改进的快速模糊C均值聚类的图像分割方法

传统的模糊C均值(FCM)聚类算法广泛用于图像的自动分割,但该算法没有考虑像素的灰度和空间特征,对噪声和伪斑点图像不可能取得好的分割效果.提出一种改进的算法,在快速的FCM聚类的基础上,运用邻域像素的灰度相似度和聚类分布统计构造新的隶属函数,对图像进行二次聚类分割.该算法具有以下优点:1)有效地抑制了噪声的干扰;2)减少了图像的伪斑点;3)把误分类的像素很容易地纠正过来.对两种类型图像的实验分割结果表明该方法对噪声和伪斑点具有很强的鲁棒性和对像素聚类的正确性.

基于快速模糊C均值聚类的图像粗集分割

传统的模糊C均值(FCM)聚类算法广泛用于图像的自动分割,但它有两个缺陷:一是收敛速度过慢;二是当图像的目标和背景像素拥有相近的灰度值,具有相似的隶属度,导致了图像边界区域的不连续和模糊.针对该问题,提出一种改进的算法,在快速FCM聚类的基础上,利用粗糙集理论中的上近似和下近似的概念来描述图像的目标和背景,引入粗糙熵的概念,选择合适的阈值,对图像进行精确分割.实验结果表明,这种算法可以达到满意的分割效果.

抑制式模糊C均值聚类惩罚因子的改进

针对传统模糊C均值(FCM)算法在聚类过程中存在收敛速度慢、对大数据处理实时性不强等问题,提出了一种基于惩罚因子的样本隶属度改进算法。首先分析抑制式模糊C均值(SFCM)聚类特点,研究惩罚因子对样本隶属度修正的触发条件,进而设计出基于惩罚因子的SFCM聚类隶属度动态修正算法。通过算法实现样本向"两极移动",达到快速收敛之目的。理论分析与实验结果表明,在相同的初始化条件下,改进算法的执行时间效率比传统FCM算法提高约40%,比基于优化选择的SFCM(OS-SFCM)算法提高10%,其聚类准确度与其他两种算法相比也有一定的提高。

基于模糊C均值聚类的快速路交通流相态划分

交通相态的识别问题是智能交通系统里一个关键问题,基于模糊C均值聚类分析可以很好地解决这种没有先验知识情况下的分类问题。文中介绍了三相流理论,根据我国实测快速路交通流数据,利用模糊C均值聚类方法对交通流相态的分类进行了研究,实现了一种交通相态的划分方法,研究结果表明:该方法能够识别出三相流理论中的自由流和同步流状态。

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。

模糊C均值聚类算法在自动供送装置改进设计中的应用

为进一步减轻工人劳动强度,使供送装置的供送参数(如供送高度、供送距离等)设计更符合工人实际操作行为习惯,针对用户的需求差异,采用模糊C均值聚类算法,将目标人群的相关特征参数进行分类,根据聚类结果对相关供送参数进行改进,以达到更好的供送效果;以涡流纺细纱机中的纱筒供送装置为例,结合女操作工的身高特征参数,对纱筒供送高度进行改进,提出两个供送高度的设计方案,对减轻工人劳动强度均有较为明显的效果。采用模糊C均值聚类算法进行聚类分析可为供送装置的相关供送参数改进提供有效途径。

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.

基于偏场校正的概率模糊C均值改进算法研究

目的提出一种基于偏场校正的概率模糊C均值(BCPFCM)改进算法,并应用于脑部MRI图像分割。方法采用BrainWeb数据库中2幅人工合成图像和20幅脑部MRI图像进行仿真实验。第一步,构建MRI图像信息模型,并分离出偏场图像。第二步,采用像素加权隶属度和加权一致性测度解决难以分类的邻域空间异质性像素。第三步,构建基于模糊C均值算法、BCPFCM改进算法目标函数。采用误分类率和Tanimoto指数,比较不同算法图像分割结果。结果BCPFCM改进算法能准确检测高低频条带与像素灰度不均等偏场信息,并完整分割出人工合成图像与脑部MRI图像各功能分区。基于BCPFCM改进算法的人工合成图像分割精度为100%;含40%灰度不均偏场的脑部MRI图像误分类率为5.74%,含1%~5%水平噪声图像误分类率为6.85%~14.34%。基于BCPFCM改进算法分割所得白质、灰质和脑脊液Tanimoto指数分别为0.75±0.03、0.79±0.04和0.39±0.01。结论 BCPFCM改进算法分割精度高、鲁棒性强,是一种可行的脑部MRI图像分割算法。

改进布谷鸟优化模糊C均值的遥感影像分类算法

针对模糊C均值聚类算法存在受初始聚类中心影响较大、搜索过程容易陷入局部最优的缺陷,本文将布谷鸟算法与FCM聚类算法结合,提出一种改进布谷鸟优化模糊C均值的遥感影像分类算法。该算法利用布谷鸟算法全局性与鲁棒性的优点,弥补了传统FCM算法聚类中心选取的随机性,使用自适应步长、发生概率值,使步长、发生概率值随迭代次数的增加而变化,不仅可提高种群搜索后期的局部搜索能力,而且减少了算法的时间复杂度。试验表明,改进的算法具有良好的分类效果与运行效率。

一种约束的改进可能性C均值聚类方法研究

【目的】针对改进的可能性C均值聚类方法(IPCM)运算效率低,难以处理复杂数据结构的问题,提出了一种约束的改进可能性C均值聚类方法(CIPCM).【方法】CIPCM方法采用多项式核将特征向量映射到一个隐性特征空间,便于处理复杂的数据结构;引入两个成对约束集合,降低聚类迭代次数,提高运算效率和抗干扰能力.实验采用国际公认的UCI公共测试数据集,并用错分率指标评测了目标分类性能.【结果】CIPCM方法的聚类错分率低,对噪声的鲁棒性强.【结论】CIPCM运算效率比高于改进可能性C均值聚类方法.

