基于模糊聚类的电力通信网络信息异常值挖掘方法研究

由于电力通信网络信息异常值的隐蔽性、多样性和动态变化性,导致在挖掘过程中难以全面地识别出所有的异常值。因此,该文提出了一种基于模糊聚类的电力通信网络信息异常值挖掘方法。采用该方案可对电力通信网络信息进行数据填补缺失值、数据标准化处理与统一表示,构建一个包含异常值相关属性的集合矩阵,使用Apriori算法识别出异常特征之间的强关联规则,通过规则提取出异常值特征参数,基于模糊聚类算法,计算样本与聚类中心的相似度并设置隶属度阈值,挖掘出电力通信网络中的异常值。实验结果表明,该方法能够更有效地根据异常值的特性,挖掘出更多的异常值,为保障电力通信网络的安全提供有力的技术支撑。

结合非局部信息与模糊聚类的SAR图像分割方法

为改善传统模糊C均值(FCM)聚类算法在SAR图像分割时迭代次数多、鲁棒性与分割精度差等问题,通过选取主要像素点,结合图像非局部信息提出一种FCM改进算法。首先将图像分块并选取主要像素点构成主要像素集合,然后对像素集利用K-means聚类确定初始聚类中心,接下来在FCM算法的目标函数中引入非局部空间信息,利用灰度信息与空间信息配合自适应平滑因子增强算法的抗噪性能,最后利用图像形态学操作完成图像分割。实验结果表明,该算法对模拟与真实SAR图像的分割结果精度较高,分别达到99%和96%,相较于传统算法不仅能提高分割精度、降低迭代次数,而且具有良好的抗噪性能,同时能很好地保留图像细节。

模糊聚类算法参数优选方法及其在局部放电模式识别中的应用

为了研究GIS中不同缺陷所激发的局部放电类型,设置了悬浮电极、针尖电晕、自由微粒以及气隙等4种常见缺陷模型。对采集的局放数据,建立了最大放电量、平均放电量和放电次数等二维相位分布函数,在此基础上提取24组指纹特征参数。在采用模糊C均值(FCM)和Gustafson-Kessel(GK)等聚类算法对局放数据进行聚类分析时,针对聚类有效性,即样本集的类数c和模糊加权指数m的优选问题,介绍了一种新型聚类有效性评估指标U(c),发现U(c)值越大,得到的聚类数越接近于真实值。最后与其它有效性指标对比,验证了U(c)指标的准确性和有效性。

基于核与局部信息的多维度模糊聚类图像分割算法

在以聚类分析为背景的图像分割算法中,引入局部信息是为了在保留图像细节的同时尽可能地减少噪声。在模糊C均值算法基础上,提出了一种基于核与局部信息的多维度模糊聚类分析方法来权衡图像中的噪声和细节。该算法引入2个基于局部信息的图像变体,即平滑和锐化处理后的图像,使之与原始图像一起构成多维度的灰度值向量来替换原始单维的灰度值;再利用核方法提高其鲁棒性;最后添加一个邻域隶属度差异惩罚项很好地修正和增强了最终的分割效果。在人工合成图片的去噪实验中,所提方法取得了近99%的分割正确率,优于Nystrom归一化分割(NNcut)和基于模糊局部信息C均值(FLICM)算法;同时在自然图片和医学图片的对比实验以及参数调控实验中,展现出了其在处理图像噪声和细节时灵活、稳定、健壮且易于调控的特点。

基于模糊聚类的快速路VMS信息发布方法

将模糊聚类技术引入快速路上可变信息牌(VMS)的信息发布中,利用模糊聚类对3个交通流参数(流量、速度、占有率)进行分析,对快速路的交通状况进行划分与识别,从而为发布合理、有效的VMS信息提供依据。将快速路的交通状况分为3个等级,并选取聚类数目为3。计算聚类中心确定快速路的交通状况,VMS则将交通状况等信息发布给驾驶员。

基于残缺信息模糊聚类的产品模块划分方法研究

为了解决含有残缺信息的产品模块划分问题,提出了一种基于改进WDS算法的产品模块划分方法。该方法利用改进WDS算法,将产品零部件划分为完整信息零部件和残缺信息零部件,并分别进行模块划分,同时引入平均模糊熵作为模块划分评判标准。最后,以3D打印机的模块划分作为实例,对比分析了完整信息产品和残缺信息产品的模块划分结果,验证了该方法的可行性。

结合互信息量与模糊聚类的关键帧提取方法

关键帧是描述一个镜头的关键图像帧,它通常反映一个镜头的主要内容,因此,关键帧提取技术是视频分析和基于内容的视频检索的基础。提出了一种结合互信息量与模糊聚类的关键帧提取方法,一方面通过互信息量算法对视频片段进行镜头检测可以保持视频的时间序列和动态信息,另一方面通过模糊聚类使镜头中的关键帧能很好的反映视频镜头的主要内容。最后构建了一套针对MPEG-4视频的关键帧提取系统,通过实验证明该系统提取的关键帧,可以较好地代表视频内容,并且有利于实现视频分析和检索。

