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。

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。

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。