基于模糊C-means聚类的地球化学数据分析

采用数据挖掘技术中模糊C-means聚类算法,以地球化学元素为数据对象、样品分析结果为属性值,对某已知金矿区和锡矿区岩石样品的元素组合特征进行了分析。聚类分析得出的元素组合关系与已知地质资料相一致,表明模糊C-means聚类算法能够客观、有效地发现地球化学元素的组合特征。同时,对位于内蒙古地区某多金属成矿带的地球化学采样数据进行了分析,根据聚类结果推断该地区是寻找金、银多金属矿产资源的目标区域。

基于模糊C-means聚类的数控机床热误差补偿控制

数控机床在受热条件下产生热误差,降低了数控机床的稳定性。因此,提出基于模糊C-means聚类的数控机床热误差补偿控制方法,构建数控机床的输出工况信息采集模型,利用热力学传感器采集数控机床热动力学参数,对热误差相关性约束参数进行自整定控制,采用模糊C均值聚类方法实现对数控机床热误差约束参数的特征聚类处理。通过提取数控机床热误差补偿的高雷诺数信息分量,在不同的驱动响应控制模型下采用误差反馈补偿方法,实现对数控机床的气动扰动和流场分析,根据模糊C-means聚类结果,实现对数控机床热误差补偿控制。仿真结果表明,采用该方法进行数控机床热误差补偿的输出稳定性较好,误差补偿能力较强,提高了数控机床的加工精准度水平。

基于直觉模糊对称交互熵C-means聚类的反导目标识别方法研究

在不确定信息反导目标识别的背景下,针对不确定信息处理和现有的基于欧几里得距离的模糊C-means聚类算法的性能问题,首先采用直觉模糊集对其进行描述与分析,同时,将聚类目标函数中的欧几里得距离替换为模糊对称交互熵距离,提出了一种基于直觉模糊对称交互熵C-means聚类(Intuitionistic fuzzy symmetric cross entropy C-means,IFSCECM)算法,通过采用IRIS数据集算例分析对比,证实该算法的可行性和有效性。其次,根据弹道目标识别的特性,将IFSCECM算法应用于反导目标识别中,并采用多特征综合识别方法对来袭弹道目标威胁群进行分类识别研究。最后,通过仿真实验和对比分析表明该反导目标识别方法的可行性、有效性和优越性,具有较高的应用价值。

雷达数据关联中动态加权模糊C-均值聚类算法研究

针对雷达本身及测量的运动目标淹没在大量的杂波中而导致所测数据的不准确问题,文中对雷达测量的大量目标数据进行卡尔曼滤波,以减少数据关联时的计算冗余量;并对模糊C-均值(C-Means)聚类算法进行改进,改进后的算法利用实时目标航迹斜率的变化率对传统的模糊C-Means聚类算法进行动态加权,从而使模糊C-Means聚类算法的目标函数最优化,优化后的目标函数确定的聚类中心更加逼近目标的实际值,从而保证数据关联的准确度,并减少了计算时间,提高算法的效率。仿真实验表明,将文中基于目标航迹斜率变化率动态加权的模糊C-Means聚类算法应用于曲线运动目标的数据关联中,与传统的模糊C-Means聚类算法相比,可以提高数据关联准确度和效率。

HSI空间和改进C-means的彩色人民币号码分割方法

针对采集到的人民币号码图像都是彩色图像并携带有噪声这一现象,本文提出基于HSI空间和改进的C-means算法的人民币彩色号码图像分割方法。选用HSI颜色空间作为彩色分割空间,在HSI空间内,将HSI的3-D搜索问题转化为3个1-D的搜索问题,求取图像在3个1-D方向上的灰度直方图,该方法根据图像当前点3×3邻域内每个像素灰度值与当前点灰度值差值的大小情况,确定聚类算法中当前点的灰度值p(m)的值,采用C-means聚类算法分别确定文字和非文字的聚类中心,利用欧式距离进行人民币号码前景和背景的聚类判断。该方法直接对彩色人民币号码图像进行分割,考虑了当前点与邻域像素点之间的相互关系,具有一定的自适应性。实验结果表明,提出的号码图像分割方法不受图像噪声和局部边缘变化的影响,且变换后数据量减少,易于计算,该方法对字母和数字的分割都有效,鲁棒性较强。