局部搜索自适应核模糊聚类方法

核模糊C-均值聚类KFCM是利用核函数将数据映射到高维空间,通过计算数据点与聚类中心的隶属度对数据进行聚类的算法,拥有高效、快捷的特点而被广泛应用于各领域,然而KFCM算法存在对聚类中心的初始值敏感和不能自适应确定聚类数两个局限性。针对这两个问题,提出一种局部搜索自适应核模糊聚类方法,该方法引入核方法提高数据的可分性,并构造基于核函数的评价函数来确定最优的聚类数目和利用部分样本数据进行局部搜索以寻找初始聚类中心。人工数据和UCI数据集上的实验结果验证了该算法的有效性。

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。

基于自适应局部迭代滤波和模糊C均值聚类的滚动轴承故障诊断方法

为准确提取滚动轴承振动信号的故障特征,并对不同状态信号进行划分,提出了一种基于自适应局部迭代滤波(ALIF)和模糊C均值(KFCM)聚类的滚动轴承故障诊断方法。首先,将多模态信号自适应分解为多阶单一模态分量;然后,结合相关系数提取出含有最多故障特征信息的最优分量,计算其近似熵值并构建特征向量矩阵;最后,将得到的特征向量输入KFCM得到聚类结果。试验结果表明,与基于EMD,EEMD和KFCM聚类,以及ALIF和FCM聚类的方法相比,ALIF和KFCM方法的分类系数更接近1,平均模糊熵更接近0,聚类效果更好,对滚动轴承各类故障信号具有很高的识别度和良好的分类效果。

互信息与模糊C均值聚类集成的特征优选方法

针对大型数据中大量冗余特征的存在可能降低数据分类性能的问题,提出了一种基于互信息(MI)与模糊C均值(FCM)聚类集成的特征自动优选方法 FCC-MI。首先分析了互信息特征及其相关度函数,根据相关度对特征进行排序;然后按照最大相关度对应的特征对数据进行分组,采用FCM聚类方法自动确定最优特征数目;最后基于相关度对特征进行了优选。在UCI机器学习数据库的7个数据集上进行实验,并与相关文献中提出的基于类内方差与相关度结合的特征选择方法(WCMFS)、基于近似Markov blanket和动态互信息的特征选择算法(B-AMBDMI)及基于互信息和遗传算法的两阶段特征选择方法(T-MI-GA)进行对比。理论分析和实验结果表明,FCC-MI不但提高了数据分类的效率,而且在有效保证分类精度的同时能自动确定最优特征子集,减少了数据集的特征数目,适用于海量、数据特征相关性大的特征约简及数据分析。

基于模糊C均值聚类的高铁动车组电缆终端局部放电识别

局部放电检测作为一种诊断车载电缆终端绝缘状态的有效手段,在列车实际运行环境中面临强干扰问题,为此文章提出了一种基于波形参数分析和模糊C均值聚类的车载电缆终端局放脉冲干扰分离策略。在实验室搭建了局部放电测试平台并采用高频电流法(HFCT)获取了电缆终端的局放信号和典型脉冲干扰信号,通过对脉冲单波进行包络处理,提取脉冲的3个参数作为特征向量,然后采用模糊C均值聚类方法对局放信号与脉冲干扰信号进行分离。试验结果表明,该方法能够有效地将局放信号与脉冲干扰信号分离,减小脉冲干扰信号对局部放电检测的影响,对提高局放手段评估车载电缆终端绝缘状态的准确性具有一定意义。

互补空间信息和隶属度修正的直觉模糊聚类苗族服饰图案分割

苗族服饰图案分割对推动苗族服饰文化的数字化保护和传承具有重要意义。针对直觉模糊聚类算法鲁棒性差、对噪声敏感的问题,提出一种基于互补空间信息和隶属度修正的直觉模糊聚类苗族服饰图案分割算法。首先,该算法使用互补空间信息的加权平方欧式距离代替传统欧氏距离,用于提高算法的抗噪性能;其次,采用隶属度连接机制,减少算法的迭代次数,从而提升算法的运行速率;最后,利用图像的局部像素特征和空间关系,对邻域内的像素点赋予不同的权重来修正隶属度函数,以实现更为准确的分割。当混合噪声的密度为10%时,所提算法在合成图像数据集上的分割精度达到99.72%,在苗族服饰图案数据集上的划分系数和划分熵为97.23%和4.61%。结果表明,与相关算法相比,所提算法的分割精度更高、细节保留能力更强。

模糊局部信息C-均值聚类算法的修正

针对模糊局部信息C-均值(fuzzy local information C-means,FLICM)聚类算法因其局部空间信息的局限性而导致图像分割结果存在误差的问题,改进FLICM算法的相似度测量因子,并考虑邻域空间距离、灰度信息以及灰度方差对分割效果的影响,提出一种用于图像分割的模糊局部信息C均值的修正算法(WFLICM).实验结果表明,WFLICM能够估算邻域像素的衰减程度,提高图像的分割性能,在抑制噪声的同时更好地保留图像细节,且具有更好的抗噪鲁棒性.

