模糊K-均值聚类算法及其在磁共振颅脑图像分割中的应用研究

目的 介绍一种动态模糊聚类算法并利用该算法对磁共振图像进行分割研究。方法 首先对磁共振颅脑图像进行预处理去掉颅骨和肌肉等非脑组织，只保留大脑组织，然后利用模糊Ｋ－ 均值聚类算法计算脑白质、脑灰质和脑脊液的模糊类属函数。结果 模糊Ｋ－ 均值聚类算法能很好地分割出磁共振颅脑图像中的灰质、白质和脑脊液。结论 利用模糊Ｋ－ 均值聚类算法分割磁共振颅脑图像能获得较好的分割效果。

改进的粗糙模糊和模糊粗糙K-均值聚类算法

在分析归纳原有聚类方法不足的基础上,结合粗糙理论和模糊理论,给出了改进的粗糙模糊K-均值聚类算法;设计了新的模糊粗糙K-均值聚类算法,并验证了该聚类算法的有效性;进而将这两种聚类算法应用到支持向量机中,对训练样本做预处理,以减少样本数目,提高了其训练速度和分类精度。

基于多源数据和模糊k-均值方法的农田土壤管理分区研究

以近地传感器(EM38)快速获取的土壤表观电导率数据(ECa)、高分遥感影像提取的归一化植被指数(NDVI)和雷达影像提取的后向散射系数为数据源,以滨海滩涂区为研究对象,利用聚类法进行农田土壤管理分区研究。在对不同的数据源进行空间变异分析的基础上,结合滨海滩涂区土壤盐分的空间变异规律,利用非监督分法—模糊k-均值聚类方法进行特征相似性归类,划分不同的管理分区。结果表明,最佳的分区数目为3个。根据每一分区的特点,可以采取相应的管理措施进行土壤改良和农田精确管理。分区结果不但可以指导采样,而且可用于实施变量投入和精确施肥推荐,为样区大面积农田土壤管理提供科学的决策依据。

一种Vague集的模糊支持向量数据描述

针对支持向量数据描述中噪声和孤立点带来的过拟合问题,提出了一种Vague集的支持向量数据描述(VFSVDD),利用模糊k-均值聚类方法生成每个训练样本的真、假隶属度,可以精细地控制训练样本对超球面边界的影响。用UCI机器学习数据集的数据实验验证了VFSVDD的有效性。

基于光谱分类的土壤盐分含量预测

基于相似土壤组分和光谱特征,利用土壤光谱反射率数据和曲线特征来进行土壤光谱分类,同时充分挖掘有效信息是光谱分析的重要应用方向之一。借助模糊k-均值聚类方法将土壤光谱数据分成四个类别(分类前先将原始光谱进行范围归一化处理),比较分析了不同类型土壤在光谱分类前后的高光谱特征,然后利用Kennard-Stone法将各类别样本划分为建模集和预测集,将预处理后的建模集光谱数据作为输入量,采用偏最小二乘回归法(PLSR)方法建立全局和各自类别的盐分预测模型。结果表明:光谱分类建模较按土壤系统分类建模和全局建模的精度有明显提高,其预测模型总体的预测决定系数RP2、预测均方根误差RMSEP、相对分析误差RPD和RPIQ(样本观测值三四分位数Q3与一四分位数Q1之差与RMSEP的比值)四个指标分别从0.664、1.219、1.733和1.461提高至0.818、1.132、2.356和2.422,其中RPD提高幅度达23.13%,四个类别所建模型RPD均大于2.0,可以对土壤含盐量进行较为精确的定量研究。研究结果为利用大样本光谱数据建立大尺度区域的盐分等土壤属性预测模型提供一种新的思路和方法。

模糊k-平面聚类算法

在 k-平面聚类(kPC)算法的基础上,通过引入模糊隶属关系.提出模糊 k-平面聚类(FkPC)算法.与 kPC类似,FkPC 同样从原型选择的角度出发,以 k 个超平面替代传统的点(类中心)作为聚类原型.同时,由于模糊隶属度的引入,FkPC 更能体现各样本点和与之对应的聚类平面的隶属关系.在人工数据集和标准数据集上的实验,均证实了 FkPC 算法的聚类有效性.更深入地揭示出除相似性度量之外,原型表示对聚类结果同样有着至关重要的影响.

