模糊C均值

摘要： 针对现有高分遥感影像变化检测方法大都针对影像的像元灰度值,没有充分考虑像元间的空间关系,导致变化检测精度不高,提出了一种改进的变化检测方法。首先,通过模糊C均值聚类得到初始差异影像中的像元隶属度信息;然后,利用改进的空间引力模型将像元的隶属度及像元间的空间信息引入到马尔科夫随机场中,基于组合能量函数设置自适应权重函数;最后,采用条件迭代模型优化,获得最终的变化检测结果。通过对两组不同传感器、不同分辨率的高分辨率遥感影像开展相关对比实验,结果表明,该算法表现出更好的空间信息边缘检测效果和区域一致性,从而进一步提高了变化检测的精度。

摘要： 针对无线传感器网络(Wireless Sensor Networks,WSN)节点能耗不均衡问题,提出一种基于改进人工鱼群算法(Improved Artificial Fish Swarm Algorithm,IAFSA)和模糊C均值(Fuzzy C-Means,FCM)的分簇算法IAFCA。首先,IAFSA改进搜素视野及步长,避免迭代解陷入局部最优解,并将最终的迭代解作为FCM的初始聚类中心,克服FCM对初始解的敏感性。其次,FCM在确定最佳簇头数目的基础上,根据节点间的距离相似性,有效建立起节点与聚类中心间的不确定性关系,合理进行节点分簇。最后,根据节点相对剩余能量和到聚类中心的距离两个参数选举出簇头。IAFCA分别在两种场景下进行仿真实验,并与低能耗自适应聚类层次协议(Low Energy Adaptive Clustering Hierarchy,LEACH)及其变种算法进行对比。实验结果表明,IAFCA在网络寿命和能量效率方面均优于传统的WSN分簇算法,有效延长了网络寿命,降低了节点能耗。

摘要： 目的:提高鸡蛋线形、网状裂纹检测率。方法:针对蝗虫优化算法(GOA)求解高维复杂优化问题时收敛效率不高的缺陷,设计改进的模糊C-均值算法(FCM)对蝗虫种群进行等级划分;设计自适应极值逆向学习和编码突变更新机制,以扩展算法深度搜索空间和全局寻优能力;采用改进的GOA对参数进行优化,并将改进蝗虫算法优化Canny算子用于鸡蛋裂纹检测。结果:该方法对鸡蛋线形裂纹和网状裂纹漏检率分别降低了21.4%~31.2%,63.2%~69.7%,优于其他算法。结论:该方法能有效提升鸡蛋裂纹检测准确率。

摘要： 间歇采样噪声调制转发干扰是一种兼具压制和欺骗特点的新型有源干扰,是目前雷达抗干扰领域的难点之一。为了提高捷变频雷达对抗噪声调制的间歇采样转发干扰(ISRJ)的能力,该文结合ISRJ时域不连续的特点,提出一种基于频率捷变体制雷达联合模糊C均值(FCM)的抗ISRJ方法。首先,该文设计一种脉内频率编码-脉间频率捷变的雷达发射波形;雷达接收到回波信号后,通过频域窄带滤波得到不同脉内频率编码对应的子脉冲信号;然后利用FCM算法判断脉冲压缩后的子脉冲中是否含有干扰;最后,通过压缩感知(CS)算法实现脉间频率跳变波形的相参积累。理论分析和仿真实验证明该算法可以有效对抗ISRJ。

