基于Einstein算子的直觉模糊值相似度及其在聚类中的应用

基于直觉模糊等价矩阵聚类的关键在于合理构建样本之间的直觉模糊值相似度,这种相似度是有2个分量的二元形式,其中一个分量代表着2个对象之间的相似程度,另一个代表非相似程度.提出一种基于Einstein算子的直觉模糊值相似度构造方法并将其应用到聚类分析.首先,给出Einstein算子诱导的直觉模糊剩余蕴含,并通过聚合直觉模糊剩余蕴含得到直觉模糊值相似度;然后,利用这种直觉模糊值相似度构建直觉模糊相似矩阵,并通过直觉模糊相似矩阵的合成运算得到直觉模糊等价矩阵,进而给出直觉模糊聚类算法;最后,通过算例对该方法进行说明和分析.

基于模糊聚类和改进Densenet网络的小样本轴承故障诊断

针对实际中轴承的故障数据少难以满足深度学习数据大量训练模型的要求,利用卷积神经网络的微小特征提取优势和模糊聚类不需要训练即可完成分类的特点,提出了一种基于模糊聚类和改进Densenet网络的小样本轴承故障诊断方法。首先将预训练微调的Densenet网络去掉分类只保留特征提取层,设计一个维度自适应全局均值池化层(GAP)代替全连接层(FC),其次利用模糊聚类代替Densenet网络的softmax分类层,不需要训练即可完成分类。实验结果表明:该算法利用小样本数据训练网络中的GAP参数,模型需要的训练样本大大减少,诊断时将轴承时域图像输入到网络中,在GAP层输出1 920个特征数据,不同故障状态的特征数据构建特征向量矩阵,利用模糊聚类方法求得模糊相似矩阵和模糊等价矩阵,当置信因子从大到小变化时,由对应布尔矩阵得到动态聚类图,从而实现轴承故障分类。

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。

融合模糊聚类和自适应去噪的推荐遗忘学习算法

隐私保护在推荐系统中具有至关重要的地位,因为它有助于保护用户的敏感信息免受泄露风险。近年来,推荐遗忘学习作为一种有效的隐私保护手段引起了越来越多的关注。现有方法为了提高模型的训练效率,通常将数据划分为子分区进行训练。然而,简单划分子分区会破坏用户-项目间的完整性,降低数据的可用性。此外,子分区中隐式反馈的假阳性噪声会干扰模型的训练,使其无法准确地捕捉用户的真实偏好。为解决上述问题,提出了融合模糊聚类和自适应去噪的推荐遗忘学习算法(FDRU)。该算法使用模糊聚类来划分数据集,通过计算交互样本到各个聚类中心的余弦距离来确定隶属度,进而将训练集划分为若干个子分区。FDRU设计了一种自适应去噪方法,其能够根据阈值动态地剔除子分区中的假阳性噪声。通过动态权重聚合子模型进行预测和Top-N推荐。为了验证提出算法的性能,在三个公开数据集上进行实验验证,实验结果表明,提出的算法在召回率和归一化折损累计增益上优于其他基准算法。

基于VMD模糊熵与GG聚类的直流配电网故障检测方法

针对直流配电网存在的故障信号难以提取、不易对各类故障进行诊断等问题,提出一种基于变分模态分解(VMD)模糊熵与Gath-Geva(GG)聚类的故障检测方法。首先,提取出暂态电流,采用VMD算法将故障暂态电流分解成若干个固有模态分量(IMF)。然后,分别计算分解得到的若干个IMF的模糊熵,将其作为特征向量。最后,采用GG聚类算法对故障特征的特征向量进行聚类识别。GG聚类的主要算法为将聚类样本划分为c类,设出隶属度矩阵,通过设定迭代来计算聚类中心与最大似然估计距离,更新隶属度矩阵,当隶属度矩阵满足条件矩阵时终止迭代,从而实现对单极故障、极间故障以及区外交流侧接地故障的聚类识别。仿真结果表明,所提保护方案可靠性强、准确率高,在不同故障类型、故障位置和过渡电阻等工况下均能可靠检测直流线路故障并准确识别故障类型,且具备一定的抗干扰能力。

