基于改进FCM聚类算法的混合建模方法在苯酚浓度预测中的应用

为了解决单一模型无法满足复杂化工生产过程预测精度要求的问题,引入混合建模方法。首先,考虑到模糊C均值聚类(FCM)算法在初始聚类中心选择上存在的缺陷,采用SA算法和GA算法对其进行优化,以选择最合适的初始聚类中心,提高聚类精度;然后,基于支持向量机建立各子类预测模型;最后,将测试样本划分到各子类中,采用各子类模型仿真得到预测值。采用混合建模方法和单模型方法预测苯酚浓度并与真实值对比,结果表明:笔者所提混合模型得到的平均相对误差(MRE)和最大相对误差(MXRE)均小于单模型的。

多源数据融合驱动的城市快速路交通状态划分

为提升交通状态划分效果,本文提出一种基于负激励项的改进模糊C均值聚类(BNITFCM)交通状态划分模型。该模型在原有FCM(Fuzzy C-Means)模型基础上考虑了交通流样本点权重以及交通流参数权重对聚类效果的影响,并引入隶属度负激励项、交通流权重负激励项、交通流样本点权重负激励项使聚类结果呈现类内高耦合、类间低耦合的特性。在此基础上,对样本点进行加权处理,用加权欧氏距离描述样本点之间的关系。通过拉格朗日乘子法得出模型的迭代公式并通过该迭代公式对模型进行求解。针对大多交通状态划分方法参数特征维度低的问题,本文以经过多源数据融合获得的速度、速度标准差、流量、密度和道路满载度构建高维特征输入。以数值仿真实验检验了BNIT-FCM模型在分类准确性方面的表现,结果表明,BNIT-FCM模型较FCM模型和改进模糊隶属度FCM模型(IFMD-FCM)的ARI(Adjusted Rand Index)分别提升了4.17%和3.56%。以深圳市北环大道卡口和浮动车数据的交通流为研究对象,实验结果表明,BNIT-FCM模型对比FCM模型以及IFMD-FCM模型的轮廓系数分别提升了4.12%和4.07%;同时,BNIT-FCM模型采用多源融合数据的速度及其标准差比单独采用卡口数据和单独采用浮动车数据的速度及其标准差的轮廓系数分别提升了29.67%和54.13%。

结合FCM聚类与SVM的火焰检测算法

针对传统视频型火焰检测算法误报率高、局限性强等问题,提出一种四步火焰检测算法。首先利用一种自适应混合高斯模型(GMM)检测视频序列中的运动目标;然后采用模糊C均值(FCM)聚类算法分割疑似火焰区域与非火区域;再提取疑似火焰区域的面积变化、表面不均度等时空特征参数;最后将这些特征参数输入训练好的支持向量机(SVM)分类器以识别火焰区域。实验结果表明,算法不但在提高了检测率的同时降低了误检率,而且适用范围广,是一种有效的火焰检测算法。

一种结合FCM的Mumford-Shah混合模型MR图像分割方法

为了实现MR图像中多目标感兴趣区域的提取,提高MR分割精度。提出一种在Mumford-Shah混合模型中耦合模糊C均值聚类(FCM)的MR图像分割方法。首先,采用FCM对图像进行预分割,解决初始零水平集曲线的定位问题;其次,在Mumford-Shah混合模型的保真项中耦合感兴趣区域的FCM信息。所提取方法对脑白质、脑灰质、脑室平均重叠率分别为76.05%、72.61%和71.18%,而使用FCM方法分别为64.77%、62.38%和60.79%。实验结果表明:与FCM区域信息结合的Mumford-Shah模型在MR图像分割处理中有较高的分割精度与抗噪声能力。

