基于优化模糊C-means算法的不平衡大数据分类研究

针对不平衡大数据的分类问题,提出一种优化模糊C-means算法的不平衡大数据分类算法。先计算C-means模糊交叉算子,定义优化函数,并求解大数据不平衡增益。利用Spark分类平台,确定大数据样本压缩模糊近邻值的取值范围,再通过放大近邻值的处理方式,定义不平衡阈向量,从而完善整个分类流程,完成基于优化模糊C-means算法的不平衡大数据分类方法的设计。实验结果表明,上述分类方法的应用,可将正例信息、负例信息的取样长度区间完全分离开来,能有效解决因不平衡大数据分类不精准造成的信息样本混淆的问题,符合实际应用需求。

基于模糊c-means算法的空间数据分类和预测

空间分类和预测是空间数据挖掘中一个非常重要的方法,但对它们的研究目前尚处于初始阶段.通过引入空间对象对模糊聚类的模糊隶属度的概念,提出了基于模糊c-means算法的空间数据分类和预测的方法(SFCM).该方法首先用模糊c-means方法对数据集论域空间进行聚类,但由于空间数据具有空间自相关的特性,在用模糊c-means算法进行空间聚类时加入了空间信息.然后计算每个空间对象对所有聚类的模糊隶属度并从中找出模糊隶属度最大的聚类.最后用该聚类中心对象的因变量的值作为该空间对象的因变量的估计值.理论分析和实验结果表明,该算法是有效可行的.

基于蚁群算法和C-means算法的图像分割方法

在计算机飞速发展的背景下,计算机的图像处理技术渗入到各个行业中。图像分割作为一种基本的图像处理技术,它的目的是把图像分成各具特征的区域,从中提取感兴趣的技术。针对以前的C-means算法在图像分割应用中的缺陷,本文提出了新的基于蚁群算法和C-means算法相结合的新型图像分割方法,它和蚁群算法以及C-means算法相比,具有明显的优点,能够获得更好的分割质量。

模糊C-Means算法从实例库中挖掘模式识别知识

以模糊c-means算法对实例初步分类,以分类正确率和隶属度构造两级目标函数对实例进行挖掘获得个体分类效果最佳的敏感信息源、主矢量、类别原型和距离计算方法。以模糊综合决策算法对实例敏感主矢量进一步挖掘获得信息融合分类效果最佳的主矢量集合。同时从实例库中挖掘出模糊综合决策权重分配系数。将c-means算法的意义扩展应用于信息融合诊断。另外还论述了两种综合诊断方法,模式识别与模糊综合决策联合的综合诊断、扩展的模糊c-means算法与综合决策联合的二级优化综合诊断。最后以列车滚动轴承故障实例库的挖掘为例阐述了原理的应用。

基于谱聚类群组发现的协同过滤推荐算法

推荐系统中,基于聚类的协同过滤推荐算法利用K-means等算法对用户和物品进行聚类,聚类结果里用户或物品只能属于一个类别,然而在实际应用中,一个用户可以有多种兴趣,一个物品也可以属于多个类别。针对上述问题,提出了一种基于谱聚类群组发现的算法,该算法通过谱聚类和C-means聚类得到用户和物品相似度较高的群组以及用户和物品归属于群组的隶属度矩阵,而且用户或物品可以属于多个群组。通过计算用户在各个群组中对物品的偏好值,并结合用户和物品在群组里相应的隶属度来预测用户对物品最终的偏好值,生成对用户的Top-N推荐结果。实验结果表明,与以往推荐算法相比,本方法在降低了数据稀疏性的同时提高了推荐结果的准确率和召回率。

基于FCM聚类和蚁群优化的WSN路由算法

在无线传感器网络(WSN)中生命周期的研究中,提出一种基于LEACH协议、Fuzzy C-Means(FCM)聚类算法和蚁群算法的改进路由算法。首先在预处理阶段FCM聚类算法将节点距离形成多个簇,避免每轮成簇造成能量浪费。然后在数据传输阶段使用蚁群算法寻找从簇头到基站的最优路径。仿真结果表明,该算法与LEACH协议相比,能够有效减少能量消耗、延长网络寿命。

彩色图像分割算法的分析与实现

对经典的聚类分割算法以及马尔科夫分割算法进行分析,通过设计软件系统实现了算法,尤其是可视化处理过程,有助于更深刻地理解相关算法,并对实验结果进行分析,指出了相关算法的不足。该系统既可作为实验工具,也可作为教学软件使用。

井下基于动态指纹更新的指纹定位算法研究

围绕煤矿井下环境特点,提出一种基于动态指纹更新的指纹定位算法。该算法运用FCM(Fuzzy C-Means Clustering)按信号分布特征划分井下定位区域,在各个子区域建立训练学习模型。在FCM算法基础上提出一种基于移动用户位置的HMM(Hidden Markov Model)运动信息序列模型,通过用户无意识地参与RSSI(Received Signal Strength Indication)序列的采集,实现指纹数据库的动态更新。运用具有自学习能力的ANFIS(Adaptive Network-based Fuzzy Inference System)算法定位未知节点。实验结果表明:所提的井下基于动态指纹更新的指纹定位算法定位精度可达2.6 m,满足煤矿井下巷道的实时定位需求。

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。

基于改进FCM算法的市场细分方法研究

一项对全球1000家大型企业CEO关于改变世界的主要营销方法的调查表明,市场细分在企业竞争中占据越来越重要的位置,已超越服务营销、连锁经营跃居榜首。现阶段研究企业对市场细分采用的方法多是模糊C-均值聚类算法,但是这种算法不能解决诸如样本不平衡和算法对孤立点敏感的问题。本文将对模糊C-均值聚类算法做出一定改进,修正了隶属度函数,并给每个样本点赋予不同的权值,从而为市场细分的具体操作提供更令人信服的理论支持。

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。

DOP生产中酯化反应苯酐转化率软测量研究

苯酐转化率是衡量增塑剂(DOP)企业产品质量的一个重要指标．通常苯酐转化率检测是通过每隔6h抽取样本．进行离线化验分析，来获得转化率的指标．该方法滞后时间大．且存在人为误差：另一方面该酯化反应不是在一个酯化釜中一次完成的．是经过5个酯化釜逐步反应．最终得到合格产品．其中前一个酯化釜的转化率必然要影响后一个酯化釜的转化率．而实际生产过程中只能检测最终产品转化率．这对产品质量的控制是十分不利的。

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。