改进模糊C均值的客机空调系统退化评估算法

针对使用快速存储记录器(Quick access recorder,QAR)数据进行大型客机空调系统健康评估与异常检测时面临的数据不平衡与先验知识不足的问题,本文提出一种基于改进模糊C均值(Fuzzy C‑means,FCM)的大型客机空调系统退化评估算法。该算法计算故障状态与正常状态的距离,并基于大型客机空调系统的物理特性优化了FCM算法的距离函数,引入了左右空调组件的状态差作为评估标准。本算法有效地解决了现行方法存在的过拟合问题,并且对于部件的前期退化有更高的敏感性,能够有效的反映性能退化的中间过程。为航空公司安排航班计划与维修计划,降低运行成本提供了有力的技术支持。

改进的模糊C均值聚类算法和霍夫变换在榛子仁缺陷检测中的应用

以榛子仁为检测样本,采用模糊C均值聚类(FCM)算法进行图像分割;利用飞蛾扑火(MFO)算法改进其目标函数;利用函数对个体样本边缘提取,标记边缘拐点位置,计算拐点个数;对边缘图像进行霍夫(Hough)变换的椭圆曲线拟合,标记并输出饱满籽粒个数;依据试验数据,分析应用改进的模糊C均值聚类算法和霍夫变换对榛子仁缺陷检测的效果。结果表明:改进的模糊C均值聚类算法和霍夫变换,可以准确有效地对饱满、干瘪、霉斑、虫蛀、腐烂的5种榛子仁中的缺陷籽粒进行识别检测,提高榛子仁加工过程中的分拣效率。

改进的基于二次型模糊c均值聚类模型

针对模糊聚类算法对点数据集聚类的敏感性以及区间类型数据聚类效果不明显等问题,提出了基于二次型距离改进的模糊可能性c均值(fuzzy-possibilistic c-means,FPCM)聚类算法。首先分析了区间数据的特征,引入了区间值的数学表示方法,在此基础上提出了3种不同的基于区间数据距离度量方法以及相应权重矩阵的计算方法,通过建立拉格朗日方程对目标方程优化,求得聚类中心、隶属度以及可能性迭代方程,并证明目标方程的收敛性,最后给出了算法执行步骤。在不同类型的数据集上实验,证明算法在点数据集和区间数据集上都具有较好聚类性能.

基于模糊C均值聚类算法的用电行为模式分类

通过对负荷数据的归类分析,可以得到电力用户的用电行为特征,为需求响应策略制定和效果评估提供支撑。首先,对负荷数据进行预处理,包括非正常数识别与处理,以及平滑处理去除毛刺数据;其次,针对模糊C均值聚类算法对初始聚类中心敏感、易陷入局部最优和受噪声影响大等问题,提出采用最短距离法聚类为模糊C聚类提供初始聚类中心、利用有效性分析类内样本相似程度和不同类之间独立程度来判别聚类结果优劣、以及通过数据密度识别并剔除噪声点等改进措施,提升了模糊C均值聚类算法性能;最后,通过对比其他方法以及对某纺织企业负荷聚类分析,验证了改进算法的正确性与有效性。

核模糊C均值聚类算法优选BDS-3三频组合观测值

目前对全球导航卫星系统(global navigation satellite system,GNSS)三频组合观测值优选的研究,主要集中在全球定位系统(global positioning system,GPS)和北斗二号(beidou navigation satellite system,BDS-2)上,对BDS-3的研究相对较少。为克服以往聚类优选算法中存在的仅适用于类球形簇、聚类数目和初始聚类中心的确定主观性强、对离群点敏感、易陷于局部最优等不足,提出一种改进的核模糊C均值聚类算法,引入核函数与抑制离群点的新距离度量,基于多类广义核极化准则优化核参数,用改进爬山法确定聚类数目与初始聚类中心。然后,以模糊C均值聚类算法为对照进行了对比实验,在短、长两种基线下分别解算组合模糊度。通过对优选所得代表性组合的模糊度固定成功率进行对比分析,验证了该算法的可行性与算法改进的有效性。

云环境中改进FCM和规则参数优化的网络入侵检测方法

针对云环境中的网络入侵检测问题,提出一种基于模糊推理的网络入侵检测方法。首先,利用互信息特征选择对样本特征进行降维。然后,利用提出的改进模糊C均值聚类(IFCM)方法对训练样本集进行聚类,根据各样本特征与集群的对应关系获得初始模糊规则库。接着,对每个规则的前件参数和后件参数进行调优,以此获得准确的规则库。最后,基于规则库对输入连接数据进行模糊推理,对其进行分类以实现入侵检测。在云入侵检测数据集上的实验结果表明,该方法能够准确检测出网络入侵,具有可行性和有效性。

基于小波纹理与改进FCM的SAR机场类目标提取

定义了几种小波纹理,提出一种基于小波纹理与改进FCM(模糊C均值聚类)的对SAR(合成孔径雷达)图像进行机场类目标自动提取方法.利用小波多尺度分析对影像分解,得到不同方向上小波频带,然后对不同的小波频带进行小波纹理分析——用频率共生矩阵4个关键特征来描述小波纹理特征向量.应用PCA(主成分分析)的方法去相关,进行特征空间的降维处理,并使用改进FCM进行分割,进而提取出目标.实验结果表明:此种无需初始点的非监督算法自动化程度高,机场类目标提取成功率和定位准确率分别达到97.3%和99.3%,为此类目标的定位提供了良好的参考.

