基于流形模糊聚类算法的高光谱图像猪肉品质分类研究

目的以基于高光谱图像技术的冷鲜肉、解冻肉和变质肉的分类为研究对象,针对特征维数过高的问题,构建了一种基于流形模糊聚类算法的分类模型。方法首先采用二维Gabor小波变换分别提取反应猪肉滴水损失、p H、颜色三种品质指标的14个特征波长下图像的8个纹理特征,组成一个112维的特征变量作为猪肉品质的特征;然后采用基于等距映射降维的模糊C均值聚类算法来构建猪肉品质分类模型。结果通过猪肉品质分类实验得出,二维Gabor小波变换能较好地提取猪肉的纹理特征;与传统模糊C均值聚类算法相比,基于等距映射降维的模糊C均值聚类算法能较好地解决高维样本聚类问题,能准确地区分冷鲜肉、解冻肉和变质肉。结论高光谱图像技术可应用于对猪肉品质分类。     

广义核或混合核FLICM畜肉图像分割方法

针对传统核模糊C均值聚类(Kernel Fuzzy C-Means,KFCM)畜肉图像分割方法对噪声适应能力不强的问题,提出基于广义核函数或混合核函数的模糊局部信息C均值聚类(Fuzzy Local Information C-Means,FLICM)畜肉图像分割方法(KFLICM_UG方法和KFLICM_MG方法)。首先利用广义核函数或混合核函数可以有效兼顾学习能力和泛化能力的优势,将图像的每一个像素映射到高维的特征空间,扩大像素有用特征的类间差异,使像素在高维特征空间中拥有更优的线性可聚性;然后结合像素的局部空间和灰度信息,确定其模糊隶属度,在高维的特征空间中依据图像特征对像素进行模糊局部信息C均值聚类,最终实现畜肉图像的分割。大量的实验结果表明,相比现有的模糊C均值(Fuzzy C-Means,FCM)分割方法、KFCM分割方法和FLICM分割方法,本文提出的KFLICM_UG方法和KFLICM_MG方法可以获得更好的分割效果,更低的分割错误率,且具有更强的噪声适应能力和鲁棒性。     

苹果近红外光谱的聚类分析

为了实现不同品种苹果的快速无损鉴别,采用近红外光谱检测技术采集不同品种苹果的漫反射光谱,利用主成分分析法降低苹果近红外光谱的维数,运行模糊C-均值聚类,K调和聚类,GK模糊聚类和GG模糊聚类,实现苹果品种的分类。研究结果表明,采用主成分分析结合聚类分析实现了红富士、花牛和加纳3种苹果的正确识别。该方法属于无监督学习算法,不需要对苹果样本进行学习就可实现苹果品种的鉴别,为实现苹果品种的鉴别提供了一种无监督的快速无损鉴别分析方法。     

模糊权值网络最短路问题的数学模型及算法

模糊权值网络的最短路问题是一类重要的网络优化问题.针对边权值为三角模糊数的模糊权值网络的最短路问题,基于模糊数的结构元加权序,将其模糊线性规划模型等价转化为经典的线性规划模型,并提出一种改进的权矩阵算法来求解该问题,算法证明和应用实例表明新算法的正确性和有效性.此外对于边权值为其他形式模糊数的模糊权值网络的最短路问题,文中模型和算法同样有效.     

基于改进FKCM方法的针织纱质量评价

为对针织纱线的质量进行更客观准确的评价,提出应用改进的模糊核C-均值（FKCM）聚类算法对针织纱测量数据集聚类,改进FKCM聚类方法,将低维输入空间数据通过核函数映射到高维的特征空间中,然后在特征空间应用FCM聚类分析对数据进行聚类分析,构造了核F（KF）统计量寻找合理的聚类数,最后建立聚类类别和质量等级之间的对应关系模型。通过对IRIS数据分析,显示应用改进的FKCM具有较好的分类效果,将这种方法应用到实测数据,KF指标显示样本分2类是较合理的。依据建立的类别质量等级函数即可确定每类样本的质量等级。改进的FKCM方法和KF指标结合能够有效地对多指标数据集进行分析。     

