离差最大化特征加权模糊c-划分的聚类分析

聚类分析中每个样本用一个m维向量来表征,每个分量描述样本的一个特征,由于对特征的提取不够完善,使得m维向量的每个分量对聚类贡献不均。基于此本文利用向量间离差最大化对样本的每个分量即特征进行加权,提出一种新的加权模糊c-划分的聚类分析法,一定程度上克服了模糊c-划分的聚类分析对每个特征等同对待不足,又保持其算法的收敛性,最后给出一个算例说明此算法的优越性。

与顶点C-划分有关的上可嵌入图类

图的顶点C划分是指 :G的顶点划分 {V1,V2 ,… ,Vk} ,使得每个G[Vi]为多重完全图 (1≤i≤k) .结合图的顶点C划分的条件 ,确定了一类点的度在modulo 4下值为 0或 3的上可嵌入图类 ,综合已有结果 ,较完整地刻画了这类图的上可嵌入情况 .

基于模糊C-划分和3D小波变换的视频编码方法

在传统矢量量化的基础上，引入噪声模型的影响，结合模糊数学理论，提出了一种基于模糊C-划分的混合噪声模型的矢量量化方法，并将其应用到视频编码中。文中视频编码方法采用了运动补偿与3D小波变换相结合。主要对基于模糊C-划分的混合噪声模型的矢量量化进行了分析。实验结果表明，该方法在视频压缩中具有良好的效果。

基于遗传算法的二维模糊C-划分最大熵SAR图像分割

在合成孔径雷达(SyntheticApertureRadar)自动目标识别中,图像分割的好坏直接影响目标的识别性能。本文将二维模糊最大熵方法应用于SAR图像,并根据SAR图像的特点,对其进行了改进。为了快速搜索到最优参数,采用了遗传算法和模拟退火方法进行全局寻优。实验结果表明,本文方法可有效地对SAR图像中的人造目标进行分割,并且具有执行时间短、鲁棒性强的优点。

铁路客运服务需求的模糊聚类分析

为了掌握客运服务各要素在铁路客运服务需求中的重要程度,提出按其重要程度归类的ISODATA模糊聚类方法。根据近期客运市场调查数据,确定客运服务要素的4个特征指标。运用ISODATA模糊聚类方法对21个客运服务要素进行聚类,并对聚类效果进行评价。把21个服务要素按其重要程度分成5类,由21个客运服务要素归类结果,分析确定要素在客运服务市场中的地位。

新的上可嵌入图类

图G的C 划分是指 :G的一个顶点划分 {V1 ,V2 ,… ,Vk}使得每个G[Vi]为多重完全图 (1≤i≤k) .证明了如下结果 :设G为连通图 ,且对任意v∈V(G) ,dG(v)≡ 1 (mod 4) .若G的顶点集存在一个C 划分 {V1 ,V2 ,… ,Vk}使得对每个 1≤i≤k,|Vi|≥ 4 ,且 |Vi|≡ 0 (mod 4) ,则G是上可嵌入的 .另外 ,联系着图的点的度和其它条件 ,推广和深化了目前有关这方面的一些结果 。

新的上可嵌入图类

一个连通图G的最大亏格γM(G)=(β(G)+ξ(G))/2,其中β(G)=|E(G)|-|V(G)|+1称为G的圈秩数,ξ(G)是G的Betti亏数。图G的C 划分是指:G的一个顶点划分{V1,V2,…,Vn},使得每个G[Vi]为多重完全图(1≤i≤n)。一个图的2 因子是指G的一个2 正则支撑子图F,若F为图G的一个2 因子。联系图的顶点划分和四边形2 因子的条件,本文给出了新的上可嵌入的图类。

一类上可嵌入图

本文主要证明了如下结果 :设G为 3-连通图 ,若G的顶点集存在一个C一划分 {V1,V2 ,… ,Vn} ,使得对每个 1≤i≤n ,|Vi|≡ 0 (mod 2 ) ,且对任意的v∈V(G) ,dG=(v)≡ 1(mod 2 ) ,则G是上可嵌入的 .

基于随机采样模糊聚类和卡尔曼滤波方法的模糊辨识

提出一种新的基于模糊聚类和卡尔曼滤波方法的模糊辨识算法 .该方法是基于快速模糊聚类 ,计算给定样本在各类中的隶属度 ,并利用卡尔曼滤波方法辨识模糊模型的结论参数 .整个辨识过程与一般的模糊聚类方法 [1 ]相比 ,需要的 CPU时间大大缩短 .最后通过仿真实例验证了该方法的有效性 .