基于两阶段改进的FCM法的模态参数自动识别

为解决基于稳定图的模态参数自动识别中存在人工干预、参数设定不统一的问题,提出两阶段改进的稳定图自动识别方法.首先,将模态参数不确定度指标引入第一阶段虚假模态参数剔除过程,实现最大程度虚假模态参数剔除;然后,基于改进的FCM算法,采用迭代策略计算不同聚类数目的隶属度矩阵,构造累积邻接矩阵,并结合图切割算法解析累积邻接矩阵,自动确定最佳聚类数目,实现稳定图自动识别;最后,将提出的改进方法运用在Z24桥Benchmark模型和悬索桥实测数据上,验证了所提方法的可行性.研究结果表明:模态参数不确定度相较于传统指标对虚假模态具有更强的辨别能力;基于改进的FCM算法不需要任何人工调整的参数就能自动识别稳定轴,且具有较强的鲁棒性.改进算法在默认参数下准确识别得到Z24桥和悬索桥的模态参数,表明提出的改进算法可以用于桥梁健康监测的模态参数自动识别过程.

改进FCM算法及其在电力负荷坏数据处理的应用

变电站日负荷曲线含有丰富的综合负荷构成特性信息,可以用于负荷特性的分类与综合,但必须对原始生数据进行坏数据的辨识与调整。在深入分析已有方法以及负荷建模对日负荷曲线分类与综合要求的基础上,提出一种基于拉格朗日(Lagrange)插值方法和模糊聚类原理的改进的模糊C均值聚类FCM(fuzzy C-means)算法应用于变电站日负荷曲线的坏数据辨识与调整。首先运用内维尔(Neville)算法对缺失数据补全;然后采用改进FCM算法对日负荷曲线进行聚类,产生各类的特征曲线,利用负荷曲线的横向相似性辨识负荷坏数据;最后利用特征曲线进行坏数据调整。实例分析取得了良好效果。

基于改进FCM聚类的窃电行为检测

窃电行为检测的主要目的在于发现窃电用户,降低电力系统运营成本。在此背景下,提出基于改进模糊C均值聚类的窃电行为检测模型,包括因子分析、基于改进模糊C均值聚类的局部离群因子计算、ROC曲线模型评价与调参及最佳检测阈值选取等模块,适用于无大量已知窃电用户样本的情况。首先,通过因子分析对用户用电特征(包括用电负荷数据和电能表异常事件)进行维度规约,提升模型检测效率。再利用遗传模拟退火算法对模糊C均值聚类算法进行改进,对用户用电特征进行检测。最后与现有成熟算法进行比较,验证该模型对窃电行为具有较高的检测准确度。检测模型可输出所有被测用户用电行为离群度得分和窃电概率排序,利用该文检测模型的输出,能够以较高精度检测出窃电行为用户,根据结果进行现场稽查,可提升反窃电工作效率。

改进的模糊时间序列模型论域划分算法

针对模糊时间序列模型多尺度比率算法对样本特征分类结果的贡献因素及比率值的变化考虑不全面的问题,提出变化的区间标度并构造不等距的多尺度区间,选择不同区间长度隶属度对应的数据作为比率,对论域进行划分,采用改进的加权模糊C均值聚类算法聚类数据,达到样本类内距离最小化和类间距离最大化,计算各类数据的平均相对误差并基于这些误差推算多尺度、非等间距的论域划分区间,建立改进的模糊时间序列模型,使用加权平均值法处理模糊化问题并预测结果。通过案例分析,验证了改进的模糊时间序列模型的有效性。

基于Zernike矩特征提取的改进FCM手写体数字识别

文中提出了采用Zernike矩进行特征提取,并通过改进FCM算法对手写体数字进行模糊聚类的一种方法。图像的Zernike矩具有旋转不变性,因此用它构造的特征空间能很好的反映图像的特性。模糊C均值聚类是用隶属度确定每个数据点属于某个聚类的程度的一种聚类算法,本文采取加权的模糊C均值聚类算法来进行分类。聚类的关键在于特征提取,在图像预处理的前提下,本文将Zernike矩进行降维处理,在不降低识别率的基础上,有效提高了识别速度。

基于AE-MFCM技术的电力用户响应特性分析方法

对电力用户用电特性的正确分析是实现电力系统高效运行和增值服务的关键。本文提出一种基于自动编码器与改进模糊C均值聚类算法结合技术的用户响应特征分析方法。首先,对用电模式进行聚类来确定用户的行为特性,利用自动编码器和改进模糊C均值聚类算法实现特征提取和数据处理。然后,基于用户用电模式的分类结果,利用神经网络等智能算法对每类用户进行需求响应建模,拟合激励信号与用户响应量之间的关系,获得准确反映用户需求的响应特性与响应能力。最后,通过某实际电网数据验证了该方法的有效性。