基于核模糊c-均值聚类与阈值分割的SAR影像分割算法

由于SAR影像存在强烈的相干斑点噪声,传统的方法分割方法存在缺陷。文章在SAR影像分割研究中引入模糊聚类分析,设计了基于核模糊c-均值聚类与阈值分割结合的SAR影像分割算法,对SAR影像实现分割实验,通过实验分割结果的分析,证明了算法的可靠性。     

基于均值漂移的模糊C均值聚类图像分割方法

本文针对模糊C均值聚类（FCM）算法在分割噪声图像和含有颜色相近区域的图像时存在的不足,提出了一种结合各向异性均值漂移的模糊c均值聚类（FCM）新算法。该算法在传统的FCM算法中引入了均值漂移（MS）算法,分割图像时利用Ms算法可快速找到峰值点和图像空间信息的优点,对颜色漂移区域和细长区域均能保留更多的图像信息,同时具有较强的抗噪能力。     

基于蚂蚁孵化分类行为的聚类算法

提出了一种基于蚂蚁孵化分类行为的聚类算法：预先定好簇数,把数据随机放入簇中,通过蚂蚁把混乱无章的簇整理成有序.该算法与传统蚂蚁聚类算法相比,模型更直观,操作更简单.对Iris等真实数据的实验结果证明,该算法快速而且有效.     

模糊/去模糊攻击的研究

为了有效抵抗模糊/去模糊攻击,利用脆弱性水印技术,提出了一种基于块交叉交插RS编码的水印方案.该算法可以检测出图像中任何细微的篡改,对其进行定位,并且能恢复大面积被篡改的图像数据.实验表明,基于块交叉交插RS编码的水印在经过模糊/去模糊攻击后,仍然有很高的鲁棒性,可以有效抵抗模糊/去模糊攻击.但该算法在错误数据定位方面有时会有将个别未被篡改的数据错认为被修改的数据的情况,这一问题可采用多个编码串进行更复杂的解码方法来解决.采用多种水印的组合模型是未来抵抗模糊/去模糊攻击模型的研究方向.     

基于改进RBF网络的缝纫平整度模糊辩识系统

针对缝纫平整度主观评价易受人为不确定因素影响的问题,运用FAST系统测量服装面料的力学性能指标,通过主因子法对所测指标进行分析,提取6个主因子作为神经网络的输入。引入FCM聚类算法对RBF神经网络进行改进,并根据聚类结果确定网络的隐层节点中心和宽度,提出一种缝纫平整度模糊辩识系统。实验表明,系统可以根据中厚型精纺毛型织物的不同结构及力学性能快速准确地给出该织物成衣后的缝纫性能评价指标。     

关于结合层次聚类和K-means算法进行聚类的研究

为了解决进行K-means聚类时类数的自动选择和Hierarchical聚类在处理大量高维数据时时间效率低的问题,在Kmeans聚类算法的基础上结合Hierarchical聚类算法,提出了一种基于集体智慧编程方法的用于处理大量数据时动态选取K值的聚类模型。实验结果表明该算法比K-means聚类具有更好的聚类效果,同时解决了Hierarchical聚类方法时间效率低的问题。本模型通过K-means聚类生成适量的类簇,再利用Hierarchical聚类对这些类再进行聚类,最后经过剪枝得到合适的聚类结果,以此实现动态选取K值。     

基于模糊神经网络的面料成形性预测

根据面料FAST伸长及弯曲性能指标与成形性之间的关系,应用基于输出空间的监督模糊C均值聚类算法确定神经网络的模糊规则数,提出一种基于模糊神经网络的面料斜向成形性客观评价系统。将试样从经向到纬向沿每10°角(含45°)进行剪裁后测试,最后分别用66组和33组数据进行神经网络的训练和仿真。实验结果证明,系统可以根据织物的不同结构与物理性能快速准确地给出该织物斜向成形性评价指标,同时最大相对误差绝对值未超过7.7%。     

