检索结果-南通市图书馆

基于canopy聚类的噪声自适应模糊C-均值算法

在线全文

学校读者我要写书评

暂无评论

计算机应用研究 2019年第7期36卷 2200-2204,2218页

作者：陈凯陈秀宏孙慧强江南大学数字媒体学院

针对局部空间信息的模糊C-均值算法中空间影响因子容易受到噪声影响出现错误标志的问题,提出一种融合局部和非局部空间信息的模糊c-均值聚类图像分割算法(NLWFLIcM)。在WFLIcM算法的模糊影响因子中引入非局部空间信息,根据噪声程度自适... 详细信息

针对局部空间信息的模糊C-均值算法中空间影响因子容易受到噪声影响出现错误标志的问题,提出一种融合局部和非局部空间信息的模糊c-均值聚类图像分割算法(NLWFLIcM)。在WFLIcM算法的模糊影响因子中引入非局部空间信息,根据噪声程度自适应地设置局部和非局部信息权重,并重新标记中心点的模糊影响因子。实验结果表明,NLWFLIcM算法具有比WFLIcM算法更强的鲁棒性和自适应性,并在一定程度上提高了WFLIcM算法对含有大量噪声图像进行分割的鲁棒性,同时保留了图像的纹理。为了提高算法的聚类性能和收敛速度,结合canopy算法能够快速对数据进行粗聚类的优点,提出基于canopy聚类与非局部空间信息的FcM图像分割改进算法(canopy-NLWFLIcM),可以在NLWFLIcM算法聚类前对聚类中心进行预处理,从而提高收敛速度和图像分割精度。

关键词：聚类算法 canopy算法模糊C-均值算法局部和非局部空间信息

粗糙模糊C-均值算法及其在图像聚类中的应用

在线全文

学校读者我要写书评

暂无评论

国防科技大学学报 2007年第2期29卷 76-80页

作者：王丹吴孟达国防科技大学理学院湖南长沙410073

提出一种新的粗糙模糊c均值算法(RFcM),该算法基于粗糙集的上、下近似的概念改进了FcM的目标函数,从而改变了隶属度函数的分布,使得隶属度函数的分布更加合理,同时RFcM的时间复杂性比FcM更低。将RFcM用于图像的聚类,相对于FcM算法,图像... 详细信息

提出一种新的粗糙模糊c均值算法(RFcM),该算法基于粗糙集的上、下近似的概念改进了FcM的目标函数,从而改变了隶属度函数的分布,使得隶属度函数的分布更加合理,同时RFcM的时间复杂性比FcM更低。将RFcM用于图像的聚类,相对于FcM算法,图像的边缘更光滑,同时对初始隶属度矩阵敏感度更低。该算法具有较好的稳定性,是一种实用的算法。

关键词：粗糙集模糊C-均值算法粗糙模糊C-均值算法

模糊C-均值算法在区域土壤预测制图中的应用

在线全文

学校读者我要写书评

暂无评论

土壤学报 2009年第4期46卷 571-577页

作者：檀满枝陈杰土壤与农业可持续发展国家重点实验室(中国科学院南京土壤研究所) 南京210008 中国科学院研究生院北京100049 郑州大学自然资源与生态环境研究所郑州450001

基于模糊C-均值算法和地统计学空间插值,在面积约为1km2的研究区内进行区域土壤预测制图。研究结果表明:根据研究区123个剖面和土钻样点,通过分析它们在形态学上的特征和定量属性,建立了9类诊断特征土层。通过FcM算法模型,获得4类最佳... 详细信息

基于模糊C-均值算法和地统计学空间插值,在面积约为1km2的研究区内进行区域土壤预测制图。研究结果表明:根据研究区123个剖面和土钻样点,通过分析它们在形态学上的特征和定量属性,建立了9类诊断特征土层。通过FcM算法模型,获得4类最佳分类数,模糊指数为1.7。类别数目与研究区受地形、母质和土地利用方式影响的主要成土过程决定的土纲下土壤类型数目一致。将经过对称对数比转换的隶属度成分数据进行单一模糊类别隶属度土壤预测制图,4种类别土壤在空间上具有明显的渐变过渡特征,制图结果较理想。在单一类别隶属度土壤图的基础上生成最大隶属度土壤图,与常规土壤调查土壤图具有共同参比的基础。