摘要： 随着地面遥感技术的不断发展,越来越多的农作物冠层光谱检测传感器被应用到了农业生产,其中应用较为广泛的就是Greenseeker植物光谱检测仪,利用Greenseeker植物光谱检测仪可以获取农作物冠层光谱信息归一化植被指数(NDVI)数据,从而能够进行农作物的施肥管理分区的划分,依据划分好的施肥管理分区可以实现有针对性的变量施肥。模糊c-均值(FCM)算法是划分农作物施肥管理分区常用的算法,但是模糊c-均值算法具有一定的局限性,就是在计算过程中随着NDVI数据量的增加会不断进行数据的迭代计算,从而会影响施肥管理分区划分的速度。在模糊c-均值算法的基础上提出一种基于模型的模糊c-均值(MFCM)算法,基于模型的模糊c-均值算法在划分农作物施肥管理分区过程中不必在每获取一组数据时就对全部数据进行迭代计算,可有效提高划分施肥管理分区的速度。通过搭建的农作物冠层光谱信息采集平台获取大豆和玉米的NDVI数据,利用基于模型的模糊c-均值算法划分大豆和玉米的施肥管理分区,使用分区评价指标轮廓系数(SC)和调整兰德指数(ARI)评价划分施肥管理分区的效果。结果表明,随着获取的NDVI数据量的不断增加,基于模型的模糊c-均值算法相比于模糊c-均值算法能够更快的划分施肥管理分区,在划分大豆施肥管理分区上,基于模型的模糊c-均值算法快0.02~0.15 s;在划分玉米施肥管理分区上,基于模型的模糊c-均值算法快0.07~0.51 s。通过计算评价划分施肥管理分区效果的指标轮廓系数和调整兰德指数发现,在不同NDVI数据量的情况下进行划分施肥管理分区,轮廓系数的值最大相差为0.022,说明两种算法划分施肥管理分区的效果相差不大;调整兰德指数的值对数据的波动变化比较敏感,在NDVI数据量达到6000后能够维持在0.7以上,但当NDVI数据波动变化较大时会出现一定的下降。

摘要： 针对扩展目标跟踪中量测集划分困难及目标数目估计不准的问题,提出了一种面向扩展目标跟踪的网格聚类量测集划分方法。首先,由目标之间的时空关联性,将当前时刻的量测划分为存活目标量测与新生目标量测。然后,针对高斯混合概率假设密度滤波器与扩展目标高斯混合概率假设密度滤波器,分别推导出改进的模糊C均值算法与改进的网格聚类算法用于划分存活目标量测集与新生目标量测集。仿真结果表明本文方法可实现量测集的准确划分,有效完成扩展目标跟踪,避免了漏检与过检。

摘要： 针对化工过程中的数据存在的多模态特性,提出基于模糊C均值(FCM)与主成分分析(PCA)的故障检测方法。首先,通过FCM算法将具有多模态特性的训练样本进行聚类,根据所有样本到聚类中心的距离计算样本所属于每个聚类中心的隶属度。其次,以隶属度作为判定依据判断样本所属类别,将训练样本分成若干类别。再次,对每一个分类后的类别进行标准化处理并建立模型,通过核密度估计法确定每一个类别的控制限。最后,将待测样本划分类别,计算样本在各类别下的Hotelliing’s T和平方预测误差(SPE)(又称Q统计量),并与控制限比较以实现故障检测。将该方法运用于数值例子和田纳西-伊斯曼(TE)工业过程并将检测结果与PCA方法进行了对比分析。对比结果表明,该研究的故障检测率大幅提升。FCM算法通过对原始数据分类,有效地提升了PCA对具有多模态特性数据的处理能力。

摘要： 现有多视图模糊C均值聚类(FCM)算法通常将一个多视图分解为多个单视图进行数据处理,导致视图数据聚类精度降低,从而影响全局数据划分结果。为实现高维数据和多视图数据的高效聚类,提出一种基于KL信息的多视图自加权模糊聚类算法。将多个视图信息及其权重进行拟合融入标准FCM算法,求解多个隶属度矩阵和质心矩阵。在此基础上,通过附加KL信息作为模糊正则项进一步修正共识隶属度矩阵并保持权重分布的平滑性,其中KL信息是视图隶属度与其共识隶属度的比值,最小化KL信息会使每个视图的隶属度偏向于共识隶属度以得到更好的聚类结果。实验结果表明,该算法相比于传统聚类算法具有更好的聚类效果和更快的收敛速度,尤其在3-Sources数据集上相比于MVASM算法的聚类精度、标准化互信息和纯度分别提升了7.46、15.34和5.48个百分点。