一种基于密度和约束的数据流聚类算法

文章在传统聚类算法的基础上,提出了一种基于密度和约束的数据流聚类算法——C-DBDStream(Constraint and Density Based Clustering of Data Stream)。该算法使用数据流聚类在线和离线两阶段框架。在线聚类阶段使用衰减窗口模型,对数据流中的数据对象进行初步的聚类,应用约束条件生成微簇,并将实例级的约束扩展到了微簇级,并将结果以快照的形式保存下来为下一阶段做准备;离线聚类阶段则利用微簇级约束规则聚类,采用DBSCAN算法中的密度可达寻找密度连通区域以产生最终结果。经实验证明,与Clu Stream算法的对比中,C-DBDStream算法提高了聚类效果。     

基于灰色聚类分析的西安市空气质量评价模型

利用灰色聚类分析方法对西安市空气质量进行评价.以国家环境空气质量标准(GB3015—2012)为依据,以城市空气的6个主要污染物为评价指标,对2013年1~6月西安市共14个监测点的空气质量监测截面数据建立了灰色聚类评价模型.通过建立灰类的三角形白化权函数计算实测值的灰类隶属度,采用临界值倒数法得到不同污染因子的危害度,最后对样本数据进行灰色综合聚类评价.数值结果表明了该方法的合理性和有效性.     

二维非接触人体测量中体型的模糊聚类分析

二维非接触人体测量系统中,围度尺寸需要通过二维至三维的数据转换间接获得。为增强围度预测的精度,应按不同体型类别分别建立预测模型。为避免指标间的信息重复,进行主成分分析,将原有的24项指标归纳为4项综合指标,对人体体型进行客观的综合评价。应用模糊C均值聚类分析进行人体体型分类,分别建立预测模型,以最大隶属度原则对样本进行分类。应用F统计量和聚类有效性函数检验聚类的有效性,并结合实际应用结果确定最佳分类数。     

基于集团序推荐输出的协同过滤推荐算法

针对电子商务推荐系统传统项目相似性计算不足和传统的TOP-N推荐输出缺乏个性等问题,提出了一种改进算法.该算法采用动态生成权重因子的方法计算项目相似性,利用模糊聚类对项目分类,在预测评分公式中引入用户权重因子,并采用集团序方法进行推荐输出以确定候选的N值.实验结果表明,该算法不仅解决了数据稀疏性问题,提高了系统的推荐质量,且推荐结果更个性化.     

模糊层次聚类分析上市皮革企业绩效

介绍了模糊层次聚类的基本方法与步骤。运用模糊层次对我国部分上市皮革企业的经营绩效进行了聚类。聚类过程中,采用环比评分法确定指标的权重,运用极大极小法构造模糊相似矩阵,通过统计量比较分析,确定了最佳分类数目。结果显示：方法通俗易懂,直观生动,客观准确。     

基于层次分析与模糊聚类的建筑工程评标系统设计与开发

目前的评标系统大多基于单项评议法、综合评议法、两阶段评议法等传统方法,评标方法简单但主观因素影响较大。本文探讨了基于层次分析与模糊聚类的建筑工程评标系统的理论基础、算法实现、系统流程及系统设计与实现,该系统使得评标更具客观性,希望能为众多评标系统的开发提供参考。     

改进的K-means算法

针对传统K-means聚类算法对初始点敏感性问题,根据数据样本分布,采用启发式的方法选取初始聚类中心点,设计了一种均衡化评价函数,由此函数为准则自动生成聚类数目.通过实验验证了该算法的收敛性.     

基于模糊理论的毛针织服装款式识别

提出了一种新的基于模糊理论的毛针织服装款式识别算法,使毛针织服装CAD更具智能化,可提高后续衣片拆分和工艺单计算的效率.该方法首先分析毛针织服装款式轮廓点的特点,建立了由7个特征组成的款式轮廓点分类依据;根据模糊理论建立了模糊聚类矩阵,通过计算机将款式轮廓点自动归类;根据毛针织服装款式的特点,给出了款式对比前的缩放公式,并提出了用于款式模糊识别的贴近度公式.得出了该套算法可快速准确将毛针织服装款式轮廓点归类并可准确识别款式类型的结论.