农业机器人采摘目标识别技术研究——基于FCM模糊聚类算法

介绍了FCM(Fuzzy C-Means)模糊聚类算法的原理,采用权重分配的方法对该算法进行了改进,通过建立模糊的相似矩阵,对目标对象的特征聚类图进行分析,并引入隶属度矩阵对FCM算法进行优化,以加快算法的迭代速度。实验结果表明:农业机器人采用该方法对农作物轮廓分割识别度较高,算法计算效率较快,验证了其可靠性,该方法可用于目标农作物的分割和目标识别。

基于改进模糊聚类算法的大数据随机挖掘仿真

大数据挖掘是从大量有噪声的、随机模糊的大数据中提取有价值信息的过程,由于海量大数据具有多维性、稀疏性以及动态性等特点,准确获取其分布特征的难度较大,随机挖掘难以直接实现。为此提出基于改进模糊聚类算法的大数据随机挖掘方法。利用建立的语义概念树模型获取大数据的特征分布关系,并根据模糊语义分析法得出大数据的语义相似性、关联性条件,提取大数据特征。优先确定最佳聚类数,采用改进模糊聚类算法对其聚类,实现基于改进模糊算法的大数据随机挖掘。实验结果表明,上述方法的大数据模糊聚类效果较好,随机挖掘准确率可达到95%以上,实验所得结果验证了上述方法较强的应用有效性。

基于自适应近邻信息的模糊C均值聚类算法

传统的模糊C均值算法直接基于原始数据进行聚类,数据的内在结构可能会被噪声、异常值或其他因素破坏,因此聚类性能会受到影响。为提升FCM算法的鲁棒性,提出了一种基于自适应近邻信息的模糊C均值聚类算法。近邻信息指的是一种基于数据点之间相似度的度量,每个数据点都可以看作其他数据点的近邻,但是不同数据点之间的相似度是不同的。将样本点的近邻信息GX和类中心点的近邻信息GV融入基础FCM模型中,为聚类过程提供更多的数据结构信息,用于指导聚类算法中的簇划分过程,以提升算法的稳定性,并提出了3个迭代算法求解本文提出的聚类模型。与其他先进聚类算法对比,在部分基准数据集上聚类性能有10%以上的提升,同时还从参数敏感性、收敛性、消融实验等方面对算法进行评价。实验结果可以充分显示本文提出的聚类算法的可行性与有效性。

基于快速鲁棒模糊C有序均值聚类的苗族服饰图像分割算法

苗族服饰图像具有绣线纹理复杂、色彩形状多样等特征,针对模糊C有序均值(Fuzzy C-Ordered-Means,FCOM)聚类算法在进行苗族服饰图像分割时,存在耗时长、分割效果不理想的问题,提出了一种快速鲁棒模糊C有序均值聚类算法。在FCOM算法基础上加入了竞争学习的思想,通过构造新的隶属度约束函数,对像素点进行更加强制清晰的划分,提高图像像素定位的准确性,从而加快算法的收敛速度。结果表明,本文算法在图像分割过程中能有效地降低异常值的影响,获得更加准确的分割结果。该算法在Jaccard相似系数、分割精度、Dice相似系数、模糊划分系数及模糊划分熵等性能方面均优于其他几种模糊C均值(Fuzzy C-Means,FCM)算法,且分割时间与迭代次数也优于FCOM算法。

基于模糊聚类算法的小微企业信用融资服务资源整合方法

为了优化小微企业信用融资服务资源整合效果,提高资源整合后的利用率,开展了基于模糊聚类算法的小微企业信用融资服务资源整合方法研究。首先,采用双向处理模式,构建资源抽取程序,得出资源数据定向抽取结果;其次,对抽取到的资源进行降维处理,减小资源维数之间的差异;在此基础上,利用模糊聚类算法,将相似度较高的资源整合到同一个聚类中,相似度较低的资源归入不同的聚类中,实现小微企业信用融资服务资源整合目标。实验结果表明,提出的整合方法应用后,资源利用率方面明显高于对照组,最高达到了98.2%,能够有效地整合和优化服务资源,更好地满足小微企业的融资需求。

