变压器故障诊断中溶解气体的PSO-WFCM算法研究

由于模糊聚类将故障样本等同进行模糊划分,且受初始值影响,故提出将PSO-WFCM算法用于变压器油中溶解气体的故障诊断。该算法选取油中气体作为故障特征量,利用粒子群算法得到最佳初始聚类中心,用以指导模糊聚类求取最终的聚类中心。实验结果表明,其弥补了模糊聚类的不足,还提高了变压器的诊断性能。

基于图像灰度矩特征的气体电晕放电WFCM辨识方法

模拟了以气体为绝缘介质的高压电器的放电现象,根据气隙几何构型差异,构建了极不均匀场、不均匀场及稍不均匀场电极模型,并根据图像的中心矩不随坐标变换而改变的特性,采集了模型电极间隙的气体电晕放电信息,根据其信息的时空分布,计算了放电信息图像的灰度矩,归一化处理后作为气体介质失效诊断的模式辨识特征量.在分析了传统算法中模糊聚类算法的基础上,详细论述了加权模糊c-均值聚类算法,实验结果表明此方法充分利用了放电信息样本点的密度信息量,有效弥补了传统算法中存在的不足,提高了模式辨识算法收敛速度.

基于PSO的WFCM算法研究及其在医保欺诈行为发现中的应用

【目的】在没有先验知识的前提下,采用基于粒子群优化算法(PSO)的加权模糊C-均值(WFCM)聚类算法,从30多万条记录的医疗保险数据中挖掘出疑似医疗保险欺诈的记录。【方法】首先,引用改进的欧式距离、相似性函数以及交叉熵函数并通过PSO算法极小化交叉熵函数,对属性权重进行分析;其次,选取Calinski-Harabasz(CH)有效性指标,展开聚类有效性的研究;然后,基于数据预处理的结果将数据运用于PSO算法,不断更新得到各属性的权重,并运用聚类有效性评价中的CH有效性指标来动态估计最佳聚类个数,提高FCM聚类的速度;最后,将属性权重和最佳聚类数应用于FCM聚类算法,根据隶属度矩阵聚类得到疑似医疗保险欺诈结果。【结果】基于上述研究方法,本研究根据最后的隶属度矩阵来进行聚类分析。【结论】将优化的权重应用于加权FCM聚类算法与聚类有效性评价,既提高了聚类算法的高效性,又避免了主观评价对分类的影响。

WFCMS标准与ISO/IEC标准制定程序的比较研究

国际标准是指国际标准化组织（ISO）、国际电工委员会（IEC）和国际电信联盟（ITU）以及ISO确认并公布的其他国际组织制定的标准。中医药国际标准的概念可有狭义和广义之分，狭义的中医药国际标准是指由ISO制定的标准、WHO等国际组织制定并被纳入ISO目录的标准。

WFCM图像分割法

模糊技术在图像分割中有一个很好的应用特点是它几乎能与所有现在存在的分割技术结合使用,从而形成一系列的集成模糊图像分割技术。本文研究了模糊聚类算法——模糊C均值聚类(FCM)算法在图像分割中的应用。

引入WFCM算法能提高信用违约测度模型准确率吗?——以沪深A股制造业上市公司为样本的实证研究

选取沪深A股上市的制造业公司财务变量构建信用风险评价体系,在利用因子分析法对其进行维数约简后,采用数据挖掘技术和统计学方法对信用违约概率测度作了有价值的探索。模型包含两个阶段,聚类阶段采用加权模糊C均值聚类(WFCM)算法将样本聚成同质的类,使同簇样本更具代表性;违约测度阶段应用Logistic回归方法分别对不同组样本进行测度。实证结果表明:在Logistic模型中引入WFCM算法能显著提高预测样本的违约概率测度准确率;对于样本总体与ST企业而言,其违约预测准确率比Logistic模型分别提高了10.7%和20%;ROC检验结果也说明WFCM-Logistic模型具有更强适用性。

基于WFCM算法的室内指纹定位算法

提出一种指纹定位的改进算法,利用RSSI和WFCM算法,通过对参考节点和未知节点进行聚类来实现定位。改进算法不需要未知节点与所有参考节点进行相似度比较,只需与所在同一类别的参考节点比较即可,克服了指纹定位耗时耗力和三角定位精确度低的问题。同时,采用欧几里得距离作为比较相似度的参数,同时定位仿真过程中取不同的噪声误差。仿真结果表明,与FCM算法相比,该算法能更好地实现聚类,定位更加精确,算法的鲁棒性更高。

中医名词术语英译策略研究——基于ISN与IST英译版本的对比

该文以“中医名词术语英译”“WHO”“世中联”“比较研究”等主题词进行排列组合在中国知网进行检索,共得168篇相关文献,通过进一步比对,最终筛选出65篇相关文献作为进行研究综述的主要参考文献。该文从探究中医名词英译研究发展趋势与现状、回顾前人对中医名词术语英译原则与策略、聚焦比较《中医基本名词术语中英对照国际标准》(International Standard Chinese-English Basic Nomenclature of Chinese Medicine,下文简称ISN)和《WHO西太平洋地区传统医学名词术语国际标准》(WHO International Standard Terminologies on Traditional Medicine in the Western Pacific Region,下文简称IST)这三方面入手,发现目前中医名词术语英译存在着理解偏差和民族性缺乏方面的不足,从译前、译中、译后三方面提出建议,意在帮助解决中医名词术语英译中存在的问题,促进我国中医文化传播。

Prof. CHEN Ke-ji Winning the Prize of “Ren Ji Cup” for International Contribution to Chinese Medicine by WFCMS

In order to promote the exchange and cooperation of Chinese medicine among the states and regions globally and fasten the step of Chinese medicine to the world, the World Federation of Chinese Medicine Societies （WFCMS） has set up an award for those who have greatly contributed to medical treatment, education, scientific research of Chinese medicine, and the establishment of the statutory registration of Chinese medicine.