摘要： 驾驶员的驾驶意图识别是确定汽车(特别是混合动力汽车)控制策略的理论基础。混合动力汽车能够应用能量管理策略,合理切换发动机和电机的使用时机,使汽车控制更符合驾驶员操作习惯,降低百千米油耗和排放量。通过实验采集并处理分析了汽车的加速、制动和转向数据。通过分析将加速、制动、转向意图和驾驶风格预分类,使用模糊C均值算法进行验证并得出了每一类的隶属度。根据聚类结果建立隶属函数,通过统计的方法确定模糊控制规则,使用MATLAB分别建立了识别加速、制动、转向和驾驶风格的模糊控制模型。

摘要： 针对传统的大气臭氧浓度预测存在预测精度低、计算效率低等问题,将模糊聚类与神经网络相结合,提出一种使用区间二型模糊神经网络进行臭氧浓度预测的方法。用模糊C均值的方法筛选出适应性最高的有效规则,并进行区间二型模糊神经网络的结构设计;使用LM算法(Levenberg-Marquardt)进行模糊神经网络的参数及权重调整。使用2018年石家庄气象臭氧数据集验证系统进行验证,并与使用梯度下降算法(Gradient Descent)的模糊神经网络系统进行比较,结果表明,该方法可以更好地预测臭氧浓度,采用LM算法比采用GD算法可获得更好的预测性能。

摘要： 针对大型旋转机械故障特征之间错综复杂的非线性关系问题,提出一种将核方法与模糊C-均值(FCM)技术融合的故障辨识方法.以一个双跨度转子实验台为研究对象,围绕着其故障数据集的聚类与解决好故障模式识别需求,首先利用核方法将原始数据集进行一个非线性映射至高维的核空间,使在原低维空间中高度非线性化的特征在核空间呈线性可分,由此实现了增大不同类别故障数据子集之间的特征差异目的;然后在核空间中进行模糊C-均值聚类,计算每个样本到聚类中心的距离并归并到距离最近的类中;最后通过测试集对故障辨识的有效性进行验证.

摘要： 针对大型旋转机械故障特征之间错综复杂的非线性关系问题,提出一种将核方法与模糊C-均值(FCM)技术融合的故障辨识方法.以一个双跨度转子实验台为研究对象,围绕着其故障数据集的聚类与解决好故障模式识别需求,首先利用核方法将原始数据集进行一个非线性映射至高维的核空间,使在原低维空间中高度非线性化的特征在核空间呈线性可分,由此实现了增大不同类别故障数据子集之间的特征差异目的;然后在核空间中进行模糊C-均值聚类,计算每个样本到聚类中心的距离并归并到距离最近的类中;最后通过测试集对故障辨识的有效性进行验证.

摘要： 针对大型旋转机械故障特征之间错综复杂的非线性关系问题,提出一种将核方法与模糊C-均值(FCM)技术融合的故障辨识方法.以一个双跨度转子实验台为研究对象,围绕着其故障数据集的聚类与解决好故障模式识别需求,首先利用核方法将原始数据集进行一个非线性映射至高维的核空间,使在原低维空间中高度非线性化的特征在核空间呈线性可分,由此实现了增大不同类别故障数据子集之间的特征差异目的;然后在核空间中进行模糊C-均值聚类,计算每个样本到聚类中心的距离并归并到距离最近的类中;最后通过测试集对故障辨识的有效性进行验证.

