基于改进FCM算法的季节负荷谷平峰时段划分研究

鉴于传统的峰谷时段划分中暴露出的用户负荷选取不够精确、分类方法过于简单等问题,论文在充分考虑用户需求响应的基础上,提出了一种基于改进FCM算法的季节峰谷时段划分方法。该方法首先对某地区的年负荷数据进行预处理。然后利用改进FCM算法对各个季节的用电负荷情况进行谷平峰时段划分。最后通过仿真实验证明论文所提方法能够更精确地实现谷平峰时段划分。在实际应用后起到了良好的削峰填谷效果。

基于改进FCM算法的交通流分析

针对交通流聚类问题,提出一种改进的模糊C-均值算法。该算法根据交通流特点,对样本数据集进行处理得到模糊等价矩阵,通过改进隶属度函数和距离度量函数得到新的目标函数,利用拉格朗日算法优化隶属度和聚类中心,最后通过凝聚度和分离度实现自动聚类。实验结果表明,改进FCM算法削弱了突变点影响,提高了聚类效果。

基于改进FCM算法的城市交叉口交通状态判别

为准确、有效判别城市交叉口交通状态,提出了一种基于聚类算法的城市交叉口交通状态判别方法.该方法针对交叉口交通流的变化特性及拥堵强度,将交通状态分为畅通、缓行、拥堵3类,选取平均排队长度、平均延误、饱和度3个交通参数为判别指标,利用基于模糊K均值聚类(K-means)算法和熵权法加权的改进模糊C均值聚类(FCM)算法确定交通状态,并以济南市为例验证判别算法的有效性.实例仿真结果表明:与传统的FCM算法相比,改进的FCM算法的目标函数值降低了76.0%,迭代次数减少了28.6%,同时利用划分系数(PC)和划分熵系数(PE)的评价结果更优,验证了所提的方法对城市交叉口交通状态判别的准确性更高.

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。

基于改进抑制式FCM聚类算法的图像分割

在抑制式模糊C-均值聚类算法中,由于对隶属度的修正只考虑了隶属度的相对值,而没有考虑其绝对值,影响其聚类效果。针对其不足,提出了一种改进的模糊C-均值聚类算法。算法中,值的选择由所修正的隶属度的大小来确定。实验表明,该算法能获得较好聚类的效果。

基于改进FCM聚类算法的风电场等值建模研究

考虑风电场中各机组接收到的风速、机械特性、控制特性等差异,以风速-功率作为聚类指标,并以隶属度-权值构成的多条件聚合约束对风电机组进行分群优化,结合尾流效应模型提出了改进FCM聚类算法的风电场等值建模方法。最后,以陕西某风电场实测数据为样本进行等值建模,验证了模型的准确性和有效性。

基于WAMS/SCADA数据兼容和改进FCM聚类算法的PMU最优配置

针对当前应用于状态估计的广域量测系统(wide area measurement system,WAMS)和SCADA系统混合量测中相量测量单元(phasor measurement unit,PMU)最优配置点的选取问题,在分析WAMS/SCADA数据差异的基础上,提出一种基于数据兼容和改进模糊C均值(fuzzy C-means,FCM)聚类算法的PMU最优配置方案。采用大数据挖掘理念,通过改进FCM聚类算法对SCADA数据依据相关度分区,在分区内可观测度最大的节点配置PMU,各分区内采用该PMU节点的最优平滑系数进行Vondrak插值,得到满足兼容性的数据,应用于混合模型的状态估计。相对只考虑可观测度的PMU配置方案,新方案不仅可以实现WAMS/SCADA数据有效兼容,提高估计精度,应用混合量测的状态估计还可有效控制系统负荷快速变化时的估计误差。通过在IEEE 39节点系统上模拟日负荷变化,验证了该PMU最优配置方案的有效性。

基于改进模糊C-均值聚类算法的图像分割

在对手抑制式模糊C-均值聚类算法中,参数α的选择有可能导致原有的隶属度之间顺序的改变。针对其不足,提出了一种改进的模糊C-均值聚类算法,他是通过引入2个不同的调节参数1α和2α修正不同大小的隶属度,在保持隶属度的次序不变的前提下可以加速图像分割的收敛速度。实验表明,该算法不但能有效地提高聚类的速度,且能得到较好的分割效果。

