基于加权模糊c均值聚类的快速图像自动分割算法

图像分割是指将一幅图像分解为若干互不交迭的区域的集合,是图像处理和计算机视觉的基本问题之一。为了提高图像分割的效率,提出了一种基于2维直方图加权的塔形模糊c均值(FCM)聚类图像快速分割算法。该方法先通过构造合理的2维直方图对噪声进行抑制;然后通过塔形分解来缩减聚类样本集;最后利用加权FCM聚类算法进行分类。仿真结果表明,该方法的效率明显优于标准的FCM算法。此外,为确定分割的最优类别数c,还引入了一种基于该快速算法的聚类有效性评价函数——修正划分模糊度,实现了最佳图像分割类别数c的自动确定。基于人造图像和实际图像的测试实验结果表明该方法是有效的。

基于加权模糊C均值算法改进的高光谱图像分类方案设计

为了有效改善高光谱图像数据分类的精确度,减少对大数目数据集的依赖,在原型空间特征提取方法的基础上,提出一种基于加权模糊C均值算法方案。该方案通过加权模糊C均值算法对每个特征施加不同的权重,从而保证提取后的特征含有较高的信息量。实验结果表明,与业内公认的原型空间提取算法相比,该方案在相对较小的数据集下,具有较为理想的稳定性,较高的分类精度,大大降低了对数据集样本数量的依赖性,同时改善了原型空间特征方法的效率。

加权模糊C均值聚类算法实现BDS三频组合观测值优选

在对BDS三频载波相位组合观测值进行误差分析的基础上,确定了优选载波相位线性组合系数的筛选标准。针对传统聚类算法在高维多频混合数据集分类中存在的不足,采用一种基于加权的模糊C均值聚类算法,通过对同一维度在不同簇上赋予不同的权重值,对传统遍历搜索法所获得的部分BDS三频载波相位组合观测值进行了优化分类选取,有效解决了传统全球导航卫星系统载波相位观测值选取方法效率低的问题,同时为多系统多频数据组合观测值系数的优化选取提供了一种新的思路。对分类结果进行分析,确定了各类组合观测量的适用范围,并结合实测数据,利用无几何层叠模糊度解算方法对优选组合进行了整周模糊度的解算,结果验证了该方法的可行性。

加权模糊C均值聚类和主客观赋权结合的厂用电关联特征挖掘方法

厂用电是反应火电机组经济性与能效性的重要指标,该文提出一种加权模糊C均值聚类和主客观赋权法结合的厂用电关联特征挖掘方法。首先,针对火电机组辅机设备的历史运行数据,利用因子分析法获取运行指标之间的强弱相关性及对厂用电目标值的影响力,提取影响机组能耗的重要指标,进而对提取出的运行指标进行对应权重的赋值,再进行加权模糊C均值聚类;其次,为克服单一赋权法的缺点,进一步利用层次分析法与熵权法相结合来修正机组能耗评估中各项指标的权重值;最后,通过对某火电厂600 MW机组的10个月历史数据、6个典型负荷区间进行文中方法验证,表明文中模型和算法正确有效。

基于YARN的加权模糊C均值算法在土壤养分数据挖掘中的应用

基于数据挖掘的土壤肥力状况分析是当前针对土壤肥力状况研究最有效的途径之一,针对研究过程中三个有待改进的方面:土壤养分数据的几何状增长单机处理方式已无法胜任;由于Hadoop自身"中心化"严重,基于Hadoop的解决方案存在集群资源利用率低以及单点失效的风险;土壤养分的数据分析过程中没有考虑或没有较好的解决土壤养分数据空间变异性导致的结果偏差,有针对性的提出基于YARN的加权模糊C均值算法,实验表明该算法具有良好的扩展性。将该算法应用于吉林省长春市农安县的土壤肥力状况分析中,聚类效果明显,所得结果适合土壤肥力变化趋势的评价。

邻域灰度差加权的模糊C均值聚类图像分割算法

模糊C均值(FCM)算法用于灰度图像分割是一种非监督模糊聚类后再标定的过程,适合灰度图像中存在着模糊和不确定性的特点。但是这种算法没有考虑到样本空间中不同的样本点对分类的贡献不同,因此分割效果不理想。提出了邻域灰度差加权的模糊C均值聚类算法,实验结果表明,该算法不仅取得了很好的分割效果,而且加快了算法的收敛速度,从而满足了图像分割的有效性、实时性的要求。

基于微分进化的加权模糊C均值图像分割方法

提出基于微分进化和加权模糊C均值的图像分割方法.鉴于加权模糊C均值算法对初始值敏感、容易陷入局部最优的缺点,采用微分进化进行全局寻优,能够找到全局最优的模糊划分;考虑到欧氏距离的局限性,实验中引入特征距离,改善了图像分割效果.实验结果表明,该方法的收敛速度更快、稳定性更好,所获得的适应度值更高.

