信息不完全确定的区域产品模糊区间聚类方法

区域产品分类与选择是区域经济发展中最重要和最基础的工作。在产品选择与分类时,需要确定指标权系数和分类阈值等参数,这在实际应用中是比较困难的。针对这种情况,提出了一种信息不完全确定的区域产品模糊区间聚类方法。该方法构建了指标权系数信息不完全确定的最优模糊区间聚类模型,利用遗传算法和改进的FCM算法联合求解所得优化模型,得到指标权系数、最优聚类中心和最优划分,进而确定各产品所属类别。最后将该方法应用于某区域的产品分类和主导产品的确定中,实例计算说明该方法的可行性和有效性。

多目标交替粒子群优化区间二型模糊聚类算法

区间二型模糊聚类算法通过两个模糊构造不对称的模糊边界,能够有效处理大小、密度不一的团状数据,其聚类中心和模糊指数的组合直接影响聚类效果且不能自适应取得,为解决该问题,提出了多目标交替粒子群优化区间二型模糊聚类算法(Multi-objective alternate particle swarm optimization-based interval type-2 fuzzy clustering algorithm,MOAPSO-IT2FCM)。首先,引入粒子群优化算法对聚类中心和模糊指数分别进行编码优化;其次,充分考虑聚类的细节和完整性,利用多目标优化方法改进粒子群优化算法;最后,采用交替粒子群优化策略对聚类中心和模糊指数进行交替固定优化,以有效确定聚类中心和模糊指数的组合。将MOAPSO-IT2FCM算法用于伯克利彩色自然图像分割,结果表明其能够有效确定合适的聚类中心和模糊指数组合,且聚类效果优于其他对比算法。

电力系统事故扫描的区间模糊聚类算法研究

电力系统事故扫描是针对电网中一组预想事故,挑选出其中较为严重的事故,将大部分不严重事故滤除掉,减少待分析的预想事故数目,以满足动态安全分析的实时性的需要。本文提出了区间FCM的事故筛选方法,并在10机39节点的算例中对该方法应用前景进行了探讨。

自适应区间二型模糊聚类的遥感影像变化检测

由于遥感影像变化检测面临"同物异谱"、"同谱异物"等诸多不确定的问题,传统一型模糊聚类算法不能描述其高阶不确定性,难以对差异影像进行准确建模分割出变化信息。针对上述问题,在引入区间二型模糊聚类的基础上,提出了一种自适应区间二型模糊聚类的遥感影像变化检测算法。通过构造自适应邻域加权距离度量的方式更新隶属度,不仅降低了传统区间二型模糊分析算法对参数的依赖,还可以有效利用邻域信息,最后通过迭代更新隶属度实现地物变化信息的提取。利用两组遥感影像数据验证了该方法的有效性。

改进的区间二型模糊聚类遥感影像变化检测

遥感影像的复杂模糊性问题会干扰影像变化检测的结果,可引入区间二型模糊C均值聚类算法解决此问题,但算法参数的随机性导致检测结果不稳定。本文首先利用局部最优解优化萤火虫算法中的候选解,引入可变步长因子,以此自适应寻优区间二型模糊C均值聚类算法的模糊因子;然后结合寻优得到的模糊因子进行区间二型模糊C均值聚类,迭代更新隶属区间提取变化信息;最后通过基于复合梯形法则的加权Karnik-mendel算法降型和解模糊优化聚类中心,依据最大隶属度原则判断变化类型。通过试验验证,本文方法得到更优模糊因子和更精确的聚类中心,具有更好的稳健性,变化检测精度得到提高,检测得到的变化区域更加精细。

基于多目标区间值模糊聚类的含噪图像分割

针对区间值模糊聚类算法,提出基于多目标区间值模糊聚类的含噪图像分割算法。利用迭代非局部均值算法去除图像中的噪声点,并在其上构造一个区间值模糊图像,然后设计两个区间值模糊聚类有效性函数作为多目标优化的适应度函数,并构造一个融合区间值模糊信息的最优解选取指标。在自然图像和刑侦图像上的实验结果表明,该算法能够在抑制噪声的同时取得良好的分割效果。

