设计多度量自适应FCM算法对灰狼算法(Gray Wolf Algorithm,GWA)种群多样性进行分析,重新定义狼群层级结构和Pareto前沿规模控制策略,并在此基础上提出反向学习和变异进化策略,以提升GWA全局收敛性能。仿真结果表明,改进的GWA具有优秀全局寻优能力,而且基于改进多目标灰狼算法得到的Pareto前沿和折中解更具可行性和优越性。

发动机高速滚动轴承磨损故障信号特征识别

发动机高速滚动轴承在恶劣的工作环境下长时间使用,会导致其出现磨损故障,严重影响发动机的正常运行,且故障类型多样,每种故障类型都有其独特的特征,使得故障信号特征识别困难。为了有效解决这一问题,提出了一种发动机高速滚动轴承磨损故障信号特征识别方法。通过对发动机高速滚动轴承的振动信号进行EEMD分解和重建,获得其固有振动模态函数IMF,根据所得的IMF构建Hankel矩阵,获得拼接的奇异值样本特征矢量。通过划分样本空间和设置迭代阈值的方式,采用模糊聚类算法对故障样本聚类,计算出每个样本在不同聚类中的隶属度,以获得其贴近程度和故障特征。通过实验证明,所提算法能够较好的判别机械故障,准确性高,误报错报概率小,可确保设备的安全运行。

基于K-SVD算法的数字图像自适应修复方法

为了提升数字图像的完整性和清晰度,提出一种基于K-SVD算法的数字图像自适应修复方法。通过FCM算法将数字图像划分成不同的图像块,将不同类别的数字图像依据K-SVD算法的稀疏编码和字典更新模块进行训练,获取各个不同类别数字图像块的字典,求出其稀疏系数,结合字典和稀疏系数更新数字图像中的每一类图像块,完成数字图像中每一类图像块的修复或重构,将修复好的图像块放回原数字图像中,实现数字图像的自适应修复。实验结果表明,该方法能够有效地恢复图像的细节和结构,修复后的数字图像均方根误差低,并且具有较高的峰值信噪比,同时,修复后的数字图像与原图像的结构相似性高达0.95,且在数字图像修复效率方面具备显著优势。

模糊C-均值(FCM)聚类算法的实现

传统的FCM算法能够将靠近边界的具有固有形状的两个簇合并成为一个大的簇。然而,对于一些稍微复杂的数据,如果没有其它的像去除小簇之类的机制的话,FCM算法很难将非常接近的类聚类到一起。给出的聚类算法是在传统FCM算法的循环之后添加了去除掉空簇的步骤,解决了上述很难将非常接近的类聚到一个簇中的问题。另外,为便于选出最优结果,在递归之后又添加了计算聚类有效性的步骤。最后用Java实现了该算法并在数据集上进行了实验,证实了改进方法的有效性。

半监督FCM聚类算法目标函数研究

分析了现有半监督FCM算法目标函数的物理意义和平衡系数α的选取,说明Stutz对Pedrycz目标函数的修改使半监督的物理意义更清楚,它在α=1,0时均退化为标准FCM算法,给出了修改后SS-FCM算法的交替求解过程。实验结果:(1)修改算法与Pedrycz算法有相同的半监督作用和清楚的物理解释;(2)对labeled样本采用FCM算法赋值比用随机数的收敛稳定性高;(3)优选的少量labeled样本,使用模糊协方差的SS-CFCM算法提高了聚类准确性和收敛速度。

文档图像二值化算法VFCM

为了提高基于拍摄方式的文档图像的二值化效果,降低光学字符识别(optical character recognition,OCR)系统的文字识别错误率,提出了一种全局阈值与局部阈值相结合的二值化算法——VFCM。该算法使用最大方差比方法产生全局阈值,使用FCM(FuzzyC-Means)聚类方法产生局部阈值。这两种方法的结合能够较好地保留字符的笔画细节,并能有效地消除伪影。实验结果表明,该算法可以取得比较好的二值化效果,并能带来OCR系统识别率的有效提高。