加权方位特征的纹理图像FCM聚类分割

针对自然纹理的弱规则性特点,提出一种结合图像灰度分布、纹理能量统计的加权FCM纹理分割方法,并在该方法中尝试引入水平位置、垂直位置、中心径向距离等三种方位特征参数。实验证明,该加权FCM聚类算法简单高效、可控性强,纹理分割效果明显,其中样本的三种加权方位特征参数能增强区域分割的聚敛度,有效地提高纹理尤其是非均质粗糙纹理的分割精度。

融合像素空间信息及加权模糊聚类的肺结节识别

针对肺部计算机辅助诊断中孤立肺结节识别容易受噪声、气管、血管的干扰问题,提出一种融合空间信息及加权模糊聚类的肺结节识别算法.该方法利用融合像素空间信息及带特征权重的模糊C均值聚类算法实现感兴趣区域分割;利用特征选择算法计算感兴趣区域各特征权重,加权模糊C均值聚类算法分类感兴趣区域,识别肺结节.对比实验证明,该算法对感兴趣区域分割抗噪声性增强;感兴趣区域分类准确率提高;整体算法对肿瘤的检出率较高,漏诊率降低,为医生诊断早期肺癌病灶提供更加准确的客观依据.

基于鲁棒加权模糊聚类的污水处理过程监测方法

针对非线性强、先验故障知识少、异常工况识别难的污水处理过程监测问题,提出一种基于鲁棒加权模糊c均值(Robust weighted fuzzy c-means,RoW-FCM)聚类与核偏最小二乘(Kernel partial least squares,KPLS)的过程监测方法.首先,针对污水处理过程的高维非线性耦合特性,采用核偏最小二乘对高维输入变量进行降维;其次,针对传统基于最近邻分配的模糊c均值算法对离群点敏感以及存在聚类不平衡簇的问题,提出充分考虑样本间相互关系的基于鲁棒加权模糊c均值聚类算法.通过引入可能性划分矩阵作为权值参数实现不同样本数据的区分加权,提高了离群点数据聚类的鲁棒性,同时引入聚类大小控制参数解决不平衡簇的问题.进一步将基于鲁棒加权模糊c均值算法对核偏最小二乘降维后的得分矩阵进行聚类,利用聚类得到的隶属度矩阵实现异常工况的检测;最后,建立隶属度矩阵与过程变量的回归模型,并利用得到的变量贡献矩阵描述变量对各个簇的解释程度,实现异常工况的识别.数值仿真以及污水处理过程数据实验表明该方法具有更好的鲁棒性能,在异常工况检测和识别上具有较好的效果.

一种基于模糊聚类的快速图像分割算法

提出一种基于二维直方图加权的模糊c均值图像快速分割算法.通过将原图像和它的平滑图像相结合,构造一个二元组的“广义图像”,广义图像的直方图就是原图像的二维直方图.然后对此二维直方图进行塔形分解得到金字塔的上一层——顶层,相应地称原二维直方图为底层.最后,利用加权模糊c均值聚类算法分别对顶层和底层进行模糊聚类,从而实现对原图像的分割.实验结果与性能分析表明,该算法具有较高的分割速度和良好的抑制噪声的能力.

引入WFCM算法能提高信用违约测度模型准确率吗?——以沪深A股制造业上市公司为样本的实证研究

选取沪深A股上市的制造业公司财务变量构建信用风险评价体系,在利用因子分析法对其进行维数约简后,采用数据挖掘技术和统计学方法对信用违约概率测度作了有价值的探索。模型包含两个阶段,聚类阶段采用加权模糊C均值聚类(WFCM)算法将样本聚成同质的类,使同簇样本更具代表性;违约测度阶段应用Logistic回归方法分别对不同组样本进行测度。实证结果表明:在Logistic模型中引入WFCM算法能显著提高预测样本的违约概率测度准确率;对于样本总体与ST企业而言,其违约预测准确率比Logistic模型分别提高了10.7%和20%;ROC检验结果也说明WFCM-Logistic模型具有更强适用性。

一种面向订单剩余完工时间预测的SOM-FWFCM特征选择算法

准确的订单剩余完工时间预测有助于动态调整生产计划、优化制造过程,以满足订单产品按时交付的需求。订单剩余完工时间受到车间物料、设备、在制品等各类生产要素的综合影响,相关数据具有典型的大量、多维、高冗余的特点,有效的特征选择能够获得更高的预测精度。在构建候选特征集的基础上,提出了一种基于自组织映射(SOM)网络特征加权模糊C均值(FWFCM)的特征选择算法。通过构建SOM网络初始化FWFCM的聚类中心,减少后者对初始聚类中心的依赖;基于互信息计算特征权重,实现导向性特征聚类,根据聚类结果选择特征代表,构成高质量关键特征子集。以某机加工车间的生产数据为例,通过与其他4种特征选择算法的对比分析,验证了所提算法的有效性。