基于模糊聚类与改进遗传算法的异常电力工程数据识别技术

针对传统人工核查电力工程异常数据存在耗时费力及准确度较低的问题,文中提出了一种基于模糊聚类与改进遗传算法的数据识别技术。该技术采用模糊聚类算法对数据进行自动归类,并对异常数据加以识别。同时还设计了一种改进遗传算法增强了数据的全局搜索能力,进而提升整体算法的识别效率。基于Matlab进行的仿真验证结果表明,所提技术方案可有效地自动识别出电力工程中的异常数据。而在结合改进遗传算法后,该算法的识别准确率得到了显著提升,且识别时间也缩短了60%以上,实现了数据搜索能力与效率的平衡。

基于加权FCM聚类算法的电力交易数据动态提取模型

海量、冗余的电力交易数据极大地阻碍了电力交易决策,为此,研究基于加权FCM聚类算法的电力交易数据动态提取模型。汇聚预处理电力交易数据,压缩数据体量,基于全排列理论排序处理电力交易数据,提取电力交易数据特征(波动性、趋势性与变动性特征)作为FCM聚类算法的加权依据,获得对应的加权矩阵,应用加权FCM聚类算法聚类提取需求的电力交易数据,实现电力交易数据的动态提取。实验数据表明,该模型获得的电力交易数据聚类参数DBI数值较小,DVI数值较大,电力交易数据动态提取时间较短,应用性能更佳。

基于高斯核函数的差分隐私模糊C均值聚类算法的构建与应用

目的:提出一种基于高斯核函数的差分隐私模糊C均值聚类算法(DPFCM_GF),旨在优化大数据背景下医疗数据分析和挖掘带来的数据隐私安全问题,为数据隐私保护提供理论基础。方法:针对随机初始化模糊C-均值隶属度矩阵降低算法精度问题,采用最大距离法确定初始中心点,使用聚类中心点的高斯值计算隐私预算分配比率,并添加拉普拉斯噪声以完成差分隐私保护,构建DPFCM_GF。收集整理美国加州大学欧文分校机器学习存储库的心脏病、乳腺癌、甲状腺疾病及糖尿病公开数据集对DPFCM_GF有效性进行验证,收集2019年1月1日至2022年12月31日淮安市第二人民医院收治的756例胃癌和肺癌患者病例数据集,对DPFCM_GF的可用性进行验证,并将分析结果与模糊C均值聚类算法(FCM)以及差分隐私模糊C均值聚类算法(DPFCM)进行对比分析。结果:对于心脏病、乳腺癌、甲状腺疾病及糖尿病公开数据集,DPFCM_GF和DPFCM的最优聚类效果与FCM聚类效果相当;相较于DPFCM,DPFCM_GF迭代时间更快,聚集速度显著,差异有统计学意义(t=4.01、4.71、4.01、12.38,P<0.05)。对于肺癌和胃癌数据集,随着隐私预算ε的增大,DPFCM_GF正确识别率逐渐聚集于91.9%和93.9%,受试者工作特征(ROC)曲线下面积(AUC)值分别为0.79和0.81;当隐私函数ε为0.1、0.5、1和2(ε<3)时,DPFCM_GF聚类效果显著优于DPFCM,且聚类效果更佳,差异有统计学意义(χ^(2)=12.25、87.12、68.58、7.76,P<0.05;χ^(2)=4.74、43.51、42.47、4.89,P<0.05)。结论:DPFCM_GF是一种有效保护医疗数据隐私的方法,同时也可进行数据分析和挖掘任务,具有一定的研究意义和研究前景。

改进黑猩猩优化算法的RGB-D图像核模糊聚类分割

借助于低成本深度传感器,产生了深度与颜色同步的RGB-D图像。针对RGB-D图像分割困难以及黑猩猩优化算法精度低、收敛速度慢和易陷入局部最优的问题,提出了基于改进黑猩猩优化算法(Improved Chimp Optimization Algorithm,IChOA)的RGB-D图像核模糊聚类算法。首先,对RGB-D图像进行特征提取生成6个特征子集;其次,引入Levy飞行策略和非线性惯性权重对ChOA进行改造;最后,利用IChOA对6个特征子集进行核模糊聚类,得到多个最优聚类,然后通过聚集超像素方法对多个最优聚类进行不同组合的分割,生成最终的分割结果。采用NYU depth V2室内图像数据集进行实验,与现有的一些分割方法(阈值分割,模糊子空间聚类,残差驱动的模糊C-均值,硬C-均值,模糊C-均值,核模糊聚类,基于混沌kbest引力搜索算法和随机亨利溶解度优化算法)进行比较,结果表明所提出的RGB-D分割算法优于比较的算法。