摘要： 针对大型旋转机械故障特征之间错综复杂的非线性关系问题,提出一种将核方法与模糊C-均值(FCM)技术融合的故障辨识方法.以一个双跨度转子实验台为研究对象,围绕着其故障数据集的聚类与解决好故障模式识别需求,首先利用核方法将原始数据集进行一个非线性映射至高维的核空间,使在原低维空间中高度非线性化的特征在核空间呈线性可分,由此实现了增大不同类别故障数据子集之间的特征差异目的;然后在核空间中进行模糊C-均值聚类,计算每个样本到聚类中心的距离并归并到距离最近的类中;最后通过测试集对故障辨识的有效性进行验证.

摘要： 针对大型旋转机械故障特征之间错综复杂的非线性关系问题,提出一种将核方法与模糊C-均值(FCM)技术融合的故障辨识方法.以一个双跨度转子实验台为研究对象,围绕着其故障数据集的聚类与解决好故障模式识别需求,首先利用核方法将原始数据集进行一个非线性映射至高维的核空间,使在原低维空间中高度非线性化的特征在核空间呈线性可分,由此实现了增大不同类别故障数据子集之间的特征差异目的;然后在核空间中进行模糊C-均值聚类,计算每个样本到聚类中心的距离并归并到距离最近的类中;最后通过测试集对故障辨识的有效性进行验证.

摘要： 农业信息化过程中会产生大量的数据,有效的数据挖掘技术将有利于农业信息服务水平的提高,而数据分类是数据挖掘的重要组成部分.本文提出一种基于GEP的加权FCM作物数据分类方法,使用加权距离衡量样本数据间的距离,弥补欧氏距离的不足;并用GEP算法求取最佳聚类中心,防止FCM陷入局部极值.将本文提出的方法对UCI数据库中的作物数据集进行分类实验,并与不同分类方法进行比较.实验结果显示,本文方法能够以很高的正确率对作物数据集进行分类,是一种性能优良的数据分类方法.

摘要： 农业信息化过程中会产生大量的数据,有效的数据挖掘技术将有利于农业信息服务水平的提高,而数据分类是数据挖掘的重要组成部分.本文提出一种基于GEP的加权FCM作物数据分类方法,使用加权距离衡量样本数据间的距离,弥补欧氏距离的不足;并用GEP算法求取最佳聚类中心,防止FCM陷入局部极值.将本文提出的方法对UCI数据库中的作物数据集进行分类实验,并与不同分类方法进行比较.实验结果显示,本文方法能够以很高的正确率对作物数据集进行分类,是一种性能优良的数据分类方法.

摘要： 农业信息化过程中会产生大量的数据,有效的数据挖掘技术将有利于农业信息服务水平的提高,而数据分类是数据挖掘的重要组成部分.本文提出一种基于GEP的加权FCM作物数据分类方法,使用加权距离衡量样本数据间的距离,弥补欧氏距离的不足;并用GEP算法求取最佳聚类中心,防止FCM陷入局部极值.将本文提出的方法对UCI数据库中的作物数据集进行分类实验,并与不同分类方法进行比较.实验结果显示,本文方法能够以很高的正确率对作物数据集进行分类,是一种性能优良的数据分类方法.

摘要： 农业信息化过程中会产生大量的数据,有效的数据挖掘技术将有利于农业信息服务水平的提高,而数据分类是数据挖掘的重要组成部分.本文提出一种基于GEP的加权FCM作物数据分类方法,使用加权距离衡量样本数据间的距离,弥补欧氏距离的不足;并用GEP算法求取最佳聚类中心,防止FCM陷入局部极值.将本文提出的方法对UCI数据库中的作物数据集进行分类实验,并与不同分类方法进行比较.实验结果显示,本文方法能够以很高的正确率对作物数据集进行分类,是一种性能优良的数据分类方法.

摘要： 随着云计算环境中各种服务数量的急剧增长,在现有服务发现方法中存在服务效率低下和查准率不高等问题.为此,本文提出一种基于改进模糊聚类的云服务发现方法.该方法给出一种面向聚类的服务发现框架,利用向量来描述服务,考虑服务各个因素间的复合关系对服务进行聚类.分析传统的模糊C-均值聚类算法对初始聚类中心选择与噪声数据敏感的缺点,聚类过程使用人工蜂群改进的模糊C-均值的算法来实现.实验结果证明了本文方法的有效性,并能大大提高云环境下服务发现的效率和准确率.