Canny算子+模糊C聚类融合的红外热成像机场道面积水识别方法

为解决基于积水可见光图片处理时,受光照变化影响大、夜晚及恶劣天气下难以成像,或成像图像质量低到无法识别的问题。提出一种利用红外热成像+图像处理技术进行积水区域识别的方法,利用红外成像技术拍摄道面积水图像克服了传统拍照方式受光照条件限制的缺陷,进一步针对红外成像积水边界边缘模糊、边缘温度分布无明显规律的特征,提出基于Canny算子和模糊C均值聚类的红外图像积水边缘检测融合算法,并利用该算法对实拍积水红外图像进行处理分析,结果表明:该算法对模糊边界有良好的提取效果,图像分割结果与人工标注的实际面积误差在7%以内,且利用像素点的比值能够快速、准确地获取积水面积,为湿滑跑道道面状况评估提供量化支撑,为飞机在湿滑道面上的安全运行提供有效技术支撑。

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。

结合软约束的演化数据流模糊聚类算法

多源局部放电检测中,不同类型的局放信号同时存在且不断变化使得信号的分离更具挑战,而这种情况同样存在于许多数据流的聚类分析场景中。为了能够适应类簇内的不均匀密度和类簇间的重叠边界问题,同时对数据流的漂移和演化进行及时跟踪,提出了一种结合软约束的实时数据流模糊聚类算法。算法引入2种模糊性软约束来描述微簇距离和密度上的不确定度,通过阈值划分出核心微簇、边界微簇和离群微簇;在类簇边缘使用模糊隶属度,给予微簇分属不同类簇的可能性,保证类簇的完整性并提高聚类效果;使用两阶段的流程结构和2种时间窗口模型,赋予算法具有对可变化数据流的适应能力和更低的时间空间占用率。在多种数据集上的实验表明,该算法相比同类型算法在聚类效果上提升了1%~3%,且平均运行时间缩短5%~20%,在实际硬件平台的测试中也验证了算法的聚类分离性能。

贝叶斯优化模糊聚类地级行政区声环境

声环境功能区划是噪声污染管理的重要手段。当前声环境功能区划研究大多是基于某个特定的地级行政区来进行的,难以反映各地级行政区声环境的异同。该文基于134个地级行政区的人口、面积、各声环境功能区面积和及面积占比,进行地级行政区声环境表征和归一化处理。以轮廓系数作为聚类有效性评价指标,基于贝叶斯优化模糊聚类方法对地级行政区声环境表征进行聚类分析。通过与谱聚类、K-medoids聚类、高斯混合模型聚类的聚类性能对比,验证了该方法的有效性。结果表明,我国地级行政区声环境分为9类,城市规模和用地情况发生显著变化导致其声环境表征和归类发生变化后应重新评估当前噪声污染管理政策,并借鉴同类的地级行政区的噪声污染管理政策做出必要的调整。

基于模糊聚类的网络敏感数据流动态挖掘

为解决网络敏感数据流相似性较高且差异性较大,导致挖掘量下降的问题,该文设计基于模糊聚类的网络敏感数据流动态挖掘方法。构建模糊矩阵,计算不同网络敏感数据流样本间马氏距离,衡量两个样本间相似性,消除变量之间的差异性。引入速度收敛阈值,根据不同数据间模糊关系,对网络敏感数据流进行动态分类。利用遗传迭代算法迭代处理敏感数据流最大散度,获取最优离散性迭代值,通过对特征点进行聚类和均匀分配,结合动态挖掘误差拟合实现数据动态挖掘流。由实验结果可知,该方法挖掘到的数据量较多,无论是相似性数据还是差异性数据均能够被全部挖掘出来,挖掘结果具备可靠性。