基于模糊C-均值聚类算法的动态等值研究

近年来,随着特高压交直流输电线路的不断建立,需要准确地模拟交直流大电网故障期间的暂态特性已十分困难。电磁暂态仿真计算结果较为准确,但计算量太大,因此需要在计算前对被仿真网络进行动态等值。本文首先介绍了模糊C-均值聚类算法(FCM)及基于物理等效的动态等值计算方法;然后,提出了基于模糊C-均值聚类算法的动态等值计算方法及其流程图。最后,对某区域进行FCM机组分群,并进行动态等值计算,结果表明,采用基于FCM的动态等值方法,等值前后的动态特性基本一致,该方法具有良好的实用性。

基于模糊多目标决策的物联网大数据聚类算法

现有的物联网大数据聚类算法容易受到相似性攻击,聚类效果较差。为了提升自适应能力,提出了一种基于模糊多目标决策的物联网大数据聚类算法。选取梯度下降法进行重复迭代,得到物联网事件的模糊置信度和支持度阈值,利用模糊C均值聚类算法获取最优模糊划分矩阵;建立目标决策矩阵,确定目标权重,明确理想决策目标和负理想决策目标,获取最终决策结果,从而实现物联网大数据的有效聚类。选取某电力企业的物联网大数据平台进行聚类实验,结果表明,该算法可有效聚类物联网平台中的海量数据,聚类结果的簇间区分度、簇间关联性和聚类敏捷性高。

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。

一种针对分类型数据的熵特征变换FCM聚类算法

针对分类型数据导致聚类性能下降的问题,本文提出一种新的熵特征变换FCM聚类算法。首先根据熵的数学描述形式,定义分类型数据参数的熵特征值,进而生成熵特征变换模型及其增量模型;接着定义模型的矩阵“痕迹”,获取EFTM模型数据的特征集合;然后融合FCM聚类分析,设计一种以熵为特征提取的主体描述形式的聚类算法;最后实验均表明,该算法具有较高的自适应性。

基于模糊聚类算法的水务平台多源异构数据资源整合方法

为了优化水务平台上多源异构数据资源的整合效果并降低重复数据资源存在的可能性,以及节省数据资源存储空间,文章引入模糊聚类算法,进行了基于该算法的水务平台多源异构数据资源整合方法的研究。首先,对存在质量问题的脏数据进行清洗处理,从而提高数据资源的质量。其次,映射多源异构数据模式与本体关系,为后续数据资源整合效率的提高奠定基础。在此基础上,利用模糊聚类算法计算整合信息熵,并以整合初始聚类中心为标准对水务平台上的多源异构数据资源进行整合。实验结果表明,应用提出的整合方法后,水务平台上的数据冗余比例始终小于对照组,最大不超过5%,说明多源异构数据资源存在重复的可能性较小。

基于模糊聚类算法的多源异构数据中台智能整合方法

传统的数据整合方法往往无法有效地处理这些异构数据,因此需要一种更为智能的方法来解决这个问题,现提出基于模糊聚类算法的多源异构数据中台智能整合方法。首先,基于模糊聚类算法提取多源异构数据特征,对这些数据进行归类,然后采取适当的处理策略,其次,生成数据中台智能整合函数,汇总并处理数据中台智能整合函数的节点,最后,实现多源异构数据中台的智能聚合。实验结果表明:该实验以20min为单位时长,该数据整合的速率在整体实验中,相较于传统方法,该文方法的数据整合速率明显优于传统方法,证明基于模糊聚类算法的多源异构数据中台智能整合方法在处理大规模多源异构数据时仍具有较高的效率。