采用改进的FCM聚类算法进行储层优势通道分级

井间示踪剂技术被认为是目前识别优势通道最直接、最准确的方法之一,但在稠油油藏中,示踪剂产出曲线多呈抛物线型单峰形状,曲线之间差别小,优势通道发育级别难以判断;同时因为模糊C均值(Fuzzy C-means,FCM)聚类算法需要事先指定聚类数目,使得其对示踪剂曲线分类问题适应性较差。针对上述问题,本文提出了改进的FCM聚类算法,解决了单峰型示踪剂曲线难以分类的问题。首先,通过引进决策图来确定聚类数,避免FCM算法在选取聚类数时的盲目性;然后,选取见剂速度、峰值浓度、回采率等示踪剂浓度曲线的特征参数,对见剂井进行聚类,确定优势通道发育级别和主控因素;最后,利用洛伦兹系数和现场泡沫驱应用效果,验证分级的合理性。研究结果表明:目标油田发育三级优势通道,一级优势通道属于均质~相对均质储层,其见剂速度小于1.65 m/d,高渗层渗透率小于3259 mD,同时回采率小于0.13%,地层系数小于1341 mD·m;二级优势通道属于相对均质~非均质储层,见剂速度在1.65~2.17 m/d,渗透率3259~8383 mD;同时回采率在0.13%~0.21%,地层系数介于1341~3194 mD·m;三级优势通道属于非均质~严重非均质储层,见剂速度大于2.17 m/d,高渗层渗透率大于8383 mD,回采率大于0.21%,地层系数大于3194 mD·m。现场实践表明:优势通道越发育,泡沫驱治理效果越好。该分类结果对现场调剖堵水具有指导意义。

基于改进模糊聚类算法的地铁站点重要性分析

为了研究地铁网络的节点重要性,研究一种改进模糊聚类算法:将地铁网络抽象为无向无权复杂网络,选取节点介数、接近中心性和特征向量中心性作为节点重要性的评价指标,利用k-means和熵权法改进的FCM模糊聚类算法,对地铁网络节点的重要性进行软化分。采用误判率交叉估计法对模糊聚类结果进行检验。实证表明,相比传统FCM算法,改进FCM算法目标函数收敛次数降低了58.06%,目标函数值降低了5.33%,误判率为0,更适用于地铁站点的重要性分析。

模糊C均值聚类算法在测井相分析中的应用

采用分阶段思想,引入并改进了最佳聚类数算法来确定分类数,对原模糊C均值(FCM)算法的目标函数从引入数据权值和更换距离函数相结合的方法进行了改进。根据改进的模糊C均值算法,利用测井数据进行测井中的岩性分类和识别,经实例验证本算法得出的岩性划分与实际录井岩性可以较好吻合。

基于模糊C均值聚类算法的碳纤维木质复合材料图像分割

引入模糊C均值聚类(FCM)图像分割算法,解决传统方式下图像分割中未考虑临域像素信息的问题,将该法与小波变换综合使用,实现对碳纤维木质复合材料在微观层面的分析。基于改进FCM算法,可以明确聚类中心,提出适用于欧氏距离的计算函数,在此基础上参考邻域像素的信息,实现对像素特征值的合理调整,最终得到科学的目标函数计算方式。由实际结果得知,该算法的应用效果较佳,图像分割边缘保持相对清晰的状态,在抑制噪声方面能力较强,有效减少了迭代次数,因此全程运行效率有所提升。

基于聚类算法的交通网络节点重要性评价方法研究

评估交通网络中节点的重要性,识别出对网络效率起着重要作用的关键节点,对于预防和降低交通拥堵和交通事故等事件对路网整体效率的影响具有重要意义。为识别出关键节点,研究了一种基于聚类算法的交通网络节点重要性评价方法:将道路交通网络抽象为无向加权网络,以节点介数、节点交通量和PageRank值作为节点重要性评价指标,利用基于K-Means算法和随机森林加权的改进FCM算法确定交通网络节点重要性,适用于中小城市道路交通网络。实证分析表明,改进算法的聚类性能明显提高,目标函数值和迭代次数分别降低88.70%和61.54%,同时算法误判率也仅为5.50%,验证了所提出的方法可以更为客观地刻画交通网络节点重要性程度,更为准确地动态辨识出关键节点。

基于多方向角Gabor与RBF神经网络结合的目标识别算法

针对导弹末端制导过程中CCD摄像头抓捕目标的背景、光照及相对旋转角度变化和噪声等因素造成目标识别率降低问题,在结合多方向角Gabor滤波器和RBF神经网络的基础上,提出了一种基于特征匹配的目标识别算法。该算法采用Gabor滤波器对待匹配图像进行预处理,通过将多个不同方向角Gabor滤波器的结果进行叠加和归一化处理的方法,突出了目标轮廓特征,然后提取纹理图像的4类Haar-like特征,再利用训练完成的RBF网络模型进行识别。实验结果表明,算法在保证实时性的基础上提高了目标识别率。