基于FCM-SCEMUA的水文模型参数不确定性估计方法

引入模糊C-均值聚类(FCM)方法对水文过程进行分类,结合SCEMUA方法,建立了基于FCM-SCEMUA的水文模型参数不确定性分析方法。选择南水北调水源区所在的汉江上游的江口流域,以新安江模型为例进行了实例研究。结果表明,FCM-SCEMUA方法通过对不同分类的似然函数分别设置阈值,在阈值同样为70%的情况下,所得到的有效参数组比通过SCEMUA方法得到的减少了64.8%的不合理参数组。所推求的参数后验分布更能够朝着高概率密度区进化,推导出更加合理的水文模型参数的后验分布,从而得到更加合理的预测区间,有效地减少了水文模拟与预测的不确定性。

基于快速FCM算法的多目标分割CV模型

Chan-Vese(CV)模型是基于水平集方法演化不依赖图像梯度的算法,能很好地处理拓扑变化和弱边界,但对于目标和背景对比度低的边界以及多目标区域分割效果较差。针对上述问题提出一种基于快速模糊F均值(FCM)算法和邻域模板改进的CV模型。利用快速FCM算法提取图像特征信息,采用邻域模板阈值法对不同的目标区域分别处理,准确控制了轮廓线的分裂,能够分割出更多的目标区域。

CPN在FCM形式化建模与验证中的应用

联邦概念模型(FCM)是整个联邦系统开发的依据。针对当前FCM建模能力差、可重用性低,以及很难实现FCM的动态行为验证的缺陷,分析了国内外形式化建模与验证方法研究的现状,提出了一种基于着色Petri网(CPN)的联邦概念模型形式化建模与验证方法,给出了用CPN建立与验证FCM的步骤,并以一制造系统为例,利用CPN Tools建立了系统的FCM,验证了所建模型的活性、家态和公平性。研究表明,CPN能够为FCM的形式化建模和验证提供有效的支持。

结合FCM和RSF模型的医学图像分割方法

针对现有活动轮廓模型初始化敏感的缺点,提出一种新的基于区域的活动轮廓模型。该模型采用模糊c均值聚类(FCM)算法对图像进行预分割,将预分割结果二值化为种子标记矩阵,作为下一步水平集演化的初始轮廓,解决了初始化敏感问题;引用RSF(Region-Scalable Fitting)模型的局部区域项作为能量项,提高了分割灰度分布不均匀图像能力;使用高斯滤波方法正则化水平集函数,避免了重新初始化过程,提高了分割效率。实验结果表明:该模型避免了初始化,具有分割结果精确、分割效率高的特点。

基于云模型和FCM聚类的遥感图像分割方法

模糊C均值算法由于具有良好的聚类性能而被广泛应用于图像分割领域,但聚类中心的初始化问题一直影响着该算法的运行效率。好的初始聚类中心,可以使算法很快收敛于最优解,而不合适的初始聚类中心,不仅需要更多的迭代次数,而且还可能使算法最终收敛于局部最优解。文章结合云模型和FCM(模糊C均值)聚类算法,提出了一种遥感图像分割的新方法。利用云变换解决模糊C均值聚类算法的初始化中心选择问题,可以根据样本特性自动确定聚类中心值及个数,并以较少的迭代次数收敛到全局最优解,提高了模糊C均值遥感图像分割方法的效率,具有较好的稳定性和鲁棒性。文章选取三幅TM遥感图像作为样本,分别利用云模型的FCM方法和传统的FCM方法对样本进行分割实验,实验表明采用云模型的FCM方法不仅能够取得较好的分割效果,而且大大减少了使算法收敛的迭代次数,提高了分割的效率。

煤与瓦斯突出强度预测的AFSA-PCA-FCM耦合模型

针对传统模糊C均值(FCM)聚类算法在预测煤与瓦斯突出强度时不精确的问题,提出了一种基于人工鱼群算法(AFSA)和FCM聚类算法相结合的主成分分析(PCA)筛选的混合新方法。使用AFSA优化FCM聚类算法的初始参数,在公告板中更新AFSA的最优解,从而确定当次的聚类中心,通过PCA找到一个最佳聚类中心。通过无线传感网络系统实时采集井下影响煤与瓦斯突出的主要因素数据作为样本,将预处理后的数据进行分析、建模,并与AFSA—BP,FCM等方法进行比较、讨论。结果表明:对于煤与瓦斯突出强度的预测,该方法具有较高的准确性、快速性并能够稳定地收敛于全局最优解。