摘要： 本发明公开了一种基于均值漂移和邻域信息的模糊C均值图像分割方法，主要解决现有图像分割方法的分割精确低和鲁棒性差的问题。其方法步骤是：(1)输入一幅待分割图像；(2)采用均值漂移算法，计算聚类数目和初始聚类中心；(3)初始化；(4)计算待分割图像中邻域图像块的权值；(5)计算待分割图像中每一个像素点的加权模糊因子权值；(6)聚类迭代；(7)判断是否满足迭代停止条件；(8)产生分割图像。本发明充分利用了图像的邻域信息，使该方法对噪声的鲁棒性更好，图像的分割正确率得到很大提高。

摘要： 本发明提供了一种基于模糊C均值和均值漂移的肝脏区域提取方法，包括如下步骤：步骤1：预处理，采用均值漂移(Mean Shift)滤波合并图像中相邻的且仅有较小区别的区域，从而获得均匀一致的图像区域；步骤2：粗分割，采用添加邻域信息的FCM(FCM_S)算法分割图像，提取肝脏的主体区域；步骤3：边缘亮度补偿，对步骤2提取的肝脏主体区域中的边缘区域进行亮度补偿；步骤4：肝脏区域分割，对步骤3亮度补偿后的图像再次采用FCM_S算法分割图像。本发明提供了一种基于模糊C均值和均值漂移的肝脏区域提取方法，提高了抗噪能力，减少了误分类的情况，同时，减少了光照不均匀的影响，从而获得了比较完整的肝脏区域。

摘要： 本发明公开了一种基于均值漂移和邻域信息的模糊C均值图像分割方法，主要解决现有图像分割方法的分割精确低和鲁棒性差的问题。其方法步骤是：(1)输入一幅待分割图像；(2)采用均值漂移算法，计算聚类数目和初始聚类中心；(3)初始化；(4)计算待分割图像中邻域图像块的权值；(5)计算待分割图像中每一个像素点的加权模糊因子权值；(6)聚类迭代；(7)判断是否满足迭代停止条件；(8)产生分割图像。本发明充分利用了图像的邻域信息，使该方法对噪声的鲁棒性更好，图像的分割正确率得到很大提高。

摘要： 本发明属于图像数据分析技术领域，具体公开了一种基于自适应模糊C均值聚类模糊化的SAR图像分析方法。本发明首先基于现有的FCM处理输出模糊决策表的模糊化处理结果，然后基于不相容度的取值逐渐增大各类别数cm的取值，cm每加1，则输各条件属性对应的模糊化处理结果，当不相容度大于预设阈值时，再从最小重要度的条件属性开始，逐渐调整对应条件属性的类别数cm，最后基于各条件属性的当前类别数cm所对应的模糊化处理结果，输出当前SAR图像的模糊化预处理结果。本发明用于SAR图像的目标识别，其输出的模糊化预处理结果能显著提升目标正确识别率。

摘要： 一种改进烟花算法优化模糊C均值的轴承故障诊断方法，步骤如下：(1)信号采样；(2)降噪处理；(3)特征选择；(4)轴承故障诊断。本发明设计并实现一种改进烟花算法优化模糊C均值的轴承故障诊断方法。针对模糊C均值存在对初始值敏感、易陷入局部最优等缺点，使用改进烟花算法进行优化，将决定烟花爆炸半径大小的系数由固定值改为动态值，同时将柯西变异与高斯变异交替使用来控制搜索范围；然后采用小波阈值降噪算法和时域特征处理轴承数据；最后将轴承数据输入改进的模糊C均值算法中进行聚类。在四种缺失率的情况下与三种方法进行对比实验，验证本发明方法有更高的诊断准确率。