适应风电场宽频振荡研究的模糊度量层次聚类法

为助力“双碳”目标实现,推动风电产业发展,研究并治理风电场并网宽频振荡问题迫在眉睫。为建立适用于风电场振荡研究且能准确高效反映实际风电场输出特性的仿真模型,提出基于模糊度量的层次聚类法,改善传统综合层次聚类算法使用距离度量造成的聚类结果偏移。利用F检验法定量评价聚类效果,横向比较F评分确定最优聚类方案,纵向比较确定最优聚类分群数。评价结果表明,模糊度量层次聚类法的聚类效果良好。最后采用PSCAD结合青海省海南新能源基地风电场实例进行了仿真分析,验证了模糊度量层次聚类法对风电场聚类的适用性。

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。

基于模糊聚类的沂水雪茄烟种植生态适应性评价

通过生态适应性评价筛选适合雪茄烟种植生产的区域,是提升雪茄原料产量与质量、促进雪茄产业发展的前提。以山东沂水雪茄庄园为例,运用生育期平均气温、昼夜气温差、生育期≥10℃活动积温、生育期相对湿度、生育期降雨量以及生育期日均日照时数等雪茄种植生产的重要气候指标,对哈瓦那、比那尔得里奥、什邡等11个国内外优质雪茄烟区进行模糊聚类并通过隶属度函数求得各地区相应的CFI值。模糊聚类结果表明,可将11个区域划分为4类,其中沂水气候条件与哈瓦那、比那尔得里奥、什邡、多米尼加、巴伊亚州等国内外优质雪茄种植地区相似,它们的气候适宜性指数CFI值依次为沂水(0.931)、哈瓦那(0.963)、比那尔德里奥(0.956)、什邡(0.944)、多米尼加(0.932)、巴伊亚州(0.892),尤其沂水与多米尼加的CFI指数最为相近。由此得出,沂水雪茄庄园具有种植优质雪茄烟的生态气候条件。

基于直觉模糊相似关系的三支决策模型

针对一些直觉模糊相似关系使直觉模糊集中对象间的相似度过于集中或者相异度过高,导致不合理的分类结果的问题,以及在构造直觉模糊相似关系时,对象间的相似度和相异度容易受到不重要属性条件信息影响的问题,本文在直觉模糊集和可能性理论基础上,提出一种基于直觉模糊相似关系的三支决策模型。首先,给出可能性测度和必要性测度的定义,结合Hausdorff度量,构造一种距离公式,并证明其性质,定义了直觉模糊集中对象间的相似度和相异度,构造了新的直觉模糊相似关系;然后定义了直觉模糊相似关系下的(λ_(1),λ_(2))-截集及其直觉模糊(λ_(1),λ_(2))-截集下的相似类,并进一步求出目标集的正域、负域和边界域;最后通过UCI数据集和实例验证了该模型的合理性和有效性。

基于模糊c-均值聚类的亚热带丘陵区土壤肥力空间分异与管理分区

[目的]亚热带丘陵区地形复杂,土壤肥力空间变异大,科学地将土壤按照相似地力进行分区,是实现丘陵区土壤精确管理,优化土壤培肥技术的理论基础。[方法]研究对象位于亚热带丘陵区的典型小流域-湖南省长沙县金井镇,2009年在全镇范围内(112 km~2)密集布置946个样点采集土壤样品,以测定的土壤肥力指标为数据源,包括土壤有机碳(SOC)、全氮(TN)、全磷(TP)、速效氮(AN)、有效磷(AP)和pH,采用地统计学和模糊c-均值聚类算法,分析流域土壤肥力的空间异质性;采用主成分分析法进行土壤肥力分区,并根据数据的差异显著性和变异系数对分区结果进行验证。[结果]除pH外,流域内土壤有机碳、全氮、全磷、速效氮和有效磷均存在中等至强的空间变异,变异系数(CV)介于36%~125%。基于主成分分析和模糊c-均值聚类可将研究区划分为3个肥力管理分区:MZ1、MZ2和MZ3,分区后各土壤肥力指标的变异系数(CV)不同程度地降低,以pH变异系数降幅最小(6%),AP变异系数降幅最大(96%)。同一分区内主要土壤肥力指标趋于同质化,分区间则异质化显著(P<0.01)。分区间水稻产量差异明显,MZ1区晚稻产量和早晚稻总产量显著高于MZ2和MZ3 (P<0.01)。MZ1、MZ2和MZ3区土壤pH值分别为4.12、4.04和4.00,均属于极酸水平;SOC分别为15.15、14.38和12.24 g/kg,均处于高水平;TN也为高水平(1.56、1.48和1.34 g/kg);TP为高至很高水平(0.86、0.69和0.60 g/kg);AN则处于很低至低水平(41.08、35.33和26.16 mg/kg);AP为中低水平(8.63、4.46和3.39 mg/kg)。[结论]亚热带丘陵区地形地貌复杂,是土壤肥力空间变异较大的主要影响因素。通过土壤肥力管理分区,可有效降低区域内肥力指标的变异程度,优化复杂丘陵区耕地管理措施。本研究区域中MZ1、MZ2和MZ3区均应着重改良土壤酸化现象,提高肥料氮素利用率,避免过量施用化学氮肥;MZ1区可适当减施磷肥,避免关键生育期过量施用磷肥;MZ2和MZ3区可以考虑适量施用生物酶活化磷肥或增施有机肥,以提高作物对磷素的利用效率。

