检索结果-南通市图书馆

基于自适应正则化的核模糊c-均值聚类图像分割

在线全文

学校读者我要写书评

暂无评论

电子技术与软件工程 2017年第18期 84-84页

作者：袁健肖化华南师范大学广东省广州市510006

模糊聚类是将模糊集的概念应用到传统聚类分析中,让数据集的对象在分组中的隶属用隶属函数来确定,隶属度函数更好地描述边缘像素亦此亦彼得特点,对象在各分组中的隶属度为连续区间[0,1]之间的某个值,以不同程度隶属于多个簇,而非确定硬... 详细信息

模糊聚类是将模糊集的概念应用到传统聚类分析中,让数据集的对象在分组中的隶属用隶属函数来确定,隶属度函数更好地描述边缘像素亦此亦彼得特点,对象在各分组中的隶属度为连续区间[0,1]之间的某个值,以不同程度隶属于多个簇,而非确定硬聚类中的0或1的二值逻辑。模糊c-均值聚类算法是模糊聚类中的一种经典算法,如果样本空间是非线性可聚的,该聚类不能效果就不理想。而核模糊c-均值聚类利用特征映射很好解决了这个问题。最后用正则化参数来提高分割的鲁棒性和提高图像的细节。提出了加权图像,并采用高斯径向基函数。

关键词：模糊聚类核模糊c-均值聚类自适应正则化

联合改进核FcM与智能优化SVR的WSNs链路质量预测

在线全文

学校读者我要写书评

暂无评论

电子学报 2018年第1期46卷 90-97页

作者：刘洲洲李士宁张筱郭文强西安航空学院电子工程学院陕西西安710077 西北工业大学计算机学院陕西西安710072 陕西科技大学电气与信息工程学院陕西西安710021

为提高无线传感器网络(WSNs)链路质量预测精度和降低噪声影响,提出了一种联合改进核FcM与智能优化SVR(improved kernel furry c-means and intelligent support vector regression,IKFcM-ISVR)的WSNs链路质量预测方案.首先将基于紧致度和离散度的有效性指数引入核FcM方法,实现样本集聚类个数自动划分;然后采用改进核FcM方法对链路质量样本数据进行处理,获得样本聚类隶属度;在此基础上,构建群居蜘蛛优化SVR预测模型,采用基于"动态折射"学习机制的群集蜘蛛对模型参数进行优化,得到不同聚类最佳SVR参数组合;最后采用IKFcM-ISVR算法对不同实验场景下的WSNs链路数据进行预测评估.仿真结果表明,同其它预测算法相比,该算法预测精度提高了36.8~68.4%.

关键词：链路质量预测核模糊c-均值聚类支持向量回归(SVR) 群居蜘蛛优化

在线全文

学校读者我要写书评

暂无评论

基于人工蜂群的模糊聚类数据挖掘算法研究

基于人工蜂群的模糊聚类数据挖掘算法研究

作者：张守明兰州理工大学

学位级别：硕士

随着社会经济的进步,工业生产过程的自动化和智能化程度越来越高。自动化程度的不断加深使企业积累和存储了越来越多的过程历史数据。一方面,随着企业对自身要求的不断提高,这些丰富的数据资源成为可以利用的资源;另一方面,工业过程的... 详细信息

随着社会经济的进步,工业生产过程的自动化和智能化程度越来越高。自动化程度的不断加深使企业积累和存储了越来越多的过程历史数据。一方面,随着企业对自身要求的不断提高,这些丰富的数据资源成为可以利用的资源;另一方面,工业过程的生产实践和科学研究又以大量的数据为基础,需要通过一定的方法和手段进行分析、处理,已完成工业过程的在线监控、过程辨识、故障诊断和控制策略的设计等工作。因此,数据挖掘作为一种从大量数据中提取有用信息的技术手段,受到越来越多的关注。人工蜂群算法是一种模拟蜜蜂群智能搜索行为的群智能优化算法。由于其控制参数少、易于实现、计算简洁等优点,已被越来越多的学者所关注。模糊c-均值聚类(FcM)和核模糊c-均值聚类(KFcM)算法虽然已被应用于模式识别、图像处理以及计算机视觉等众多领域中,但仍然存在一些缺陷。本文针对FcM算法存在容易陷入局部极小值和对初始值敏感的缺点,提出了一种基于人工蜂群(ABc)的模糊聚类算法。KFcM算法在一定程度上克服了对数据内在形状分布的依赖,但还存在对初始值敏感、容易陷入局部极小值的缺点。为此,本文提出一种基于人工蜂群的核模糊c-均值聚类算法(ABc—KFcM)。ABFM算法和ABc—KFcM算法有效提高了算法的搜索效率、减少了搜索过程中陷入局部最优的现象,但在聚类数大和维度高时效果不太好,为此引入Boltzmann选择机制代替轮盘赌的选择方式,并采用小区间生成法使初始群体均匀化,使得该算法的全局寻优能力更强。实验结果表明,新算法不仅有效克服了FcM和KFcM算法易陷入局部最优的缺点,而且对于聚类数比较大维度较高的数据样本的聚类效果更准确,效率更高。TE过程具有过程变量多、数据维度高、变量间关系复杂、非线性等特点使得传统的降维方法得不到预期的效果,因此,引入流行学习的方法对数据进行降维处理,然后再用ABFM算法进行聚类分析。仿真结果表明改进的算法具有可行性和优越性,并达到了预期效果。

