基于Xie-Beni指数的选择性聚类集成

选择性聚类集成是选择一部分精度高、差异性大的基聚类结果进行集成,从而得到更为有效的聚类集成结果。然而,聚类结果的准确性难以客观度量。为此,文中提出了一种基于Xie-Beni指数的选择性聚类集成算法,该算法采用Xie-Beni指数来度量基聚类结果的有效性,利用并结合NMI(互信息)选择出精度较高的基聚类结果,从而提升聚类结果的准确性。实验结果证实了该算法的有效性。

核空间中的Xie-Beni指标及其性能

针对核空间中模糊聚类算法的有效性评价问题,以核非线性映射为工具,将Xie-Beni指标推广到核Hilbert空间,得到其对应的核化形式,并指出该核化指标与VLL指标的区别和联系.在此基础上,通过比较实验,研究了核化的Xie-Beni指标对高斯核宽度β和模糊指数m的稳定特性.结果表明,核化的Xie-Beni指标较之VLL等其他指标具有更好的性能和可靠性,可优先作为核模糊聚类算法的有效性判据.

基于多级特征提取的BiLSTM短期光伏出力预测

传统光伏预测模型易受气象数据波动的影响,且对气象特征不敏感。由此,提出基于多级特征提取的BiLSTM短期光伏出力预测方法,用于预测不同天气类型下的光伏出力。首先,选取与光伏出力相关性较高的气象因素作为输入特征;使用模糊C均值(FCM)聚类方法,对样本进行灵活划分,通过计算Xie-Beni指标以确定最佳聚类数,将历史数据集聚类为晴天、少云天、晴转多云、阴雨天和恶劣天气;其次,构建CNN-CBAM-TCN多级特征提取器(MFE):利用卷积神经网络(CNN)进行初步的特征提取,结合卷积注意力块(CBAM)抑制非重要特征,之后,利用时间卷积网络(TCN)进一步捕捉日内光伏出力的时序特征;最后,借助双向长短期记忆网络(BiLSTM)进行光伏出力预测。在实例分析中,验证了使用Xie-Beni指标确定最佳聚类数的有效性,证明了该模型较其他预测模型在复杂天气类型下具有更高预测精度。

一种改进的FCM算法对海马组织基因的聚类分析

目的为了更好地建立符合生物学意义的基因归类,为一些未知的基因的功能提出解释提供参考。方法提出一种新的FCM聚类算法,设计了一个归类阀值,利用模糊聚类Xie-Beni指数得到了最优聚类数并实现了海马组织基因的软聚类,并把每一类对应的基因标号输出到txt文件,最后进行生物学解释。结果得到的海马组织基因最优聚类数为4类,通过分类结果对照发现,各类中的大多数基因生物学意义接近。结论此改进的FCM算法应用于基因聚类是有效的,结果具有一定生物学意义,能对生物学基因聚类及基因功能解释具有一定指导作用。

基于有效性测度的基因表达数据的模糊聚类分析

本文讨论了模糊聚类中的模糊C均值算法和聚类有效性测度。结合基因微阵列的特点,设计并实现了一种基于聚类有效性函数的模糊C均值模型。将该种模型运用于公开的白血病基因表达数据,取得了与实际情况相吻合的实验结果。

小脑基因表达数据的模糊多尺度聚类分析

目的为了更好地建立符合生物学意义的基因归类,为一些未知基因的功能提出解释提供参考。方法首先对小脑组织随机抽取100组预处理后的基因表达数据,对每个由7个时间点所成的基因表达信号做多尺度分析,其次在各个尺度下运用改进的FCM算法设计了一个归类阀值,并利用模糊聚类Xie-Beni指数得到了最优聚类数并实现各个尺度下小脑组织基因的聚类,并把每一层对应的聚类结果输出到文本文件,最后找出各层聚类结果完全一致的基因进行归类并进行生物学解释。结果得到的小脑组织基因最优聚类数为3类,通过分类结果对照发现,各类中的大多数基因生物学意义接近。结论运用多尺度分析并结合FCM算法应用于基因聚类是有效的,结果具有一定生物学意义,能对生物学基因聚类及基因功能解释具有一定指导作用。

雷达干扰信号识别决策树的自动化设计方法

针对雷达干扰识别决策树分类器设计需要人工介入的问题,提出了一种基于模糊聚类、Xie-Beni指标和信息增益的决策树自动化设计方法。该方法首先对干扰信号在时域、频域和脉压后时域等维度建立参数特征集,接着在决策树建立过程中引入模糊C均值聚类(FCM),从而解决传统决策树需要先验知识设置判决门限的问题;然后通过Xie-Beni指标动态确定决策树节点分支数,优化决策树复杂程度;最后使用基于信息增益的ID3算法建立模糊聚类决策树。该方法解决了干扰识别决策树的自动化设计问题,且优化了决策树性能。计算机仿真及某雷达对抗实验数据验证了所提方法的有效性。

改进模糊C均值聚类算法及锂电池配组应用

在锂电池化成管理的智能配组过程中,当处理大规模数据或锂电池结构较复杂时,速度和准确度不高。因此,提出了一种基于遗传算法与密度加权的改进模糊C均值聚类算法。首先,由遗传算法优化得到初始聚类中心。然后,将样本对象的高斯密度函数作为其权值,并采用Xie-Beni有效性指标改进目标函数。将改进的算法通过标准测试数据集Iris和锂电池配组进行实验验证。验证结果表明:本文算法改善了聚类效果,与模糊C均值聚类算法相比,锂电池配组的正确率提高了0.8%,并且计算迭代次数从14次降低到8次。

一种多目标遥感影像模糊聚类方法

由于遥感影像的复杂性和相关先验知识的缺失,传统的聚类方法在遥感影像聚类任务中往往表现不佳。文中提出一种多目标聚类算法同时优化广义模糊C均值(FGFCM)的目标函数和其相应的XB指数。与FCM相比,FGFCM对噪声更鲁棒,而且通过引入局部空间信息和灰度级信息显著提高了其聚类表现。在模拟和真实数据集上进行的实验证实了该算法的有效性和优越性。

删除信道下LT码译码符号分布模型

在删除信道中,采用LT码作为信道编码时,由于受到噪声随机性和度1符号分布随机性的影响,合法接收者和窃听者在译码成功时会接收到不同数量的编码符号,产生不同的概率密度分布。针对译码成功时不同概率密度分布的问题,提出了一种基于GMM来对不同删除概率下得到的概率密度函数进行统一表示。首先通过Xie-Beni指数确定观测数据的最佳聚类数K,然后利用改进后的FCM算法求观测数据的初始值,并将其作为EM迭代算法的初始值,将最终迭代结果作为GMM的参数,建立删除信道下接收端译码成功时译码符号数量的概率密度分布。

基于FCM算法的小脑基因模糊聚类分析

探讨基因表达数据的聚类分析方法,结合一种聚类结果的评判准则,应用于胎儿小脑基因表达数据,得到了最优的聚类结果,并做出了生物学解释.利用Matlab软件进行了仿真,利用模糊聚类Xie-Beni指数得到了最优聚类数,并把每一类对应的基因标号输出到txt文件,最后进行生物学解释.得到的小脑基因最优聚类数为3类,与生物学意义比较吻合,各类中的基因功能接近.基于FCM算法的基因模糊聚类是有效的,结果具有一定生物学意义,能对生物学基因聚类有一定指导作用.