SOM神经网络和C-均值法在负荷分类中的应用

负荷时变性和分散性已经成为制约负荷模型推广应用的主要因素,而负荷特性分类则是解决这个问题的有效途径。文中提出基于SOM神经网络的C-均值聚类算法的新的负荷分类方法:以负荷模型参数作为负荷动态特性分类特征向量,应用SOM神经网络对初始训练样本进行分类,将获得的聚类数目和各类中心点作为C-均值算法的初始输入进一步聚类。最后通过动模实验的分类结果表明该方法可自动获取分类数,应用于负荷特性分类研究中具有较强的实用性和有效性。

基于证据理论和硬c-均值法的不确定性信息聚类

在对于多源不确定性信息进行分析时,需要根据其来源对信息分类.本文研究以证据形式表达的多源信息聚类问题,详细分析证据聚类的评价标准,提出将证据空间向欧氏空间转化,利用硬 c-均值聚类法对多源不确定性信息聚类.基于以上理论,给出一个利用多源传感器 ESM 实现空中目标跟踪的实例.

模糊C-均值聚类新算法在说话人辨认中的应用

该文提出了一种将模糊C-均值聚类法的各种改进算法与矢量量化法相结合的说话人辨认的新方法。首先从语音信号中提取MFCC特征矢量,其次利用矢量量化来设计码书,最后用改进算法对待识语音进行辨认。新算法的辨认率达到95%以上,抗噪性能也优于矢量量化法。

模糊C-均值(FCM)聚类法与矢量量化法相结合用于说话人识别

该文提出了一种将模糊C-均值聚类法与矢量量化法相结合进行说话人识别的方法。该算法将从语音信号中提取的 12阶 LPC(线性预测编码)倒谱系数作为待分类样本的 12个指标,先用矢量量化法求出每个说话人表征特征参数的码书,作为模糊聚类算法的聚类中心,最后将待识别的特征矢量以得到的码书为聚类中心,进行聚类识别。该算法所使用的特征参数较少,计算比较简单,但识别率较矢量量化法高。

模糊c-均值聚类法在干港选址中的应用

合理的干港选址,对于区域经济发展起着至关重要的作用。根据干港规划布局的影响因素,引入模糊c-均值聚类法,来验证干港选址的合理性。

模糊c-均值聚类法在干港选址中的应用

为促进区域经济发展,更合理地进行干港选址,分析干港规划选址布局的影响因素,提出模糊c-均值聚类方法,认为模糊c-均值聚类法具有分析许多不确定性因素的优势,适应范围较广,且设计简单,在实际选址工作中易于将其转化成优化问题进行解决,其易于在计算机应用的特点对验证干港选址的合理性具有一定的理论意义。

电器辨识算法与系统研究

家庭用电负荷分解数据的加工利用,对于提高节能减排水平以及促进智能电网的发展具有重要意义。负荷监测有侵入式和非侵入式两种主流监测方式。但是它们都因各自的缺点而难以得到广泛应用。通过对这两种监测方式的研究,设计了一种新的负荷监测方式。通过将非侵入式结构和侵入式结构相融合,基于电流差异性和基尔霍夫电流定律,建立了电力干线数学模型。采用C-均值法对实时监测到的电流进行分类,达到辨识效果。对9种常用的家用电器分3个辨识节点进行试验。试验2 h内,辨识的准确率可达99.98%。该系统对于推动家庭服务类人工智能的发展具有积极作用。

基于最小二乘支持向量机的改进型GIS局部放电识别方法

利用最小二乘支持向量机(least square-support vectormachine,LS-SVM)的方法识别气体绝缘组合电器局部放电的类型。在信号的快速分类后利用相位分布的局部放电特征谱图的特征参数作为LS-SVM识别放电类型的依据;信号快速分类处理部分主要包括信号时间-频率特性提取部分和模糊C-均值聚类2大部分,它们把信号的时间-频率点群分为由若干具有相似信号组成的信号子群。仿真实验表明该方法可有效地应对设备情况复杂的场合且有效回避传统神经网络识别受初始值影响较大、维数过高等一系列问题。

基于支持向量机的电气设备运行状态图像识别方法研究

针对电气设备运行状态图像的特点,提出将支持向量机(SVM)分类器应用于多种电气设备运行状态识别中。首先利用C-均值聚类法,分割出运行状态指示牌的汉字或数字部分;再利用K-L变换提取出运行状态的特征向量;最后利用支持向量机分类方法进行状态识别。试验结果表明:支持向量机分类方法对于小样本情况,具有良好的分类能力,适合多种电气设备运行状态的分类,并能获得比神经网络方法更好的识别性能。不同的分类核函数的相互比较分析表明,Sigmoid核函数最适合电气设备运行状态的分类识别。