摘要： 基于改进模糊C均值聚类算法的配电网动态重构方法，通过EEMD‑SVR组合预测模型和历史功率数据，对DG输出功率和负荷功率进行日前功率预测；输入配电网初始参数、负荷功率预测量、DG预测出力值等相关初始参数；依据功率预测数据构建分段‑损失函数，以确定最优分段数；并通过改进模糊C最优聚类分析算法，实现日内动态重构时段划分；依据聚类算法，确定时段划分方案和各时段等效负荷中心；通过改进细菌觅食算法，分别对配电网各时段进行静态重构优化；根据日内重构各时段的优化调节方案，计算确定配电网日内运行网络损耗和电压波动情况，输出求解后的相关参数。该方法简单、高效，能够应用在含新能源接入的中低压配网，具有一定的推广和实际价值。

摘要： 本发明提出了一种基于模糊C均值聚类算法的多源异构数据融合方法及系统，其方法包括：获取特定环境下的多源异构数据以及对应的任务信息；将获取到的多源异构数据均转化为可描述的文本数据，并从中提取特征分词，对特征分词进行归一化得到标准特征信息；根据获取到的多源异构数据以及对应的任务信息建立事件树，基于复相关系数算法计算标准特征信息与事件树的相关概率；基于相关概率采用模糊C均值聚类算法对标准特征信息进行特征融合，得到满足条件的融合结果。本发明先提取标准特征信息再采用模糊C均值聚类算法进行融合，实现了数据类型复杂且数据维数大情况下的多源异构数据的有效融合，提高了多源异构数据融合方法在实际应用中的利用率。

摘要： 本发明公开了一种基于模糊C均值的台区电动汽车充电行为辨识方法及装置，方法包括下述步骤：构建电动汽车充电的空间数据矩阵和相别数据矩阵；设置模糊值；构建与初始化台区出线负荷数据模糊聚类中心矩阵及三相负荷数据模糊聚类中心矩阵；采用模糊聚类分析并通过迭代计算，确定最优模糊聚类矩阵和最优模糊聚类中心矩阵；获取台区出线负荷数据模糊聚类中心矩阵最优值及三相负荷数据模糊聚类中心矩阵最优值；计算台区出线及三相负荷数据功率的平均值；根据功率平均值，辨识三相电动汽车充电功率，确认充电行为。本方法可辨识台区电动汽车充电行为，确定电动汽车在充电的出线和相别，为台区运行管理、充电站配置、负荷预测、控制调度提供理论指导。

摘要： 本发明公开了一种基于局部密度和改进模糊C均值的环形锻件点云去噪方法，涉及三维点云离群点检测和去噪技术领域，包括以下步骤：对点云数据中偏离锻件模型主体的噪声点使用参数自适应的半径滤波方法实现去噪；计算采样点的互邻域集；进而通过互邻域点与邻域点的数量比，将数据集划分为核心集和备选集；对两个数据集中的数据使用针对性的方法计算离群因子值，根据得到的离群因子值去除大尺度噪声；确定初始聚类中心；由基于马氏距离的模糊聚类算法查找点的隶属度值，对偏离的点进行光顺去噪。本发明能够对存在不同密度分布区的点云模型实现可靠去噪，在保持特征的基础上实现环形锻件点云模型光顺。

摘要： 本发明公开一种基于GPU端模糊C均值聚类的雷达信号分选方法，其实现步骤是：1、对每部雷达接收的回波信号进行脉冲检测，得到该部雷达发射的脉冲描述字PDW；2、在CPU端初始化聚类划分；3、在GPU端并行化更新当前每个分类聚类中心的PDW值；4、在GPU端并行化更新当前每个PDW的隶属度；5、迭代更新所有聚类中心PDW值、隶属度矩阵U；6、在CPU端对更新后的雷达脉冲数据集D进行聚类划分。本发明相比传统的串行聚类算法更加高效，更好地满足了雷达信号分选的实时性需求，而且雷达信号分选的准确率更高。