区间二型TSK模糊逻辑系统的混合学习算法的研究

基于A1-C1型区间二型TSK模糊逻辑系统的设计算法展开研究,将模糊聚类、神经网络、模糊逻辑系统相结合设计系统,首先应用模糊K均值聚类方法筛选规则,其次将模糊逻辑系统融入神经网络中设计6层模糊神经网络系统,最后通过合并最小二乘法和BP算法来调节系统前后件参数,使系统取得更好的性能。

基于分解协调原理的大规模动态车辆调度

提出一种解决大规模动态车辆调度问题新算法。首先,采用动态聚类方法,将整个系统分解为几个子系统。其次,针对传统大系统分解协调算法,解决大规模动态车辆调度,收敛性能比较差的问题,设计了有效的协调参数,并在主系统和子系统中,又分别设计了不同的自适应遗传算法。仿真试验表明,该算法不仅提高了最优解的质量,而且还具有搜索空间小、求解速度快的特点,能够有效地解决大规模动态车辆调度问题。

一类基于高斯核的动态聚类算法研究

通过研究核映射机理,提出了用于聚类分析的高斯核聚类算法.采用Mercer核映射将输入空间的样本映射到高维特征空间,在保持样本原有特征的基础上通过核映射使样本的差异性得到一定程度的放大.这样在特征空间中就可以采用传统的k-均值聚类方法,从而弥补k-均值聚类对于各样本的边界是线性不可分以及类分布为非高斯分布或为非椭圆分布时,其聚类效果较差的缺点.这种核聚类方法由于是对样本进行了预处理,增大样本差异的前提下对样本进行聚类,从而提高了聚类精度,获得较好的聚类效果.应用这一算法对几种典型分布的数据进行聚类实验,仿真结果表明高斯核聚类算法性能优于k-均值算法和模糊k-均值算法.

基于红外光谱曲线的中药材品种辨识方法研究

为了探索应用红外光谱技术辨识中药材的品种,以中红外光谱数据为依据,首先,通过离群点分析剔除了奇异样品,使用移动平均法对原始数据做平滑处理,使用标准差法降维,使用差异度评价聚类效果。其次,分别考察了系统聚类法、K-均值聚类法和模糊K-均值聚类法的聚类效果,发现在分为5类的情况下K-均值聚类法的聚类效果最好。第三,从描述分析、箱图、频率分布的角度对5种中药材的特征和差异进行了比较。本方法原理简单,计算高效,结果可靠,对丰富中药材的品种辨识方法具有重要参考价值。

基于Gap Statistic和广义互相关的单通道SEMG分解

目的分解单通道表面肌电信号(surface electromyography,sEMG),获得组成肌电信号的运动单元动作电位(motor unit action potential,MUAP)的波形及发放频率。方法首先对单通道的sEMG信号进行候选MUAP信号段检测,然后使用基于模糊K-均值聚类的Gap Statistic聚类分析处理获取参与肌肉活动的运动单元发放的模板MUAP,最后使用广义互相关求时延的方法完成对低收缩水平的表面肌电信号的分解,并获得所有模板MUAP的发放频率。结果对模拟的单通道表面肌电信号进行分解,MUAP的准确识别率可达80%以上;并对真实采集的低收缩水平的等长收缩表面肌电信号进行分解,得到了MUAP波形和发放信息。结论本文提出的方法能够有效的对单通道表面肌电信号进行分解,具有较好的分解效果。

基于CPTU测试数据管桩承载力预测新方法

运用模糊K-均值聚类算法,针对层状地基,建立基于CPTU测试数据的轴向受荷单桩承载力的预测模型,编制MATLAB程序并进行预测分析,考虑静力触探过程中沿桩长的全部连续记录数据,改进对奇异数据的处理方法,并与传统预测桩基承载力的CPT方法比较发现:该方法预测的桩基承载力更接近现场实测值,且精度更高。

凡河流域监测断面优化与筛选

在"十二五"期间提出对辽河流域监测断面进行优化筛选,构建总量监控系统。采用k-均值模糊聚类分析法和物元分析法对凡河干流8个断面进行优化。k-均值模糊聚类分析法适合处理连续数据集,物元分析法适合处理多目标数据集。两种方法结合弥补单一数理统计方法的不足,再根据断面属性及实际情况,最终确定水质监测断面。通过分析,凡河干流监测断面可由8个优化至7个,达到以最小的代价和最高的效率使监测断面具有最佳的整体功能。