基于S、V分量的模糊C均值彩色图像分割算法

针对彩色图像的分割问题,提出一种快速有效的彩色图像分割算法。基于彩色图像的HSV颜色空间,应用快速模糊C均值聚类算法,对彩色图像的S、V颜色分量进行聚类,综合考虑图像中目标彩色个数与得到的聚类中心完成对彩色图像的分割。实验结果表明,与其他彩色图像分割算法相比,本文算法可以准确地分割目标区域颜色不同的彩色图像,背景信息保留较少,运算速度受图像尺寸影响较小,可以得到理想的彩色图像分割结果。

基于FCM及快速迭代收缩阈值算法的平面ECT图像重建

为提高平面阵列电容成像系统的成像精度,提出一种基于模糊C均值聚类(FCM)进行数据优化的快速迭代收缩阈值算法(FISTA)。根据平面阵列电容数据的特点,首先利用FCM算法对测量电容值进行分类,保留有效电容值,实现电容向量降维;然后利用离散小波基(DWT)对灰度值进行稀疏表示,并建立L1正则化模型,采用FISTA进行求解,以实现图像重建;最后将FCM处理后的电容值分别用于Landweber算法、Tikhonov算法进行重建对比。仿真与实验结果表明,该算法重建图像的平均相对误差约为0.0527,平均相关系数约为0.9422,均优于其它算法,且重建图像伪影较少,更接近真实情况;因此,所提算法具有更好的重建效果。。

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。

基于模糊聚类和改进C-V模型的冠状动脉图像分割方法

目的提出一种基于模糊聚类和改进C-V模型的新型图像分割方法,以精准和快速地提取冠状动脉CT血管造影图像中的冠脉轮廓。方法首先对原始冠脉CT造影图像进行预处理;然后利用模糊C均值聚类算法进行预分割,将获得的隶属矩阵和聚类信息耦合进改进的C-V模型中,完成对冠脉图像的分割;最后定性和定量分析本文模型与其他两种传统模型对冠脉CT造影图像的分割结果。结果定性分析结果显示,本文模型以较少的迭代次数完成了对冠脉轮廓的提取,对细小复杂的组织具有较强的分割能力,目标边缘光滑。定量分析结果显示,本文模型迭代200次耗时11.722 s、重叠率83.42%,迭代400次耗时16.493 s、重叠率85.13%。结论结合模糊聚类的改进C-V模型能以较少迭代次数完成对冠脉轮廓的提取,具有分割速度快、抗噪能力强、目标边缘光滑等特点。该方法可以用于冠脉的分割,并为后续冠脉图像的三维重建研究提供参考。

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。

改进模糊划分聚类的协同过滤推荐算法

针对传统协同过滤(CF)推荐算法存在评分矩阵稀疏、扩展性弱和推荐准确率低的缺陷,提出一种改进模糊划分聚类的协同过滤推荐算法(GIFP-CCF+)。在传统基于修正余弦相似度计算方法上,引入时间差因子、热门物品权重因子以及冷门物品权重因子以改善相似度计算结果;同时引入改进模糊划分的GIFP-FCM算法,将属性特征相似的项目聚成一类,构造索引矩阵,同索引间根据项目间的相似度寻找项目最近邻居构成推荐,从而提高协同过滤算法(CF)的精度。通过与Kmeans-CF、FCM-CF和GIFP-CCF算法进行仿真对比实验,证明了GIFP-CCF+算法在推荐结果和推荐精度上具有一定的优越性。

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。

采用双向改进模糊2DLDA算法提升多因素影响的局部放电识别可靠性

缺陷尺寸、施加电压、绝缘老化等多因素会引起局部放电特征的分散、交叉,并对变压器局部放电的识别可靠性产生较大影响。为了解决上述问题,本文提出了一种双向改进模糊2DLDA(TD-MF2DLDA)算法,提取局部放电(PD)灰度图像特征以提升局部放电的识别可靠性。首先,提出了一种改进模糊2DLDA(MF2DLDA)算法,并引入双向压缩策略,构建了局部放电灰度图像压缩的TD-MF2DLDA算法。最后,采用模糊C均值聚类算法对TD-MF2DLDA特征和其他特征进行了对比分析。对实验室局部放电样本的识别结果表明,当存在绝缘老化等多因素影响时,TD-MF2DLDA算法可以取得92.84%的聚类正确率,较NMF-PCA特征和传统局部放电PRPD特征的77.80%和71.12%具有明显的提高,能够有效避免缺陷尺寸、施加电压、绝缘老化等因素导致的局部放电特征分散、相互交叉等问题,提高了局部放电识别的可靠性。同时,FCM聚类指标XBI表明TD-MF2DLDA特征较NMF-PCA特征和PRPD特征具有更好的类内紧凑性和类间可分性,更适合现场应用。

一种改进的T-S模糊模型建模及优化方法

模糊建模是一种有效的非线性系统建模方法,因为非线性系统的复杂性,仍有很多问题难以处理。针对T-S模糊模型,提出了一种改进的建模及优化方法。首先,将快速搜索密度峰聚类和模糊C均值聚类(FCM)算法相结合,使用快速搜索密度峰聚类算法找到聚类个数和初始聚类中心后,再用FCM算法进行聚类;然后,通过最小二乘法辨识结论参数得到初始T-S模糊模型,使用改进的差分进化(DE)算法整体优化模型的结构和参数,获得最终的T-S模型;最后,选择代表性实例,使用MATLAB程序进行仿真分析和比较,验证了本文方法能有效提高T-S模糊模型的辨识精度和速度。