基于ε邻域的三支决策聚类分析

传统的聚类方法大都是二支决策,即决策一个元素属于一个类或者不属于一个类。然而在处理不确定性信息时,强制将其中的元素划分到一个类中,往往容易带来较高的决策风险。三支决策聚类将确定的元素放入核心域中,将不确定的元素放入边界域中延迟决策,可以有效地降低决策风险。利用数学形态学中膨胀与腐蚀的思想,提出了一种使用样本的ε邻域将二支聚类转化为三支聚类的方法。该方法在二支聚类的结果上,利用每个类中元素的ε邻域收缩得到核心域,扩张得到边界域。在UCI数据集上的实验结果显示该方法可以降低聚类结果的DBI,提高聚类结果的平均轮廓系数和准确率。

1种鲁棒的模糊聚类方法

模糊C-means聚类(fuzzy C-means,FCM)未考虑噪音和野值点对聚类的影响,故FCM是欠鲁棒的.为了增强鲁棒性,将FCM中的光滑距离度量改变为非光滑距离度量.由此提出了1种鲁棒的模糊聚类方法(robust FCM,RFCM).为了求解RFCM对应的非光滑优化问题,采用了(majorization-minimization,MM)框架.通过在多个数据集上的实验,将RFCM与传统FCM算法进行对比,表明RFCM比FCM具有更好的聚类效果.

AFCM聚类和张量不变量用于磁源多目标定位

为了实现不同位置、磁矩和埋深的多个磁偶极子同步定位,提出通过自适应模糊c-means(Adaptive Fuzzy c-means Clustering,AFCM)聚类和张量不变量进行磁目标多源定位的方法。首先,在磁梯度张量系统的二维平面网格测量基础上,利用归一化磁源强度和张量缩并的不变量改进倾斜角对目标二维分布区域进行预识别。然后,利用张量衍生不变关系定位方法计算识别区域内各节点处的磁偶极子初始位置三维坐标,这些坐标将在磁源的真实位置空间周围形成稠密点云。最后,AFCM聚类算法将对这些初始位置解集点云进行三维聚类并自动检测簇质心数目,估计的簇质心数即为目标数量,簇质心即为目标位置坐标,张量矩阵和位置矢量可用于目标磁矩计算。仿真数据集表明,在5 nT/m方差的高斯噪声环境下,对20个磁偶极子目标数目估计精度为100%,水平位置估计精度大于91.7%,埋深估计精度大于85.6%;实测中,在2.1 m×2.1 m和1.2 m×1.2 m测区内对多个小型磁铁的坐标估计偏差小于0.091 m。

基于改进FCM聚类医学图像配准

ICP和互信息广泛应用于医学图像配准,但存在以下问题:其计算量非常大,耗时长;受初始旋转和平移参数影响较大,图像配准容易造成目标函数陷入局部最优值。该方法通过计算参考图像和浮动图像的质心,获得配准平移初始值;对医学图像坐标进行中心化处理,通过改进的FCM聚类方法把图像坐标聚成2类;把这2个聚类中心拟合成一条直线,可以算出该直线的斜率,得出其倾斜角,从而获得配准旋转初始值。实验结果表明,该方法既可用于单模态图像配准,也可以用于多模态配准。还具有运算量少、图像配准速度较快、计算比较简单、精确度较高等特点,并且解决了图像配准容易陷入局部最优的问题。

基于并行Apriori的物流路径频繁模式研究

传统的频繁路径挖掘分析主要通过关联规则算法实现,但其在处理大型数据集时,会产生占用内存过多,数据处理速度慢等问题,对此提出一种基于Fuzzy c-means聚类算法的并行Apriori算法模型。该模型通过Fuzzy c-means算法完成对原始数据集的聚类分析,将同一区域的物流路径数据划分到内部相似度较高的数据类,并利用Apriori算法对各数据类中的频繁模式进行挖掘分析,进而获得各区域的物流频繁路径。同时通过Hadoop平台实现算法的并行化,有效提高算法运行效率和质量。通过对物流频繁路径的挖掘分析,使管理者更清楚货物流向,可为配送路径优化等决策提供支持。