大数据背景下的计算机网络安全防御技术

为提升计算机网络安全防御能力,探讨大数据背景下的计算机网络安全防御策略,文章首先采用基于改进模糊C均值(Fuzzy-cmeans,FCM)聚类算法的大数据技术对计算机网络安全数据进行聚类处理,其次对完成聚类的数据展开超混沌加密,从而实现计算机网络安全防御,最后通过实验验证了该技术的防御效果,旨在为相关领域的从业人员和研究人员提供参考和借鉴,以促进计算机网络安全防御技术的进一步发展。

基于X射线图像的树木病虫害检测方法研究

针对现有树木病虫害检测方法精度低、效率慢的问题,基于X射线成像理论、自适应图像聚类分割方法,提出了一种基于X射线图像的树木病虫害改进检测方法。通过采用X射线偏轴旋转检测法提高检测成像质量和图像分割效果,同时针对现有图像分割算法对虫害缺陷树木图像分割效果差的问题,提出一种改进模糊C-均值聚类(improve fuzzy C-means clustering,IFCM)图像分割算法,利用灰度直方图自适应确定初始聚类中心和聚类数目,根据聚类集群完整度和聚类大小优化隶属度函数。实验结果表明,相较现有图像分割算法对虫害缺陷树木图像的分割精度显著提升,平均分割精度达到89.91%,同时欠分割率和过分割率大幅下降,较为完整地分割出了图像中的虫害缺陷区域,实现了对虫害缺陷树木图像的分割检测。

电能表状态在线监测与失准更换系统

为了解决用户电能表监测精度低,失准更换效率差的问题,设计了一种新型电能表监测与失准更换一体化系统。采用Hadoop集群更换方式加强电表失准更换能力,将电表更换时长降到最低;利用改进型模糊C均值聚类(FCM)算法对系统运行结果进行验证;通过算法的快速运算能力将系统性能数据化,更容易体现本系统的有效性。试验表明,当电能表额定显示电能最大为613.2 kWh时,最佳更换效率为每小时0.86户,电表监测数据精度最高为98.2%。

考虑光伏出力波动性的独立微网优化配置

考虑独立光-储微电网中光伏出力的波动性问题,提出计及季节、气象等因素的光-荷典型场景生成方法,并根据所生成的场景对光-储微电网进行优化配置.首先,进行光伏出力波动性分析,确定影响波动性的因素;其次,针对波动性影响因素,生成能够代表规划地区光-荷特性的场景集,在场景生成过程中,采用教与学优化算法(TLBO)对模糊C均值聚类方法(FCM)初始聚类中心进行优化;最后,以规划水平年综合成本最小为目标,在生成的典型场景集下对微电网进行光-储容量优化配置,结合各场景出现概率完成最优配置方案的选取.结果表明,相比于传统规划方法,提出的光-荷典型场景能够体现数据的时序变化特征,针对光伏的波动性可以对微电网进行合理规划,且提高了微电网全年的经济性.

碳纤维木质复合材料电镜图像分析及形态特征研究

图像分析同图像处理、计算机图形学等研究内容密切相关,而且相互交叉重叠.将改进的抗噪声能力强并考虑邻域像素的模糊C均值聚类算法应用到碳纤维木质复合材料研究中,经过试验验证取得了满意的分割结果.然后对分割结果进行碳纤维特征参数提取,并设置一个碳纤维分布形态参数r来区分电镜图像中碳纤维有无黏连成束.本研究为碳纤维木质复合材料均匀化识别提供了便捷的方法,同时也为后期构建碳纤维木质复合材宏微观模型提供数据支持.

基于机器视觉的光纤传像元件缺陷检测系统

光纤传像元件缺陷检测一般都是由人工来完成的,其效率低下、误差大并且成本高.本文设计完成了一套基于机器视觉的光纤传像元件缺陷检测系统.根据对于光纤传像元件的有关知识了解,本系统选用双远心工业镜头配合千万像素级大靶面的CCD工业相机,实现了光纤传像元件表面缺陷的一次性成像并保证了足够的分辨率.在图像分割检测算法上提出了一种基于改进FCM的算法,通过相关实验验证并和传统的图像分割算法——全局阈值分割法做比较得出:该算法能够提升缺陷检测效率和准确率,进而能够准确而有效地实现缺陷的分割.整个系统运行稳定可靠,可以满足检测需求.