关键词：模糊逻辑模糊C-均值算法对称对数比转换土壤空间预测制图

基于信息熵蚁群聚类的模糊C-均值算法的研究

在线全文

学校读者我要写书评

暂无评论

基于信息熵蚁群聚类的模糊C-均值算法的研究

作者：荣巧梅青岛理工大学

学位级别：硕士

聚类是数据挖掘的重要分支之一。近年来随着数据挖掘研究的深入,涌现出大量新的聚类算法,每种聚类算法都是针对某一应用领域,也各有其优缺点。在众多的聚类算法中,模糊C-均值算法是目前使用最为广泛的基于目标函数的模糊聚类算法。但是... 详细信息

聚类是数据挖掘的重要分支之一。近年来随着数据挖掘研究的深入,涌现出大量新的聚类算法,每种聚类算法都是针对某一应用领域,也各有其优缺点。在众多的聚类算法中,模糊C-均值算法是目前使用最为广泛的基于目标函数的模糊聚类算法。但是该算法仍然存在一些不足之处,例如其聚类结果受初始化影响较大,在迭代时容易陷入局部极小等。针对这种研究现状,本文主要从三个角度对模糊C-均值算法做了改进: （1）模糊C-均值算法与基于信息熵的蚁群算法的结合使用。先执行基于信息熵的蚁群算法得到聚类数目c和聚类中心。然后以此作为模糊C-均值算法的初始参数,进行迭代优化,既克服了模糊C-均值算法对初始化参数极为敏感的缺陷,又避免了陷入局部极小值。创新之处在于引入的不是标准的蚁群算法而是基于信息熵的蚁群算法。这一改进,改变了蚂蚁拾起或放下的规则,比较的是信息熵值的改变而不是概率,减少了算法执行的随机性。（2）提出了属性加权的思想。鉴于在实际应用中发现,对于含有多维属性的数据集,往往有些属性对数据的聚类影响较大,而有些属性则影响较小。属性的分布特征与数据的聚类有着不可忽视的作用,因此本文为每个属性赋予一个权重。随后基于这种思想,本文重新推导了模糊C-均值算法的目标函数、聚类中心和隶属度函数的迭代公式。（3）本文提出用一种Voronoi距离代替欧氏距离的方法来调整隶属度的计算公式,以此克服模糊C-均值算法的聚类结果易受噪声数据干扰的缺陷。采用欧氏距离只能发现球状的簇,改用Voronoi距离就可以形成任意形状的簇,更加符合实际效果。隶属度计算公式改用Voronoi距离以调节隶属度的值,使隶属度的值大的数据对象对聚类中心位置的影响增大,对于隶属度小的数据对象（噪声数据）则降低它们对聚类中心的影响,从而也减小了孤立点对聚类结果的影响。实验结果表明,改进后的算法无论是在时间性能,还是聚类结果的准确性、稳定性方面都取得了较好的效果。

关键词：聚类算法模糊C-均值算法信息熵蚁群算法 Voronoi距离

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

模糊C-均值算法在拼车系统中的应用

模糊C-均值算法在拼车系统中的应用

作者：王嘉东北大学

学位级别：硕士

数据挖掘,又称数据库中的知识发现,是指从大型数据库或数据仓库中提取隐含的、事先未知的、潜在有用的信息或模式。它融合了数据库、人工智能、机器学习和统计学等多个领域的理论和技术,是数据库研究中的一个很有应用价值的新领域,而聚... 详细信息