基于EM算法的高斯混合模型的织物组织点自动识别

针对现有无监督学习识别机织物组织点的准确率相对较低和不稳定的问题,研究基于EM算法的高斯混合模型对机织物组织点的识别方法。首先对采集的不同织物图像进行预处理及图像矫正,以提高后续的组织点的分割效率;接着利用改进的灰度投影法进行织物组织点定位,并提取组织点的灰度共生矩作为纹理特征,通过主成分分析对纹理特征进行降维处理;最后采用2种常见无监督学习与文章所用的识别方法做实验比较,并采用4种评估指标进行评估,得到评估结果。通过计算4种评估指标平均值和标准差进行比较,文章所用识别方法的评估参数平均值都要比其余两种识别算法高。文章所用识别方法能对织物组织点进行自动识别,并且识别的准确率相比于其余两种识别算法得到了有效地提升。

模糊认知图学习算法及应用综述

模糊认知图(Fuzzy cognitive map, FCM)是建立在认知图和模糊集理论上的一类代表性的软计算理论,兼具神经网络和模糊决策两者的优势,已成功地应用于复杂系统建模和时间序列分析等众多领域.学习权重矩阵是基于模糊认知图建模的首要任务,是模糊认知图研究领域的焦点.针对这一核心问题,首先,全面综述模糊认知图的基本理论框架,系统地总结近年来模糊认知图的拓展模型.其次,归纳、总结和分析模糊认知图学习算法的最新研究进展,对学习算法进行重新定义和划分,深度阐述各类学习算法的时间复杂度和优缺点.然后,对比分析各类学习算法在不同科学领域的应用特点以及现有的模糊认知图建模软件工具.最后,讨论学习算法未来潜在的研究方向和发展趋势.

SPOC+FCM混合式教学模式的构建与实证

基于小规模限制性在线课程(简称SPOC)的优点和翻转课堂教学(简称FCM)的特点,突破传统的FCM三阶段模式,构建了将教育技术与教学融合的SPOC+FCM混合式教学模式,并阐述了该教学模式的T(4)+A(3)流程框架、教学活动设计和实施方法。通过三轮的公共通识课程C语言程序设计教学实践,采用问卷调查进行描述性研究并对相关学习数据进行验证性统计分析,结果显示,该教学模式有效地培养了学生的学习能力、分析与解决问题的能力,提高了教学质量,为地方应用型高校的教学改革和实践提供了有益的参考。

利用FCMs技术推算金属在土壤中的腐蚀率

将模糊认知技术(FCM s)应用于金属土壤腐蚀研究,利用FCM s的学习特性和简洁性,在实验室的模拟溶液对金属腐蚀数据的基础上,根据国家自然环境埋片试验的数据,推算出金属的土壤腐蚀速率,结果近似程度比较高.

FCM与AgNORs在Wistar大鼠腭黏膜癌变过程中的诊断价值

目的:研究流式细胞术(Flow Cytometry,FCM)和银染核仁组织区(AgNORs)2种方法在诊断Wistar大鼠腭黏膜癌变过程中的作用。方法:通过化学诱导法建立大鼠口腔癌模型,采用流式细胞术和银染核仁组织区法对7例正常黏膜和63例不同癌变发展阶段黏膜细胞的DNA含量和细胞增殖状态进行检测,并对结果做相关性分析。结果:DNA指数(DI)、异倍体率和AgNOR颗粒计数随着组织病理学分级增加而逐渐增加,异常增生、原位癌、浸润鳞癌与正常黏膜相比差异有统计学意义(P﹤0.05)。Spearman线性相关分析显示DNA指数和AgNOR颗粒计数呈正相关(r=0.713,P﹤0.05)。结论:流式细胞仪检测和银染核仁组织区两种方法可以作为口腔癌诊断的辅助检测手段,2种方法相结合可以提高口腔黏膜病变的检出率。