基于模糊C均值聚类算法的浆液循环泵节能运行优化方法研究

在浆液循环泵运行阶段,受客观应用需求波动的影响,其功耗相对较高。为此,提出基于模糊C均值聚类算法的浆液循环泵节能运行优化方法。在浆液循环泵运行数据特征提取阶段,采用基于无监督的深度学习模型,借助随机初始化的卷积核,对输入的数据进行卷积计算,获取低维空间的特征映射,随后通过反卷积确定浆液循环泵运行参数特征;在节能运行优化阶段,引入模糊C均值聚类算法,通过聚类具有相同特征的数据,将相同聚类内功耗最小的参数作为同类运行工况下的优化结果。结果显示,测试循环泵的功耗虽然会随着通过的最大颗粒粒度的增加而呈稳定增大的趋势,但对应的增幅较小,与对照组相比,其分别在节能程度和节能适应性方面表现出了明显优势。

基于超像素快速模糊聚类的印刷品图像分割方法

针对当前彩色印刷品色差检测过程中效率低、复杂性高等问题,提出了一种基于超像素快速模糊聚类的印刷品图像分割方法(SFFCM)。先用简单线性迭代聚类(SLIC)算法将图像分割为紧密相邻的超像素区域。每个超像素区域被视为一个独立的聚类单元。随后,将模糊C均值聚类(FCM)算法应用于超像素的归属关系计算中,即引入隶属度值,允许超像素归属于多个聚类中心,并通过权衡归属度值来实现模糊聚类。实验结果表明,相对于其他算法,本文方法在保持良好实时性的同时,实现了较好的分割效果,有效平衡了算法复杂度与分割效果之间的关系。

基于改进FCM聚类的光伏电站出力场景特性研究

为提高新型电力系统的运行安全可靠性,需要对光伏电站的出力特性进行量化评估,并从高不确定性的众多发电场景中掌握光伏电站的运行规律。为此,基于场景聚类和缩减原理对光伏出力进行分析。首先提出光伏出力特性的评价指标,包括波动性和出力效率2个一级指标和相应的二级指标;然后采用模糊C均值(fuzzy C-means,FCM)聚类算法,基于密度思想和距离最大、最小原则确定初始聚类中心,通过不断迭代得到不同场景下光伏出力的聚类结果。考虑到传统聚类算法存在局部收敛性,难以确定最优聚类数目,提出结合聚类有效性指标来确定聚类最优数目,进而采用基于概率距离的前推回代法对得到的聚类结果进行场景削减,最终得到光伏电站季节典型出力场景。最后基于广东省某光伏电站实际出力数据进行分析,验证所提指标和算法的有效性。

基于改进模糊C-均值聚类的陆上风电场集电线路回路划分与拓扑结构优化

【目的】在“双碳”目标以及我国能源结构加速转型的双重驱动下,风电产业规模不断快速增长,亟须降本增效以应对平价上网压力。集电线路的造价在投资中占比较大,存在可观的优化空间。为了降低投资成本,提出了一种改进模糊C-均值(fuzzy C-means,FCM)聚类算法。【方法】利用改进FCM聚类算法对陆上风电场集电线路回路进行划分。该算法综合考虑了方位角与欧式距离,以保障回路间线路不交叉,并使相邻机组聚集到同一回路;引入机位到聚类中心距离的修正因子,通过调节其数值限制回路容量。在回路划分的基础上,利用动态Prim算法对各回路进行集电线路优化选线。最后,通过某陆上风电场算例验证方法的有效性。【结果】与只考虑方位角的聚类方法相比,考虑方位角和间距的改进FCM算法优化效果更好,单回、双回连接对应的集电线路总造价分别降低了2.6%和5.4%。【结论】所提算法能够有效降低集电线路的总造价,具有一定的应用价值,可为风电场集电线路设计提供参考。

基于概率模糊聚类算法的绿色会展智能管理系统研究

“高发展、高开发、高排放”的传统发展模式导致了资源利用效率低下和生态环境恶化。随着绿色展会的日益增多,如何管理绿色展会是推动其从理论走向实践亟待解决的问题,因此,绿色会展智能管理系统的建设成为当前的一大难题。本文旨在研究基于概率模糊聚类算法的绿色展会智能管理系统,并描述其系统性能。本实验通过不同输入的响应时间、整个系统的响应时间、中央处理单元(CPU)的利用率和内存使用率评估系统性能。实践证明,基于概率模糊聚类算法设计的绿色展会智能管理系统值得进一步推广应用。