基于改进模糊C均值聚类与SMO算法的地铁轨道健康状态评价

轨道健康状态评价技术对于保障列车的运行安全与乘客的舒适性有重要意义,为寻求一种新的轨道设备综合评价方法,实现对轨道健康状态的科学评价,提出一种基于改进模糊C均值聚类和序列最小优化算法(SMO)构建轨道健康状态评估分析模型。该模型首先提出包含轨道几何状态和结构状态的综合评价指标体系;其次采用变异系数法计算评价指标的权重系数并代入模糊C均值聚类法,得到各轨道样本的分类结果;在此基础上,再利用序列最小优化算法通过划分数据对轨道健康状态进行评价;最后通过实例分析对该评价模型进行验证并开展研究。研究结果表明,经模型评价的855个轨道单元评价结果中优良比例为94%,预测效果良好,平均误差为5%,进而验证了该模型的指标体系和评价方法的科学性和合理性,并给出了进一步研究优化的方向。本文对各轨道指标统筹综合评价,为地铁轨道工务管理线路质量评价提供一种新思路,使轨道设备管理变得有序可控,减少人力、物力资源的浪费。

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。

基于模糊场景聚类的新能源风电消纳误差修正系统

电网容易受到场景约束的影响,新能源风电场无法送出大量风电,为了修正风电消纳数据,设计了基于模糊场景聚类的新能源风电消纳误差修正系统。分析系统运行场景,使用S5PV210微处理器,为系统提供丰富接口。设计误差修正控制器,避免系统修正过程出现误差。在多目标求解原则支持下,搭建模糊场景。根据风电场历史运行数据,计算基准调度方案对新能源风电消纳的结果,获取新能源风电消纳误差序列。确定最佳聚类数,结合历史异常数据修正误差。由实验结果可知,该系统风电功率序列统计结果与理想数据存在最大为1 MW的误差,弃风功率序列统计结果与理想数据一致,所设计系统误差修正结果较好。

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。

李群模糊C均值聚类图像分割算法

模糊C均值(FCM)聚类算法凭借其学习成本低、算法开销少的特点,已经成为常用的图像分割技术之一.然而,传统FCM算法存在对图像中噪声敏感的问题.近年来,各种对传统FCM算法的改进虽然提高了算法的噪声鲁棒性,但是往往以损失图像上的细节为代价.提出一种基于李群理论的改进FCM算法并将其应用于图像分割中.所提算法针对图像的所有像素构建矩阵李群特征,用以归纳每个像素的底层图像特征以及与其邻域窗口内其他像素的关系,从而将传统FCM算法聚类分析中求取像素点之间的欧氏距离转变为在李群流形上求取像素点李群特征之间的测地线距离.针对在李群流形上更新聚类中心和模糊隶属度矩阵的问题,所提算法使用一种自适应模糊加权的目标函数,提高算法的泛化性和稳定性.通过在3组医学图像上与传统FCM算法以及几种经典改进算法的实验对比验证了所提方法的有效性.