基于IFCM聚类与变分推断的遥感影像分类

针对高分影像地物繁多,特征混杂导致现有模糊C均值算法稳定性差、分类精度低的问题,提出一种IFCM(improved FCM)聚类与变分推断法结合的遥感影像分类算法。在聚类分割目标函数计算阶段,考虑像素区域特征的同时,邻域像元采用吸引力模型进行距离测度;特征提取阶段使用空间像素模板法提取像斑特征点,基于贝叶斯统计中的变分推断法逼近参数后验分布,获取影像分类结果。实验结果表明,所提方法能提高影像分类精度。

基于MFc算法的fMRI数据集不平衡问题的处理

在fMRI数据中,因为激活体素(voxel)的数目远小于总的体素数目,由此产生了数据的不平衡性问题。以往解决此问题的方法除了应用大脑本身的生理结构来限制体素的数目外,统计方法常被应用于去掉那些肯定不激活的体素。本文章提出了一种新的解决数据不平衡问题的方法,用改进模糊c均值(MFc)方法将总的数据分成两个子集,而激活的体素总是聚在一个子集中,由此可以将需要进行分析运算的体素数目减至一半,这样不但可以有效的解决fMRI数据存在的不平衡问题,而且也提高了聚类分析的效率。MFc方法与统计方法的最大不同是,它是完全数据驱动的。

基于颜色和形状特征的机采棉杂质识别方法

机采棉的含杂识别分类检测能够提高棉花加工设备效率,减少棉花纤维损伤,并为棉花收获设备的改进提供指导。提出了一种基于颜色和形状特征的机采棉杂质识别分类方法,对大杂质和小杂质检测采取不同的图像处理方法。颜色特征主要采用基于彩色梯度图像的分水岭变换与改进模糊C均值聚类方法融合的方法;形状特征主要采用机采棉杂质的面积、周长、离心率和矩形度特征。通过对100幅机采棉图像试验表明,该方法对各类杂质的平均识别正确率为89%。

大用户多维度可中断特性精细化分析

大用户可中断特性的研究是实施可中断负荷的基础。该文选用Ward系统聚类法与考虑邻近相关度的改进模糊C均值聚类法对历史日负荷数据聚类分析,并利用有效性函数选择最佳聚类数目;提出二次分类模型,通过两步聚类得到精细化的负荷数据分类,提炼每一类聚类的中心曲线作为大用户典型用电模式;比较几类典型负荷曲线,从中断调控方式、中断容量、中断时长及中断时刻4个维度分析大用户的可中断特性;最后基于实际数据成功挖掘了棉纺印染加工行业某一用户的多维度可中断特性,验证了该文所提方法及模型的有效性。

基于车联网大数据分析的实时路况检测系统

为解决城市交通拥堵问题,给人们提供优质的出行体验,文中提出了基于车联网大数据分析的实时路况检测系统。使用GPS技术对行驶的车辆进行数据采集,通过数据清洗和数据修复得到样本集合,利用改进模糊C均值聚类算法对样本数据进行分析,得出各路段的平均车速,进而得到相应路段的交通状态。测试结果表明,该系统能够准确得获取道路上行驶车辆的交通数据,识别出当前路段的交通状态,从而证明了该系统设计的合理性和正确性。

基于聚类的图像检索

如何构建有效的组织和索引、提高图像检索速度是基于内容的图像检索所需解决的关键问题之一。论文采用了一种基于改进的模糊C均值算法的聚类索引。实验表明:该方法应用于图像检索,在准确性和实时性方面均能达到较好的效果,并优于已有的模糊C均值聚类算法。另外,系统实现了基于多特征结合的方法进行检索,并利用基于相关反馈的权重调整方法进一步提高检索性能,使检索结果更加符合用户的视觉效果。

基于地基雷达图像的无监督变化检测

地基雷达是近20几年逐渐发展成熟的微波遥感成像技术,目前已广泛应用于滑坡、崩塌等地质灾害的监测中。地基雷达通过干涉测量原理可以监测到目标区域发生的微小形变,然而受人为因素、地质因素、气象因素等影响,导致雷达图像失相干严重,给长期定量化监测带来较大的难度。因此,迫切需要在定量监测的基础上,进一步开展变化检测方面的应用,为长期全面了解监测区域的动态变化提供有效信息。针对上述问题,该文提出了一种基于改进的模糊C均值聚类(FCM)算法对地基雷达图像进行无监督变化检测,该方法首次利用相干系数图和均值对数比值图进行非下采样轮廓波变换(NSCT)和局部能量法得到合成差异图,然后利用主成分分析(PCA)提取合成差异图中每个像素的特征向量,根据地基雷达图像特点对FCM进行改进,通过改进的FCM对每个像素的特征向量进行聚类得到最终的变化检测结果。利用地基雷达LSA对中国西南某省出现的堰塞体的治理过程进行监测,获取监测区域的地基雷达图像,监测过程中受降水等影响监测体出现滑坡,使用该文方法对其进行变化检测,结果表明该文方法更容易进行聚类分割,变化检测结果在保留变化区域的同时噪声点明显减少。