一种新的基于信息熵和PSO-Kmeans聚类算法的典型工艺路线发现与重用体系

制造企业在经营和发展过程中会积累大量的制造实例,对这些实例资源进行合理地挖掘和重用,是提高制造效率和支持创新的最有效途径之一。为了科学确定重用对象和提高重用灵活性,提出了一种基于信息熵和PSO-Kmeans聚类算法的典型工艺路线发现与重用体系。在该体系下,提出了一种基于多级最长公共子序列信息熵的机加工艺路线相似度度量方法。在此基础上,提出了一种基于谱聚类思想和PSO-Kmeans聚类算法的典型工艺路线发现方法,并分析讨论了2种基于典型工艺路线的机加工艺重用途径。通过3个验证实例,说明所提出的体系可以更好地支持制造实例重用。

基于PSO-KMeans快速图像分割算法模型的应用

图像分割是图像识别和计算机视觉至关重要的预处理。文章结合PSO算法搜索全局最优及KMeans算法对选取初始聚类中心的缺陷,使用PSO算法搜索并寻找全局最优,将搜寻值回代到KMeans聚类算法中对图像进行分割。结果表明,基于PSO-KMeans快速图像分割算法模型具有更高的精确度和有效性。PSO算法对KMeans算法的优化作用明显,有效对图片数据进行了分割,进一步优化了KMeans算法对图像分割的时间,提高了算法收敛的速度。

基于改进PSO-Kmeans算法的实际日负荷曲线聚类分析

有效的实时用户日负荷曲线分类可为电网系统规划、负荷建模、负荷预测及需求侧管理等方面提供依据,同时为电网工作人员实现对负荷模型的判别提供帮助。为此提出一种基于改进PSO进化算法优化K-means的日负荷曲线用户行业分类方法。首先利用牛顿插值法对缺失数据进行填补,然后运用定值线性函数对数据归一化,最后采用权重线性递减及同步学习因子改进PSO解决算法易陷入局部最优解的问题,以优化K-means分类结果准确性。算例分析表明,PSO-Kmeans算法迭代能力强,具有全局寻优能力,且具有一定的鲁棒性,相较于传统K-means分类准确率高。

基于PSO-KMeans算法的MATLAB(GUI)图像分割系统平台开发应用

图像分割是一个经典的难题,也是数字图像处理的重要一步。找到一种快速高效的图像分割方法具有十分重要的意义。本文利用MATALB中GUI设计开发的简便性和易操作等特性,以PSO-KMeans图像分割组合算法理论研究为基础,并与同类分割算法KMeans算法的分割结果和数据作比较。通过图像用户界面相关控件的布局设计及回调函数程序的编写,开发了一套基于PSO-KMeans算法的MATLAB(GUI)图像分割系统平台,实现了对图像分割中分割结果、参数输出、数据可视化的简洁操作,解决了图像分割过程中实现复杂的问题。同时,选取在图像分割应用中的示例图片对图像进行分割测试。结果表示,图像分割系统界面友好,操作简单,准确实现了图像的分割,并得到分割的相关数据以及与同类算法分割结果的比较。该研究提高了图像分割的简单性以及可视化性。

基于PSO-KMeans算法的MATLAB(GUI)图像分割系统平台开发应用

针对GUI设计开发系统在图像处理领域中的领域问题,本文以PSO-Kmeans组合算法为理论基础,通过GUI控件的布局设计及回调函数程序的编写,开发了一套基于PSO—KMeans算法的MATLAB(GUI)图像分割系统平台开发应用,实现了对图像的分割结果、参数输出、数据可视化,解决了图像分割过程中实现复杂的问题。同时,选取在图像分割应用中的示例图片对图像进行分割测试。结果表示,图像分割系统界面友好,操作简单,准确实现了图像的分割,并得到分割的相关数据。该研究提高了图像分割的简单性以及可视化性。

基于改进粒子群和K-Means的文本聚类算法研究

在进行文本聚类时,对于大容量、高维、非结构化的文本数据,单纯的K-Means聚类效果不佳,容易陷入局部最优解.本文改进了粒子群优化算法,提出了非线性动态调整惯性权重机制,并将改进后的粒子群算法与局部搜索能力较强的K-Means算法相结合,形成基于改进粒子群和K-Means的文本聚类算法(MPK-Clusters).3种算法的实验对比结果表明,新算法在准确率、召回率和F值方面都优于其他两种算法,取得了更好的文本聚类效果.