基于模糊C均值聚类的异构数据信息检索仿真

不同数据库系统可能使用不同查询语义和查询表达方式,为了获取高质量的异构数据库信息检索结果,提出一种混合云环境下异构数据库信息检索算法。优先建立局部本体,在局部本体的基础上形成信息领域本体,抽取局部信息。在信息领域本体的指导下对局部信息展开集成,获取全局信息,完成混合云环境下异构数据库信息集成。通过对全部信息展开检索特征匹配,组建异构数据库空间规划模型,采用模糊C均值聚类算法对信息聚类,最终实现混合云环境下异构数据库信息检索。实验结果表明,采用所提算法展开异构数据库信息检索的精度更高,且相对检索增益较高,说明其检索效果较好。

基于模糊聚类的信息不完全确定的多准则分类方法

针对权系数信息不完全确定且有训练集的多准则分类决策问题,提出了一种基于模糊聚类的分类方法。该方法在考虑对训练集分类的基础上,结合不完全确定的准则权系数信息等建立模糊聚类模型,通过遗传算法求解所得优化模型,得出准则权系数和聚类中心,计算方案属于各类别的隶属度,进而得到整个方案集的分类。实例说明了该方法的有效性和可行性。

基于模糊聚类的养生旅游资源信息检索方法

采用异构有向图分析方法进行养生旅游资源信息存储结构设计,结合特征空间重组技术进行养生旅游资源信息结构重组,提取养生旅游资源信息的关联信息特征量,采用语义相关性融合的方法进行养生旅游资源信息特征提取和自适应调度,对提取的养生旅游资源信息特征量进行模糊聚类处理,采用模糊C均值聚类方法进行养生旅游资源信息的网格分区聚类和属性分类识别,实现养生旅游资源信息的优化检索。仿真结果表明,采用该方法进行养生旅游资源信息检索的查准率较高,查全率较好,提高了资源检索的准确性。

基于模糊聚类分析的能源产业信息自动挖掘建模研究

针对当前能源产业信息挖掘结果完整性差的问题,提出一种基于模糊聚类分析的能源产业信息自动挖掘建模方法。在模糊聚类分析算法中引入核学习算法,添加Gaussian核函数,搭建核模糊分析算法。确定核模糊分析算法的初始聚类中心,利用粒子群优化算法优化初始聚类中心,根据优化的初始聚类中心建立能源产业信息自动挖掘的目标函数,获取适应度值。根据适应度值与目标函数选择最佳个体,求解最佳个体的聚类有效性函数,解码输出聚类有效性函数最大时所对应的最优聚类数量与对应的聚类中心,以此搭建能源产业信息自动挖掘模型。实验结果表明,该模型可有效挖掘能源产业信息,在数据集规模不同的情况下该模型的调整兰德系数均较高,挖掘结果的完整性较高,自动挖掘效果佳。

基于模糊信息聚类算法的变电站作业信息分析

为了提高变电站作业信息的计算能力,构建了一种新型的模糊信息聚类算法模型。将变电站作业信息按电力属性数据信息进行分类,将变电站信息共享调度的主要特征量进行组合或者集中分配以处理;构建变电站作业信息分析应用系统,实现变电站作业路在超出标准时的信息报警和录像回传;通过带宽方式进行信息传达,提高了变电站作业路参数和线路的信息分析。最后在35 kV变电站作业路进行试验,算法识别精度为97.3%。该技术为变电站作业智能监控技术奠定了基础。

信息化环境下图书资料模糊聚类管理策略研究

本文深入探讨了信息化环境下图书资料模糊聚类管理策略,旨在应对信息技术发展给图书资料管理带来的挑战和机遇。文章首先指出了当前图书资料管理中存在的问题,包括管理制度的不完善、信息化建设的滞后以及服务效率的不足。这些问题导致了管理效率和服务质量的下降,同时也影响了图书馆在信息化时代的服务能力。同时通过模糊聚类分析,发现用户对图书馆服务的满意度和偏好程度存在差异,聚类分析将用户分为“技术满意型”、“电子资源偏好型”和“全面参与型”三个类别。针对这些类别,文章提出了相应的管理策略,包括强化数字化资源建设、完善管理体制和加强管理人才培训,以满足不同用户群体的需求。