基于改进FCM算法的彩色图像破损区域提取

现有的大部分图像修复技术需要人工确定待修复区域。结合改进的FCM算法提出了一种自适应提取彩色图像破损区域的方法。该方法可以自适应获取彩色图像初始聚类数目,并采用交叉熵距离测度进行FCM聚类,同时利用颜色和纹理特征向量对彩色图像进行分割,进而提取破损区域。实验结果表明,该方法不仅能够有效提取图像的破损区域,而且算法的普适度也得到了相应提高。与传统的FCM算法相比,本文方法对彩色图像的分割更易于实现,分割效果令人满意。     

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（Weighted Fuzzy 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.     

一种基于改进PSO和FCM的图像分割算法

在模糊C-均值聚类算法的基础上,提出了基于改进粒子群和模糊C-均值聚类的混合图像分割算法.该算法利用改进粒子群算法优化模糊C-均值的目标函数,同时引入聚类有效性指标,通过迭代更新搜索到合理的分割类别数和聚类中心实现自动确定图像分割最佳类别数,并根据最佳类别数确定最优聚类中心的选取,最终实现图像的自适应分割.实验结果表明...     

FCM聚类算法的改进

模糊C均值（FCM）算法广泛地应用于模式识别、图像分割等领域。根据FCM算法存在对初始解敏感且迭代过程中计算量大的问题,本文提出了一种改进的算法：先通过精简数据集,减少算法迭代的时间;再使用密度函数法得到FCM算法的初始聚类中心,以减少FCM算法收敛所需的迭代次数。实验结果表明,改进后的算法较好地解决了类中心的初值化问题,提高了算法的收敛速度和运行效率。     

改进的模糊C-均值聚类方法

该文针对模糊C-均值算法容易收敛于局部极小点的缺陷,将遗传算法应用于模糊C-均值算法(FCM)的优化计算中,其中对传统遗传算法的编码方案、遗传算子约束条件及适应值函数等方面进行改进,提出了一种基于改进遗传算法的模糊聚类方法。实验表明,将改进的遗传算法与FCM算法结合起来进行聚类分析,可以在一定程度上避免FCM算法对初始值敏感和容易陷入局部最优解的缺陷,使聚类更合理,比单一使用FCM算法进行聚类分析的效果要好。     

基于PSO和GA混合优化的FCM算法

模糊C-均值(Fuzzy C-means,FCM)算法的初始聚类中心是随机确定的,因此存在着易受初始聚类中心和隶属度矩阵影响,可能收敛到局部极小值的缺点,从而影响图像分割效果.针对此问题,将粒子群优化(P S O)算法与遗传算法(GA)相结合更新种群和搜索最优点,进行全局搜索优化FCM初始聚类中心,实现了基于PSO和GA相结合的模糊C-均值图像分割算法,并用于分割乳腺钼靶图像.实验结果表明,提出的优化算法具有更好搜索全局最优解的能力,可以提高分割精度,得到更好的图像分割结果.     

基于FCM的动态结合全局图像阈值分割

全局阈值分割对于小目标物效果不理想,动态阈值容易产生阴影等干扰,但综合考虑全局阈值和动态阈值可以达到比较理想的结果。模糊C均值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,该文在不明显增加运算量的前提下,利用模糊C均值自动聚类的功能分别得到全局阈值和动态阈值,完成对阈值矩阵的构造和图像的分割。     

基于改进FCM和径向基函数插值的图像修复

图像破损区域的检测提取是图像修复过程中的关键预处理步骤,模糊C均值聚类算法(FCM)在聚类过程中易受到初始聚类中心影响并陷入局部最优.提出一种基于差分演化的改进模糊C均值聚类算法(DEFCM),该方法通过建立图像的灰度-梯度直方图获取聚类数目,作为差分演化算法(DE)问题的维数,结合改进的FCM自适应提取图像破损区域,在此基础上,利用径向基函数插值方法(RBF)对图像进行修复.经实验验证,该方法能解决FCM算法陷入局部最优的问题,能正确、稳定的提取灰度图像的多种破损区域,RBF通过对破损区域的插值得到缺失信息,实现图像的修复.     

基于遗传模糊C-均值聚类算法的图像分割

将遗传算法（GA）与模糊C－均值聚类算法（FCM算法）相结合，并运用于图像分割，以期解决标准FCM算法在图像分割中运算速度慢和对初始值依赖大的两大缺陷。首先对模糊聚类中心进行编码，然后依据FCM算法的目标函数建立适应度函数，在适当的交叉率和变异率下，最终实现了基于遗传模糊C－均值算法的图像分割。考虑在一维图像分割特征向量情况下，通过引入直方图统计特性，实现了遗传模糊C－均值算法的快速运算，最后，运用真实的磨粒图像对算法进行了详细验证，并与标准FCM算法进行了对比，分割实验表明了本方法比标准FCM算法具有更快的计算速度和更好的鲁棒性。     

一种改进的快速FCM图像分割算法

FCM算法对图像的模糊特征具有较强的鲁棒性,在图像分割方面得到了广泛应用。但FCM算法采用随机初始化聚类中心的方法,使算法在迭代次数上有一定的不确定性。为提高FCM算法的运算效率,提出一种基于确定初始聚类中心的快速FCM图像分割算法。用最大类间方差法多次划分图像的灰度区间,根据区间中像素点的灰度值来初始化聚类中心,以使其尽可能的接近最终分割的聚类中心,减少算法的迭代次数。实验结果表明,与传统的FCM算法相比较,改进后的算法可以通过较少的迭代次数及运算时间分割图像。且该算法可以应用于诸多采取随机初始化聚类中心的FCM相关的算法中,以提高算法的运算效率。     

基于模糊聚类建立模糊模型的新方法

为了实现自动建立Mamdani模糊模型,提出了一种基于局部数据密度的新方法.该方法采用局部近似隶属函数的模糊聚类算法对数据进行学习,从而挖掘出潜在的模糊规则集和隶属函数的参数,实现自动建立Mamdani模糊模型.在聚类时,不需要事先指定类的数目,确定类中心的同时能自动识别噪声,因此在建模时不需要做额外的去噪声处理.使用该方法对交通信息预测进行了仿真实验,结果表明本文提出的模糊建模方法行之有效.     