基于狮群优化的FCM图像分割算法研究

为了解决模糊C均值聚类(FCM)算法进行图像分割时容易陷入局部最优和随机初始化聚类中心的问题,研究人员提出了基于改进的狮群优化和模糊C均值聚类的混合图像分割算法。该算法首先利用改进的狮群算法优化模糊C均值的目标函数,增强算法全局最佳值搜索能力,使其避免陷入局部最优,同时引入聚类有效性指标,通过迭代更新搜索到合理的分割类别数实现自动确定图像分割最佳类别数,并根据最佳类别数确定最优聚类中心的选取,最终实现图像的自适应分割。实验结果表明,该方法可自适应地确定图像分割最佳类别数,能快速准确地实现图像分割。

基于相似日和RBF神经网络的短期电力负荷预测

短期电力负荷预测中选取合适的相似日作为训练样本可以简化训练过程并提高预测精度。为了减小积温效应对相似日选取的影响,提出了一种根据综合相似度选取相似日的方法。通过将温度和其他负荷影响因素分别计算相似度,从而根据计算得到的综合相似度来选取相似日。此外,为了提高RBF神经网络的预测效果,将训练样本先用减聚类进行聚类,根据聚类结果设置模糊c-means聚类的初值,运用模糊c-means聚类来优化RBF神经网络的隐含层参数,最后结合相似日和改进RBF神经网络进行短期电力负荷预测。通过实际电力负荷数据的仿真分析验证了所提方法的有效性。

CSA-FFCM算法在玉米种子芽根长度自动化测定中的应用

面对实验室大量的种子实验,研究人员通常采用手工测量法定期对种子的芽根生长长度进行测量,但手工测量方法耗力,且易损伤幼苗,从而造成实验无法进行.为能有效、快捷、准确地掌握种子生长发芽情况,基于CSA-FFCM算法的种子芽根长度分析法,研究玉米种子芽根长度自动测量法.对玉米种子芽根图像进行二值化处理,通过CSA-FFCM算法对灰度图像聚类,得到自适应的分割阈值;在二值图像中识别出每粒玉米种子芽根轮廓区域,并对识别出的玉米种子芽根轮廓进行细化处理,自动统计玉米种子芽根长度.实验结果表明,该方法能够自动搜索分割阈值,且处理速度受图像分辨率影响较小、实时性高;自动测定的玉米芽根长度与PS手工测量长度相比,误差小于5%.此测定方法能为后期的自动化测量提供技术参考.

面向智能运维的离散制造过程知识获取方法

离散车间制造过程知识自动获取是基于制造知识实现车间智能运作维护的基础。从某企业数控车间运作维护需求出发,对车间制造业务流程进行重组优化;搭建基于车间智能终端的工序制造过程数据实时采集系统,实现多层次、多目标制造过程数据关联采集;建立基于模糊c-means聚类模型划分案例库以提高检索效率,建立互信息计算属性权重模型以提高检索准确性与合理性。本文结合企业车间实际,证明了该知识获取方法的有效性。

一种基于各向异性扩散的图像分割算法研究

针对煤矿井下图像对比度小、纹理不清晰和数据量大等问题,根据各向异性扩散在图像处理中具有良好的边缘保持与增强的作用,提出一种基于各向异性扩散的图像分割算法.首先在图像分割前对原图像进行各向异性扩散运算,在消除原图像噪声的同时,更好地划分了图像的边缘和纹理区域;然后提取图像的纹理特性运用到聚类算法中,从而对图像进行分割.实验证明:与未经扩散处理的分割算法相比,基于各向异性扩散的图像分割算法不仅改善了分割效果,而且提高了计算速度.

基于改进Yolov5算法的绝缘子缺损检测方法研究

本文提出一种基于改进Yolov5算法的绝缘子缺陷检测方法,通过FuzzyC-means算法、解耦头等4个改进点解决图像失真导致的检测精度下降以及运行速度慢的问题,实验表明,在测试集上的检测精度相比原算法提升4.5%,速度提升13%左右,证明本文方法的有效性。

基于非下采样Shearlet和几何结构的遥感图像无监督变化检测

提出了基于非下采样Shearlet和几何结构的遥感图像无监督变化检测新算法。首先将两幅SAR图像相减取绝对值得到差异图像,然后利用基于非下采样Shearlet自适应贝叶斯阈值去噪算法对差异图像进行去噪处理来减少噪声的影响。最后根据差异图像的局部几何特征和邻域信息构造跨特征矢量,再利用模糊C-means聚类算法对跨特征矢量聚类,聚类的结果为变化类和未变化类即最终的变化检测结果。实验证明:该算法对噪声的抗噪性能平稳而且有效,可以得到较好的检测结果。