数据挖掘聚类算法在电力系统中的应用

针对电力系统当前输出数据多、数据应用能力差等问题,提出一种新型的数据挖掘方法。构建改进型数据挖掘聚类算法模型,通过FCM聚类算法模型实现电力系统应用过程中不同状态数据分析、计算与应用;构建回归算法模型,实现分类后数据信息的预测;通过构建电力系统应用模型,将不同的数据信息融合后,实现了多种数据信息的挖掘与应用。实验证明,该研究方法分类能力强、预测精度高,可推广使用。

基于FCM聚类和C-V模型的人眼精确定位方法

提出了一种精确提取眼睛轮廓、虹膜边界、瞳孔中心及眼角坐标的方法。首先利用基于AdaBoost算法的眼睛检测器提取眼睛所在的图像子区域,并应用单尺度Retinex算法增强该子区域;然后在子区域中运用梯度Hough圆变换提取瞳孔中心和虹膜边界;接着运用模糊C均值(FCM)聚类算法在子区域内提取眼睛的初始区域,并以初始区域构造符号距离函数作为C-V模型的初始水平集函数;最后运用C-V模型提取眼睛轮廓和眼角坐标。在Purdue AR人脸测试集上,结合FCM聚类后C-V模型的收敛速度提高了64.1%、定位精度提高了8.3%。方法不受复杂背景影响,对光照变化有较好的适应度,具有较高的鲁棒性。实验结果表明方法是有效的。

基于FCM和LBF模型的医学图像自动分割

基于局部区域二相拟合(LBF)模型的医学图像分割方法,对初始轮廓敏感并仅能分割单类目标,若手动选取的初始轮廓不合适,将导致算法耗时过大甚至分割失败。针对上述不足,提出联合模糊C均值(FCM)聚类的LBF模型自动分割算法。对待分割图像进行FCM聚类,将得到的目标类隶属度值变换为适用于LBF模型的水平集函数初始值,利用LBF模型从该初始值开始演化直至收敛,从而完成分割。合成图像及血管和脑部图像的分割实验结果表明,该算法能够自动获取合适的初始值,有效解决LBF模型对初始轮廓敏感的问题,减少迭代次数,而且通过选择不同的FCM聚类结果,可以实现对多类目标的分割。

基于SEM的PPP项目绩效影响因素FCM模型

对PPP项目绩效的形成机理进行简单分析,得出包括项目本身特性、项目参与人、项目投入和项目发展过程的四个影响PPP项目绩效的综合影响因素。经过结构方程模型构建,导入问卷调查数据形成标准化的PPP绩效影响因素结构方程模型,得到对绩效影响效应突出的因素是项目本身特性和项目参与人。在已构建的结构方程模型基础上对PPP项目绩效进行FCM模型演化分析得到绩效演化曲线,得到PPP项目绩效对各观测变量的敏感性程度。进行因素影响分析,并通过诊断分析以及FCMapper分析得到最大影响因素为项目参与人因素。

基于随机森林模型的长江流域分区多源融合降水模拟方法研究

基于3种卫星降水产品,提出了一种基于随机森林模型的长江流域分区多源融合降水模拟算法(FCM-RF算法)。采用模糊C均值算法,结合地面观测站点资料对长江流域进行降水区域划分,引入降水比降刻画降水空间性,进一步通过普通克里金插值法优化融合结果,得到一套长江流域空间分辨率为0.25°×0.25°的多源融合降水产品,并对其进行了评估。结果表明:FCM-RF算法在长江流域具有良好的表现,可以有效提高原始卫星降水产品对于降水事件的捕捉能力,在验证站点模拟降水量与实测降水量的相关系数可达到0.76;FCM-RF算法在年际上具有相似变化特征,对于春秋季降水的敏感性较高,在夏季由于强降水影响表现欠佳,冬季由于雨量稀少、存在固态降水,呈现出误差小、相关系数较低的特点;FCM-RF算法在东南地区具有较强的降水捕捉能力,在青藏高原地区的准确性较低。