关键词：数据挖掘人工蜂群模糊c-均值聚类核模糊c-均值聚类 Boltzman选择机制 TE过程流行学习

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于混合蛙跳的数据挖掘模糊聚类算法研究

基于混合蛙跳的数据挖掘模糊聚类算法研究

作者：刘悦婷兰州理工大学

学位级别：硕士

近十几年来，随着计算机技术、通信技术、网络技术的迅速发展与广泛应用，企业面临着日益增多的业务数据，一方面，这些丰富的数据资源为企业提供能带来商业利润的决策信息;另一方面，企业生产过程的科学研究以大量的数据为基础，需要... 详细信息

近十几年来，随着计算机技术、通信技术、网络技术的迅速发展与广泛应用，企业面临着日益增多的业务数据，一方面，这些丰富的数据资源为企业提供能带来商业利润的决策信息;另一方面，企业生产过程的科学研究以大量的数据为基础，需要通过一定的方法和手段进行分析、处理，可以实现生产过程的过程辨识、故障诊断和控制决策等工作。因此，数据挖掘作为一种从大量的、复杂的数据中提取有用信息的技术手段，引起了学术界和工业界的广泛关注。混合蛙跳算法是一种模拟青蛙群智能搜索行为的群体协同搜索算法。由于其控制参数少、易于实现、编程简单等优点，已被越来越多的学者所关注。模糊c-均值聚类（FcM）和核模糊c-均值聚类（KFcM）算法虽然已被应用于模式识别、图像处理等众多领域中，但仍存在一些缺陷。本文针对FcM算法存在对初始值敏感和易陷入局部极小值的缺点，提出了一种基于混合蛙跳的模糊c-均值聚类算法（SFLA-FcM）。核模糊c-均值聚类（KFcM）算法在一定程度上克服了对数据形状分布的依赖，但仍存在对初始值敏感、易陷入局部极小值的缺点。为此，本文提出一种基于混合蛙跳的核模糊c-均值聚类算法（SFLA-KFcM）。用SFLA优化KFcM算法，对于聚类数较少的数据集获得了理想的结果。但在聚类数较大和维数较高时，聚类效果较差，为此提出首先将自适应惯性权重引入混合蛙跳算法的更新策略中，再用改进后的混合蛙跳算法求得最优解作为KFcM算法的初始聚类中心，然后利用KFcM算法优化初始聚类中心，最后求得全局最优解，从而有效克服了KFcM算法的缺点，更适合高维、聚类数较多的数据集。用SFLA优化FcM算法，对于聚类数较少、维数较低的数据集获得了理想的聚类结果。但在聚类数较大和维数较高时，聚类效果较差，从而提出两种改进的SFLA算法。第一种，先将线性递减的惯性权重引入蛙跳算法的更新策略中，并按照一定的概率选择适应度值较优的青蛙代替较差青蛙，并对每只青蛙个体以不同的概率变异。第二种，先用混沌的Tent序列初始化青蛙群体以增强群体的多样性，提高初始解的质量;再根据每只青蛙的群体适应度方差值选取不同的变异概率进行变异。然后分别用改进后的蛙跳算法求得最优解作为FcM算法的初始聚类中心，然后利用FcM优化初始聚类中心，最后求得全局最优解，从而有效克服了FcM算法的缺点。