基于优化初始聚类中心的改进WFCM图像分割算法

针对模糊C均值聚类算法在分割图像时容易陷入局部最优的问题,提出一种改进的加权模糊C均值聚类图像分割算法。该算法借助图像直方图势函数,找出图像直方图上潜在的图像分割点;再基于Fisher判别思想构造关于模糊分割初始聚类中心的最优化问题,以期求取合理初始聚类中心,避免算法陷入局部最优。仿真结果表明,改进的加权模糊聚类图像分割算法能够有效避免陷入局部最优,具有更高的分割效率。

基于Fisher判别的改进WFCM分割算法

针对FCM算法对初始聚类中心、隶属度矩阵和噪声比较敏感且运算耗时的问题,提出一种椒盐噪声电路图像分割的WFCM改进算法。利用已有算法对椒盐噪声进行判断,粗略复原出原始图像直方图,找出波谷点作为图像的潜在分割点;根据Fisher判别思想构建确定初始聚类中心的最优化问题,计算改进WFCM算法的初始聚类中心;采用WFCM算法对非噪声点进行分割,得到其隶属度值;依据噪声点空间信息对其隶属度矩阵填值,获得整幅图像像素点的隶属度矩阵。仿真结果表明,改进算法能够更好地分割椒盐噪声电路图。

基于峰值聚类趋势检验的含噪声图像快速阈值分割方法

为了改善含噪声图像的分割效果并提高分割速度,本文提出了一种基于峰值聚类趋势检验的快速阈值分割方法。首先,根据本文提出的平行线投影分割算法,将二维直方图投影为一维直方图;然后利用基于直方图的加权模糊c均值聚类算法对图像中的像素点进行聚类,并对聚类结果作峰值聚类趋势检验,根据检验结果调整平行线平移量参数,直到找到符合双峰分布特性的直方图;最后根据聚类算法得到的阈值实现图像的分割。理论分析和实验仿真结果表明,该方法能够达到实时性和精确性的要求。

一种高精度高光谱图像分类方案设计

为了有效改善高光谱图像数据分类的精确度,减少对大数目数据集的依赖,在原型空间特征提取方法的基础上,提出一种基于加权模糊C均值算法改进型原型空间特征提取方案。该方案通过加权模糊C均值算法对每个特征施加不同的权重,从而保证提取后的特征含有较高的有效信息量,从而达到减少训练数据集而不降低分类所需信息量的效果。实验结果表明,与业内公认的原型空间提取算法相比,该方案在相对较小的数据集下,其性能仍具有较为理想的稳定性,且具有相对较高的分类精度。

基于特征指标降维及熵权法的日负荷曲线聚类方法

日负荷曲线聚类是负荷建模背景下分析负荷特性的基础。针对现有聚类方法在聚类质量、聚类效率等方面的不足,综合运用模糊C均值及熵权法原理提出一种基于特征指标降维及熵权法的日负荷曲线聚类方法。首先提取日负荷率、日峰谷差率、日最大利用时间等7类降维特征指标替代各采样点负荷数据作为聚类输入;其次,引入熵权法自适应配置各特征指标的权重系数;最后,采用特征加权的模糊C均值聚类算法对用电日负荷曲线进行聚类。采用所提方法对某地区日负荷曲线进行聚类分析,算例结果表明该方法在运行效率、鲁棒性、聚类质量等方面具有一定的优越性,聚类结果能真实有效地反映负荷的实际用电特性。

改进的高斯混合模型在心音信号分类识别中应用

为提高心音信号特征提取的准确性及分类识别的高效性,将小波包变换的Mel频率倒谱系数与改进的高斯混合模型结合用于心音信号分类识别。在Mel频率倒谱系数提取方法基础上,用小波包变换代替傅里叶变换与Mel滤波器组,获得新特征参数DWPTMFCC;针对传统GMM参数初始化K-means算法缺点,用加权可选择模糊C均值算法进行改进;将提取的特征参数分别输入到改进后GMM进行分类识别。对临床采集的心音数据测试结果表明,该方法能有效提取心音特征,优于传统GMM识别性能。

基于SIFT的图像检索特征改进方法

随着数据时代的来临,对互联网上海量的图片数据如何进行更加有效的搜索成为一个热门的问题。关键词搜索存在语义表达问题,而传统的基于内容的图像检索(CBIR)又存在准确率和耗时等问题,由此提出一种新的基于SIFT的图像检索特征改进方法。不同于传统图像检索中使用的直方图,轮廓线等特征方法,实验中利用尺度不变特征变换(SIFT),我们提出了一种新的基于空间特征加权的模糊C均值聚类方法(FWCM)来进行图像特征降维,利用聚类降维后的特征,使用K-D树算法进行多分类预测分析,最终通过多组对比实验,证明了该方法在保证效率的同时,对图像检索的准确率也有着显著的提升。