数据挖掘,又称数据库中的知识发现,是指从大型数据库或数据仓库中提取隐含的、事先未知的、潜在有用的信息或模式。它融合了数据库、人工智能、机器学习和统计学等多个领域的理论和技术,是数据库研究中的一个很有应用价值的新领域,而聚类分析是数据挖掘中很重要的分析手段。聚类,是按照给定的相似度定义将数据集合划分为若干个聚类簇,使得同簇的数据之间相似度较高而不同簇的数据之间相似度较低的过程。拼车系统数据库中含有丰富的数据和信息,而目前的拼车系统主要局限于实现数据的录入、查询、统计等功能,无法有效地发现数据中存在的关系和规则,而数据挖掘技术可以对拼车系统数据进行更高层次的分析,发现其中隐含的知识。因而从拼车系统的数据库中进行知识发现,为数据挖掘研究提供了一个重要的课题。本文针对拼车系统中数据的特点,引用了一个对数据进行快速聚类的算法,即改进的模糊C-均值算法(FcM),对其增加一个加权值,来减少孤立点对聚类中心的影响;基于隶属度引用一种对手抑制式模糊c-均值聚类算法,理论分析和实验表明:这种算法有效地提高了模糊c-均值聚类算法的收敛速度。本文通过模糊c-均值(FcM)算法在拼车系统中的实现,弥补了拼车系统在分析功能上的薄弱,同时又发挥了拼车系统在图形显示方面的强大功能,并在实际中进行了验证,为数据挖掘和拼车系统整合找到了一种可行的解决方法。

关键词：数据挖掘聚类分析模糊聚类聚类有效性模糊C-均值算法

实时半盲非线性均衡算法:N-伪递推模糊c-均值均衡算法

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

电子学报 2006年第5期34卷 966-968页

作者：周薛雪罗懋康何小勇四川大学数学学院四川成都610064

本文基于模糊C-均值算法设计了能对不在同一时刻到达的数据进行实时模糊聚类的N-伪递推模糊C-均值算法(N Pseudo Recursive Fuzzy c-means A lgorithm,简记为N-PRFcM),并将其应用到非线性均衡上(N-PRFcM均衡算法).仿真结果表明,该算法... 详细信息

本文基于模糊C-均值算法设计了能对不在同一时刻到达的数据进行实时模糊聚类的N-伪递推模糊C-均值算法(N Pseudo Recursive Fuzzy c-means A lgorithm,简记为N-PRFcM),并将其应用到非线性均衡上(N-PRFcM均衡算法).仿真结果表明,该算法具有实时、半盲、聚类中心的自适应变动的特性,且由于该算法关心的仅是信道聚类中心间的距离,故信道非线性畸变程度对它的影响可忽略不计.最后对该算法进行了收敛性分析.

关键词：非线性均衡模糊C-均值算法模糊控制器

模糊C-均值算法在入侵检测系统中的应用研究

在线全文

学校读者我要写书评

暂无评论

模糊C-均值算法在入侵检测系统中的应用研究

作者：王勇哈尔滨理工大学

学位级别：硕士

随着计算机网络技术的不断发展,网络在我们的日常生活及工作中扮演着越来越重要的角色。与此同时,日益严重的网络安全问题成为制约网络技术发展的一大障碍。传统的网络安全技术,诸如防火墙、安全路由器、身份认证系统等,已不能完全满足... 详细信息

随着计算机网络技术的不断发展,网络在我们的日常生活及工作中扮演着越来越重要的角色。与此同时,日益严重的网络安全问题成为制约网络技术发展的一大障碍。传统的网络安全技术,诸如防火墙、安全路由器、身份认证系统等,已不能完全满足网络安全的需要。入侵检测作为一种主动防御的安全技术,己成为网络安全技术的一个重要手段,并成为当前的热点研究领域。聚类分析是数据挖掘技术中的关键技术,但传统的c-均值聚类算法对入侵检测数据进行处理有很多不尽人意的地方,如该聚类算法是局部寻优算法,聚类的结果对数据输入顺序比较敏感等。针对以上问题本文进行了较深入的研究,给出了相应的解决方法。本论文的主要工作如下: 论文在分析了当前常用的入侵检测方法和入侵方法的基础上,对基于聚类技术的入侵检测技术进行了研究,着重研究了数据挖掘中的聚类分析技术在异常入侵检测中的可行性和有效性,并且提出了一种基于数据挖掘聚类技术的入侵检测智能结构模型。在运用聚类分析算法对网络记录进行分析时,根据入侵检测的具体情况,对模糊C-均值算法进行了分析和研究,将其应用于入侵检测中,并提出了一种改进的模糊C-均值算法。在改进的模糊C-均值算法的基础上,引入遗传算法以克服模糊C-均值算法对初始化比较敏感和所求解是局部最优解的不足,并通过实验仿真验证了这种混合算法的有效性。

关键词：入侵检测聚类模糊C-均值算法遗传算法