关键词：数据挖掘混合蛙跳算法模糊c-均值聚类核模糊c-均值聚类适应度值

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于Dc规划的模糊核聚类算法研究

基于DC规划的模糊核聚类算法研究

作者：贺丹南京航空航天大学

学位级别：硕士

聚类分析作为数据挖掘的核心技术,已成为当前研究与应用的热门课题。不同的聚类算法可解决不同场景下的问题,其中模糊核聚类算法能处理样本线性不可分且对噪声和野值点鲁棒。本文针对模糊核聚类算法目标函数非凸导致优化过程易陷入局部... 详细信息

聚类分析作为数据挖掘的核心技术,已成为当前研究与应用的热门课题。不同的聚类算法可解决不同场景下的问题,其中模糊核聚类算法能处理样本线性不可分且对噪声和野值点鲁棒。本文针对模糊核聚类算法目标函数非凸导致优化过程易陷入局部极值解的问题,利用凸差规划(DcP)框架对算法进行非凸优化改造,主要研究成果如下:(1)提出基于Dc规划的两类鲁棒模糊核聚类算法,凸差核模糊c-均值聚类(DcKFcM)和凸差模糊欧拉聚类(DcFEc)。对以径向基核函数和欧拉核函数为代表的鲁棒模糊核聚类算法进行非凸优化,根据DcP思想将目标函数转化为两个凸函数之差的形式,用以改善局部解的不良性,提高算法聚类性能。对凸差化的目标函数采用凸差算法(DcA)优化求解,借此快速搜索到问题的相对更优解,且使聚类精度提高的同时仍能保持聚类的鲁棒性。通过在UcI数据集上的实验,验证了基于Dc规划的鲁棒模糊核聚类算法对大规模数据集表现出相对更优的聚类性能。(2)将DcKFcM应用到不完整数据聚类,提出基于Dc规划的不完整数据填充聚类算法(DcKFcM-OcS)。考虑真实采集的数据常存在数据项的缺失,将上述算法DcKFcM作进一步改进。将实现不完整数据聚类的方法分为非填充聚类和填充聚类,其中填充聚类包括过滤法和嵌入法。基于核模糊c-均值的优化填充策略(KFcM-OcS)是典型的嵌入填充法,针对KFcM目标函数非凸的问题,采用DcP对KFcM目标进行非凸优化,并实现DcP聚类和数据缺失项填充的交替优化过程。一方面从理论上证明交替优化的收敛性,另一方面由实验验证新算法在缺失数据填充和聚类上的优势。

关键词：核方法模糊核聚类算法核模糊c-均值聚类欧拉聚类凸差规划(DcP) 凸差算法(DcA) 不完整数据缺失项填充

基于IKFcM与多模态SSO优化SVR的光伏发电短期预测

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

电力系统保护与控制 2018年第24期46卷 96-103页

作者：黄予春曹成涛顾海国网河南省电力公司漯河供电公司河南漯河462000 华南理工大学广东广州510640 哈尔滨工业大学黑龙江哈尔滨150001

为提高短期光伏发电功率预测精度和降低气候等因素对预测结果的影响,提出了一种基于IKFcM与多模态SSO优化SVR的光伏发电功率短期预测方案。首先采用改进的KFcM(Improved KFcM, IKFcM)聚类方法对训练样本集进行处理,通过引入紧致离散聚... 详细信息

为提高短期光伏发电功率预测精度和降低气候等因素对预测结果的影响,提出了一种基于IKFcM与多模态SSO优化SVR的光伏发电功率短期预测方案。首先采用改进的KFcM(Improved KFcM, IKFcM)聚类方法对训练样本集进行处理,通过引入紧致离散聚类有效性指数,在提高IKFcM聚类准确率的同时实现了自动划分训练样本集,有效降低了样本数据差异对预测性能的影响。然后构建与训练样本集分类一一对应的SVR预测模型,并采用多模态SSO优化(Multi-mode SSO, MSSO)算法对SVR模型参数进行优化,进而得到不同分类的最优SVR参数组合。最后,运用MSSO优化SVR模型对测试数据进行预测评估。仿真结果表明,该方案实现了不同天气下短期光伏发电功率准确预测,而且同其他预测算法相比预测精度提高了25.2%～37.8%。

关键词：光伏发电功率核模糊c-均值聚类群居蜘蛛优化支持向量回归(SVR)