Web模糊聚类方法及其应用

本文提出了Web模糊聚类的概念,给出了Web模糊聚类的过程模型WFCM并进行了详细阐述,论述了Web模糊聚类在Web访问信息挖掘中,尤其是在Web用户聚类和Web页面聚类方面的应用,最后用实例证明了在Web页面聚类中使用Web模糊聚类的可行性。

基于FCM的快速模糊聚类算法研究

为改善FCM算法的运算性能、获得和原FCM算法等价的分类结果,本文提出了基于加权样本的fFCM(fast FCM)算法。此算法首先构造原待聚类集合的权集,并在权集上应用改进的FCM算法——WFCM(weighted FCM)算法快速获得和原FCM算法近似的分割结果;然后,将得到的分割结果作为FCM算法的初值再次利用FCM算法以获得最终的分割结果。理论证明和相关实验表明,fFCM不仅能获得和原FCM算法等价的分类结果,还具有良好的运算性能,具有广泛的适用性。

基于加权样本的FCM快速算法研究

为改进FCM算法在处理大样本集聚类时速度慢、耗时多的缺点,根据样本在特征空间中的特征值分布情况,引入等价样本和样本加权概念,在此基础上提出了FCM(Fuzzy C-Means)的快速算法一般形式:WFCM(WeightedFuzzy C-Means)算法。理论上证明了WFCM算法和FCM算法对样本集分割的等价性,并且,WFCM在运算性能方面明显优于FCM算法。而两个算法在灰度图像分割上的例子验证了WFCM算法的快速性和有效性。

基于直方图和加权FCM算法的图像分割方法

模糊c均值(FCM)聚类算法广泛用于图像的自动分割,但是该算法没有考虑像素的灰度和空间特征,对噪声十分敏感。提出了一种基于直方图的加权模糊c均值(WFCM)聚类的图像分割方法,在传统的FCM聚类的基础上,该方法考虑了灰度直方图的灰度、邻域像素灰度的相关性对图像进行加权聚类分割。实验结果表明,该方法可显著提高图像分割的速度和精度。

基于PSO和加权FCM的图像分割算法

结合PSO算法和加权FCM算法(WFCM)的优势,提出一种新的图像分割算法——基于PSO和加权FCM的图像分割算法(PWF).算法通过PSO进行全局寻优,克服了单纯FCM算法的对初始值敏感及对噪声数据敏感,容易陷入局部最优的缺点,能够找到全局最优的模糊划分,实现模糊聚类图像分割.实验利用了加权二维直方图的WFCM算法,考虑像素间的空间信息,改善了图像分割效果.

加快世界中联标准建设,推动中医药国际标准化发展

近年来,在各方努力下中医药国际标准化得到了较大发展,其中世界中联陆续发布的10项国际组织标准更加快了中医药国际标准化发展的步伐。本文通过对ISO、WHO、世界中联等相关组织标准的特点进行深入分析,明确了世界中联标准的定位和建设目标,同时还分别介绍了世界中联已发布的10项标准的内容和特点,指出了世界中联标准化工作的发展方向,并提出了建立以市场为导向,更加高效、灵活、务实的中医药国际标准体系的建议。

邻域灰度差加权的模糊C均值聚类图像分割算法

模糊C均值(FCM)算法用于灰度图像分割是一种非监督模糊聚类后再标定的过程,适合灰度图像中存在着模糊和不确定性的特点。但是这种算法没有考虑到样本空间中不同的样本点对分类的贡献不同,因此分割效果不理想。提出了邻域灰度差加权的模糊C均值聚类算法,实验结果表明,该算法不仅取得了很好的分割效果,而且加快了算法的收敛速度,从而满足了图像分割的有效性、实时性的要求。

加权方位特征的纹理图像FCM聚类分割

针对自然纹理的弱规则性特点,提出一种结合图像灰度分布、纹理能量统计的加权FCM纹理分割方法,并在该方法中尝试引入水平位置、垂直位置、中心径向距离等三种方位特征参数。实验证明,该加权FCM聚类算法简单高效、可控性强,纹理分割效果明显,其中样本的三种加权方位特征参数能增强区域分割的聚敛度,有效地提高纹理尤其是非均质粗糙纹理的分割精度。

基于直方图加权的半模糊聚类

通过分析影像数据的特点,利用直方图的统计特性,结合HCM收敛速度快的优点,提出了一种基于直方图加权的半模糊化的聚类算法,此方法结合了全局与局部信息,提高了聚类的速度,改善了聚类的效果;采用Lena和脑影像实验与传统算法作比较证明了该算法的效果更好,并对一副97658k的影像进行处理,证明了该算法效率高。

基于三维直方图加权的模糊聚类图像分割方法

标准的FCM算法对大数据样本集进行聚类时极为耗时,而且对噪声比较敏感。针对其缺点,提出了一种基于三维直方图加权的模糊聚类图像分割方法,该方法考虑了图像像素点的灰度信息和邻域的均值信息及中值信息,其次考虑了样本空间中不同的样本点对分类的贡献不同。实验结果表明,该算法满足了图像分割有效性和实时性的需求。

加权模糊C均值算法在图像分割中的应用

基于模糊C均值聚类的图像分割法是图像分割领域中广泛应用的一种算法,特别适合解决灰度图像中存在的模糊和不确定性的问题。但是由于噪声等干扰因素的影响,使得利用传统的聚类方法进行图像分割得不到满意的结果,鉴于此,本文提出了基于二维直方图加权的塔形模糊c均值聚类算法和基于统计检验指导的WFCM算法。