基于模糊聚类的高维划分策略研究

数据集的划分策略是影响高维数据库索引性能的一个关键因素。金字塔技术是一种较好的高维索引方法，但它只对均匀分布的数据集具有良好的性能。为此，提出了一种改进的基于模糊聚类的金字塔技术，并将其用于高维划分策略，先对数据集进行模糊聚类处理，然后针对每个聚类进行金字塔划分，从而较好地实现了对非均匀分布数据的高维划分。     

基于模糊聚类的复杂系统资源调度

为了提高复杂软硬件系统的资源利用率、及时响应实时任务, 采用模糊聚类方法建立了任务-资源模糊聚类分析模型.用平均距离表示模糊集的隶属度, 并定义了模糊相似系数, 设计了资源聚类算法(resource clustering algorithm, RCA), 将历史任务-资源库里的任务与实时任务进行聚类.系统根据聚类结果分析实时任务资源占用情况, 从而实现系统对实时任务的快速响应.在某复杂软硬件系统上进行了仿真测试, 结果表明所提算法可实现资源的合理调度.     

水光互补日内优化运行策略

针对光伏发电功率不可控、随机性强等特征引起的水光互补系统中复杂梯级水电运行策略难以制定的问题,探讨了光伏出力的波动特性对水电运行方式的影响,并提出了一种以波动电量比为目标的水光互补日内协调优化运行策略.首先,建立了描述光伏出力局部特性和全局特性的指标体系,并基于该指标体系采用聚类方法对光伏出力场景进行缩减;其次,提出了...     

基于模糊聚类的ERP系统潜在客户分析

分析了影响ERP实施的企业关键因素,结合模糊聚类方法,探讨了将ERP供应商潜在的客户分为A、B、C三类,对每类客户进行不同的售前服务,为ERP供应商成功地发现客户提供辅助决策。     

基于HDAF系统的最优中继集合优化选择策略

针对混合译码放大转发协作通信最优中继集合选择困难的问题,提出了基于信道统计特性顺序排列的中继选择算法.首先,在各节点等功率分配下分析了各中继信道统计特性的参数运算,得到了使系统中断概率最小的中继集合,很大程度降低了运算复杂度.仿真表明,在相同情况下,与传统中继选择算法相比,这种算法平均中断概率更低.其次,对参与通信各节点的功率重新分配,系统性能得到了进一步提升.     

基于模糊聚类的Web服务管理

随着Web服务的推广应用,网络上出现越来越多共享的服务资源.为提高服务的查全率、查准率,给出了一种基于模糊聚类的Web服务管理方法,利用模糊聚类将服务注册库中的服务资源按功能聚类,形成功能相关的服务簇.服务查找时,先定位到服务簇,再在服务簇中查找满足要求的Web服务,有效地提高了查找效率和精度.     

基于模糊控制的高速列车运行控制系统研究

列车运行控制系统是保证列车安全、高速和高效运行的重要设备,根据列车在铁路线路上运行的客观条件和实际情况,对列车运行速度进行监督、控制和调整。高速、舒适是世界铁路发展的主要目标和方向,开发高效的高速列车运行控制系统势在必行。本文首先分析高速列车运行的控制问题,建立了高速列车运行的动力学模型,以给定的牵引和制动特性曲线得到参考速度曲线,将模糊控制技术应用于列车的运行控制中,实现了高速列车运行速度的智能控制。在Simulink中进行仿真研究,仿真结果表明,采用模糊控制的控制系统能确保列车实际运行速度很好地跟踪给定速度,系统的鲁棒性良好。     

基于模糊层次分析法和聚类分析法的群组决策评价系统

针对现有大宗固体废物循环利用评价系统的缺陷,提出了利用模糊层次分析法和聚类分析法相结合建立群组决策评价系统。该评价系统先利用模糊层次分析法确定各级评价指标的权重,再对多位专家给出的各指标权重进行聚类分析,最后通过加权得出各指标的最终权重。实验结果表明：群组决策评价系统能有效地整合专家共识,并能更好地指导大宗固体废物的循环利用。     

基于遗传算法的动态模糊聚类基于遗传算法的动态模糊聚类

提出了一种基于遗传算法的动态模糊聚类方法。通过计算样本之间的模糊相似性,不失真地反映它们之间的内在关联。同时将样本之间的模糊相似性映射到样本之间的欧氏距离,即将高维样本映射到二维平面。利用遗传算法不断优化两者之间的映射,使样本之间的欧氏距离逐步趋近于其模糊相似性,实现动态模糊聚类。克服了聚类有效性对样本分布的依赖性;同时,增加了聚类的灵活性和可视化。该方法在性能上较经典的模糊聚类算法有一定改进,具有较好的聚类效果和较快的收敛速度。仿真实验结果证明了该方法的可行性和有效性。