在线全文

学校读者我要写书评

暂无评论

面向颜色深度图像手脸近距遮挡的手势识别

激光与光电子学进展 2016年第6期53卷 134-143页

作者：刘斌赵兴胡春海万欣燕山大学测试计量技术与仪器重点实验室河北秦皇岛066004

手脸近距遮挡属于深度传感器应用中具有代表性的难点问题,针对该问题提出了一种综合利用颜色与深度信息的手势识别方法。采用核模糊c-均值聚类,对手脸遮挡图像进行粗分割和灰度增强,实现手脸分离。引入初始化水平集函数,解决聚类方法导... 详细信息

手脸近距遮挡属于深度传感器应用中具有代表性的难点问题,针对该问题提出了一种综合利用颜色与深度信息的手势识别方法。采用核模糊c-均值聚类,对手脸遮挡图像进行粗分割和灰度增强,实现手脸分离。引入初始化水平集函数,解决聚类方法导致的手势区域像元缺失问题。利用基于深度信息的梯度方向直方图(HOG)特征对手势进行分类识别。通过采集不同人体手脸近距遮挡情形下的多种手势图像建立了样本数据库,进行了对比实验,实验结果验证了该方法的可行性和有效性。本文方法能有效分离近距遮挡的手和脸,提取得到相对完整的手势信息,深度HOG特征能够对手势空间信息进行精确描述,具有比传统形状特征更准确的识别效果。

关键词：图像处理手势识别手脸近距遮挡多相水平集核模糊c-均值聚类梯度方向直方图特征

基于Boltzmann选择的人工蜂群KFcM算法

在线全文

学校读者我要写书评

暂无评论

兰州理工大学学报 2011年第1期37卷 71-75页

作者：赵小强张守明兰州理工大学电气工程与信息工程学院甘肃兰州730050 甘肃省工业过程先进控制重点实验室甘肃兰州730050

为提高算法的搜索效率、减少搜索过程中陷入局部最优的现象,将人工蜂群算法用于核模糊c-均值聚类,但在聚类数比较大和维度较高时效果不太好,为此引入Boltzmann选择机制代替轮盘赌的选择方式,并采用小区间生成法使初始群体均匀化,使得该... 详细信息

为提高算法的搜索效率、减少搜索过程中陷入局部最优的现象,将人工蜂群算法用于核模糊c-均值聚类,但在聚类数比较大和维度较高时效果不太好,为此引入Boltzmann选择机制代替轮盘赌的选择方式,并采用小区间生成法使初始群体均匀化,使得该算法的全局寻优能力更强,有效克服了KFcM算法易陷入局部最优的缺点.实验结果表明,对于聚类数比较大、维度较高的数据样本,新算法与FcM和KFcM聚类算法相比,聚类效果更准确,效率更高,迭代次数更少.

关键词：数据挖掘核模糊c-均值聚类人工蜂群算法 Boltzmann选择机制

在线全文

学校读者我要写书评

暂无评论

一种基于改进混合蛙跳的KFcM算法

计算机工程与应用 2013年第4期49卷 141-145页

作者：赵小强刘悦婷兰州理工大学电气工程与信息工程学院兰州730050 甘肃省工业过程先进控制重点实验室兰州730050

针对核模糊c-均值(KFcM)聚类算法存在易陷入局部极小值,对初始值敏感的缺点。将混合蛙跳算法(shuffled fro gleaping algorithm,SFLA)用于KFcM中,但在聚类数较大和维数较高时,聚类效果不理想,为此提出将自适应惯性权重引入混合蛙跳算法... 详细信息

针对核模糊c-均值(KFcM)聚类算法存在易陷入局部极小值,对初始值敏感的缺点。将混合蛙跳算法(shuffled fro gleaping algorithm,SFLA)用于KFcM中,但在聚类数较大和维数较高时,聚类效果不理想,为此提出将自适应惯性权重引入混合蛙跳算法的更新策略中,再用改进后的混合蛙跳算法求得最优解作为KFcM算法的初始聚类中心,利用KFcM算法优化初始聚类中心,求得全局最优解,从而有效克服了KFcM算法的缺点。人造数据和经典数据集的实验结果表明,新算法与KFcM和FcM聚类算法相比,寻优能力更强,迭代次数更少,聚类效果更好。

关键词：核模糊c-均值聚类改进的混合蛙跳算法聚类分析数据挖掘