基于MSER与SIFT融合的多通道图像匹配算法研究

针对传统最稳定极值区域算法,只能从灰度通道进行不变特征提取而不能充分利用彩色图像信息的缺点,以及MSER(maximally stable extremal regions)算法与SIFT(scale invariant feature transform)算法本身存在的局限性,提出一种融合MSER与SIFT的多通道图像匹配算法.首先利用HSI(hue-saturation-insensity)颜色空间,同时从三通道进行MSER特征提取,对得到的特征进行简单筛选,将S和I通道得到的MSERs经椭圆拟合与归一化处理,并在H通道得到的区域中进行SIFT特征提取,而后对所有特征利用融合了C-均值聚类法的SIFT描述子进行描述,并用高维数据的可伸缩最近邻算法(fast library for approximate nearest neighbors,FLANN)连接同名点,利用PROSAC(progressive sample consensus)算法去除错误点,最终实现图像之间的匹配.仿真实验证明,该方法能够解决传统MSER存在的问题,并且在提取的特征质量以及处理速度上更具优势.

改进模糊聚类负荷预测方法的探讨

针对传统的c-均值模糊聚类算法易陷入局部最优解、初始值c值的给定存在着很大的人为因素以及在整个计算过程中无法自我调节的缺陷,利用遗传算法的全局寻优能力并采用一种新式的双码染色体编码方法对传统的c-均值模糊聚类算法进行了改进,同时将这一自适应的SFGO(Sampling Fuzzy c-means with Genetic Optimization)算法运用到电力系统的中长期负荷预测中,得到了比较好的效果。

网架结构在地震下的失效模式及其数值表述

通过对地震作用下不同形式的网架结构进行大规模数值计算,以最大节点位移超过结构跨度的1/50为失效准则,分析了其动力失效模式及特征,将决定网架结构动力失效模式的因素提炼为四个方面:结构8P杆件比例、全时程的最大位移、平均单杆塑性应变能以及临失效前平均位移与最大位移的比值。由于网架结构各失效模式之间存在模糊性,利用模糊C-均值方法分析以上四个因素,进而将网架动力失效模式归为三类:失稳型局部失效、强度型整体失效和强度型局部失效。结果表明,模糊C-均值方法可以有效地划分网架结构的失效模式,并将自然语言描述的失效模式转变为数字语言的表述,得到各失效模式的典型数字特征,可用于识别其他网架结构,为结构的性能化设计打下基础。

医学图像自动多阈值分割

针对医学图像的自动多阈值分割问题,采用模糊C-均值(FCM)聚类法找到医学图像的不同组织和背景的聚类中心,再利用二维直方图的方法,找到多阈值分割的各个阈值点进行分割。引用二维直方图的方法可以很好地保留目标的细节信息,更好地抑制噪声。

“一带一路”下基于两阶段模型的无水港选址研究

针对无水港选址优化问题,提出两阶段模型的无水港选择方法,分别解决候选城市的筛选和选址优化问题。第一阶段,利用模糊C-均值聚类分析法(FCM)在亚欧大陆的众多城市中选择候选城市;第二阶段,针对选址优化和运输线路选择问题,考虑多式联运,建立以总成本最小化为目标的数学模型,其中总成本包括运输成本、无水港建设成本、换装成本等,利用遗传算法进行求解。通过算例分析得出,与用直接选址求解法得出的结果相比,运用两阶段模型求解的总成本下降了15.50%。结果表明:通过两阶段模型可以得到更合理、经济的选址及运输方案,对于"一带一路"下的无水港选址研究具有理论参考意义。

模糊理论在遥感图像分类中的应用

利用2000年假彩色遥感图像,采用模糊C-均值法中的欧氏距离和马氏距离法对崇明东滩的遥感图像进行了处理。通过对白色覆盖物、未耕种土地、一号水稻田、水体和二号水稻田的分类结果表明,欧氏距离的聚类结果优于马氏距离。

绵阳城市热岛效应分析

本文首先采用模糊c-均值聚类法和剔除法,筛选出用于计算绵阳城市热岛强度的10个城市站和15个郊区站,然后利用这25个自动气象站的逐时气温资料,分析2018年绵阳城市热岛效应不同时间尺度的变化特征。结果表明:2018年绵阳存在城市热岛效应,平均热岛强度为0.64℃,表现为弱热岛等级;四季热岛效应冬季最强,其次是春季,夏季和秋季相当;逐月热岛强度3月最大、7月最小;绵阳城市热岛效应存在明显的日变化,热岛强度夜间大于白天,日最大热岛强度几乎均出现在晚上。