基于硬C均值聚类算法和支持向量机的电力系统短期负荷预测

提出了一种联合使用硬C均值(hard C-mean,HCM) 聚类算法和支持向量机(support vector machine,SVM)的电力系统短期负荷预测方法。与目前采用单一SVM的负荷预测方法相比,考虑了电力负荷变化的周期性特征,依据输入样本的相似度选取训练样本,即通过对学习样本的聚类选用同类特征数据作为预测输入,保证了数据特征的一致性,强化了历史数据规律。实际应用证明了该方法的有效性,该方法不仅提高了负荷预测精度,还缩短了预测执行时间。

运用硬c均值改进kmeans算法的聚类分析

在Matlab平台上运用硬c均值改进kmeans算法对文献数据进行模糊聚类分析,通过运算可提高分类过程的效率,为模糊聚类分析的应用提供了一种简便运算的方法。

小波变换和硬C均值聚类的数字水印算法

提出一种基于硬C均值聚类的小波域数字图像水印算法。该算法利用人类视觉特性对小波域的低频子图进行硬C均值聚类,确定可嵌信息区域,在可嵌信息区域内通过交换相邻小波域系数值嵌入二值水印图像;双混沌序列的使用增强了水印系统的安全性。实验结果表明:该算法不仅具有良好的透明性,而且对叠加噪声、JPEG压缩、几何剪切,改变图像核心部分等恶意攻击具有高鲁棒性。

基于模糊C均值聚类算法的蒙医方剂类别划分方法研究

目的采用模糊C均值聚类(FCM)和硬C均值聚类(HCM)算法对蒙医方剂进行类别划分,探讨2种聚类算法的合理性。方法选取《传统蒙药与方剂》中治疗赫依病的27首蒙医方剂,进行数据预处理。采用MS Visual Studio 2010平台,使用C#语言进行开发,分别运用Window From、WPF技术实现汉、蒙文版本。采用FCM和HCM算法按3、4、5、6个类对数据进行聚类分析。结果所有相异数不为零的分类都存在包含现象,2种聚类算法得到的分类结果中药物不存在交叉。与HCM算法比较,FCM算法的分类结果中各类样本数量差较小,即分类较均匀。结论 2种算法均正确合理,其中FCM算法具有更好的聚类效果,可广泛应用于蒙医方剂分析,为新药研制提供数据支持。

基于HCM聚类的连续域模糊关联算法

针对粗糙集对于连续域属性决策表的处理能力差以及不容易获得模糊集之间关系等问题,提出一种基于连续型属性模糊关联规则约简算法。该算法引入三角隶属度函数将连续属性值转化为模糊值,并使用硬C均值聚类方法获得数据集之间关系,采用遗传算法优化该模型。仿真结果验证了该模型的有效性。

一种自适应彩色数字图像盲隐藏方法

提出了一种将24位真彩色图像隐藏于另一幅24位真彩色图像的新方法。该方法采用硬c均值聚类及多分辨率彩色量化技术,实现了彩色图像的自适应盲隐藏。它具有隐藏信息量大、恢复图像的误差小及使用方便的特点,对常见的图像处理与攻击具有一定的抵抗能力。另外,通过超混沌的置乱技术,使隐藏到载体图像中的数据有非常好的伪随机特征,具有很高的安全性。该方法在PC机上实验,得到较好的实验结果。

自适应径向基神经网络及其应用

提出一种基于硬C均值算法的自适应RBF神经网络。该算法根据网络训练误差的变化,在隐层到输出层的权值修改过程中,对学习步长进行自适应调节;对通常采用的基函数宽度的计算方法作了改进;对于硬C均值算法出现的死节点,则在程序运行中自动进行删除。利用该改进的自适应RBF网络进行某合成氨装置的氢氮比预测,网络计算误差小、收敛迅速、结果令人满意,表明网络具有良好的性能。