粒子群优化的自适应区间二型模糊聚类算法

针对区间二型模糊聚类算法对聚类中心和模糊指数敏感的问题提出粒子群优化的自适应区间二型模糊聚类算法(PSO-AIT2FCM)。利用高斯滤波函数对获得的统计直方图做平滑处理,同时设计波峰与聚类中心的对应规则精准地确定聚类中心。构造新颖的融合直觉模糊信息的目标函数,通过类内紧致和类间分离两个方面的信息共同判断聚类效果。利用粒子群优化算法优秀的全局搜索能力在可行域内寻找合适的模糊指数组合。将该文算法应用于Berkeley图像分割中,实验结果表明该算法能够有效地确定聚类中心和模糊指数的组合并得到良好的分割结果。

近似质心在区间二型模糊聚类中的应用

针对现有质心求解算法仍具有较高计算复杂度,导致区间二型模糊C均值聚类算法(Interval Type-2 Fuzzy C-Means,IT2FCM)运行速度不理想问题,提出了半数迭代法和一次迭代法两种近似质心求解算法。首先,在直接求解转换点问题质心求解算法(A Direct Approach for Determining the Switch Points in the Karnik–Mendel Algorithm,DA)的基础上,借助二分查找思想,构造出基于二分查找的质心求解算法;接着,以该算法为基础,通过限制查找范围,考虑两个转换点之间关系的性质和计算差值的技巧得到半数迭代法;最后,考虑只进行一次查找得到一次迭代法。在UCI上的5个数据集上(IRIS、SEEDS、WINE、WIFI_LOCALIZATION和HTRU2)验证了两种算法的聚类性能并没有因为求解的是近似质心而降低;进一步在ANURAN CALLS数据集上构造了8组数据量递增数据用于验证基于不同质心求解算法的IT2FCM和基于提出的近似质心求解算法的IT2FCM运行速度,实验结果表明:基于近似质心求解算法的IT2FCM运行速度较快,所以提出的近似质心求解算法能够在一定程度上缓解IT2FCM复杂度过高的问题。

自适应区间二型直觉模糊聚类算法研究

针对区间二型模糊聚类算法存在初始聚类中心敏感,提出自适应区间二型直觉模糊聚类算法。该算法首先利用高斯滤波函数对图像的统计直方图做平滑处理,同时设计波峰与聚类中心的对应规则,精准地确定初始聚类中心,然后构造融合直觉模糊信息的目标函数,最后通过类内紧致和类间分离两个方面的信息共同判断聚类效果。将该算法应用于彩色图像分割中,实验结果表明该算法能够有效得到合适的初始聚类中心并取得较好的分割结果。

区间模糊ISODATA动态聚类算法

目前模糊技术已经应用于许多智能系统,如模糊关系与模糊聚类.聚类是数据挖掘的重要任务,它将数据对像分成多个聚类,在同一个聚类中,对象的属性特征之间具有较高的相似度,有很大研究及应用价值.结合数据库中的挖掘技术,对属性特征为区间数的多属性决策问题,提出了一种基于区间数隶属度的区间模糊ISODATA动态聚类方法.

二型模糊理论在乙烯裂解炉过程监控中的应用

利用区间二型模糊C-均值聚类的方法,将过程数据进行聚类,并且聚类过程采用自适应的方法选择聚类数,由此区别不同的工况;利用局部切空间排列算法(LTSA)分别对聚类之后的每一类数据进行降维处理,然后利用每一类降维后的数据,使用支持向量数据描述(SVDD)的方法构建多个模型,并建立相应的统计量与统计限,完成离线建模过程。在线监控过程中首先判断过程数据属于哪一种工况,然后利用相应的模型来计算统计量并判断是否故障,利用乙烯裂解炉的过程数据进行了仿真研究,验证了方法的可行性。

基于区间二型FCM和合理粒度原则的信息粒生成方法及应用

粒计算是知识表示与数据处理的一种新的理念和计算范式,现已成为复杂问题求解的有效框架之一。信息粒是粒计算的基本单位,构建信息粒以及利用信息粒实现问题求解是粒计算的两项基本任务。受认知主体的主观局限性和度量方法等因素的影响,信息粒的形成、表示与解释往往伴随着不确定性。本文基于区间二型模糊C均值(IT2FCM)聚类算法和合理粒度原则设计了二型信息粒的生成方法,不仅实现了信息粒的构建,而且能够体现出粒化过程中的不确定性。为验证所设计方法的合理性,本文在人工数据集上对粒化方法进行评估,并探讨不同参数值对粒化结果的影响。此外,利用所设计的粒化方法对船舶数据的结构信息及其不确定性进行刻画,以此来辅助船舶的分类管理。