基于功能蚁树的定制客户动态聚类

在分析定制客户需求特点和产品族模型构成的基础上,提出了一种根据功能结构模型进行定制客户动态聚类划分的新方法。采用面向对象的技术,将功能作为产品族的特征属性与产品族结构封装,建立了产品族功能结构模型;应用蚂蚁聚集行为的聚类方法,以产品族功能结构模型为分类模式,设计了基于功能蚁树的客户动态聚类算法。并以多功能沥青混凝土摊铺机产品的定制客户聚类划分为例,进行聚类分析,聚类结果能直观地反映各功能结构模块动态需求变化。     

聚类算法在客户细分中的应用研究

经济的快速发展,企业的相互竞争,使得企业对客户的个性化服务提出更高的要求,聚类分析是在数据挖掘的基础上,根据用户的行为模式,将具有相似属性的用户分为一簇.通过改进的聚类算法,选取离得尽可能远的客户作为初始中心,努力得到客户群一个比较好的初始划分,提高聚类质量,为企业了解客户、挖掘客户、制定营销策略,提供有力帮助.     

基于产品性能词典的评论数据驱动客户需求模型研究

利用数据驱动手段快速准确地从客户行为数据中获取客户需求信息是产品开发中亟待解决的问题,为此对客户需求模型进行研究,提出了评论数据驱动下客户需求建模的方法。首先,针对基于主题聚类的评论分析中主题数目不易确定的问题,提出了产品性能词典,用以确定聚类主题,对TF-IDF方法进行了改进,用于词典创建,并基于产品性能词典完成了客户需求挖掘。其次,针对现有产品评论研究缺乏需求分析过程的问题,提出基于产品评论数据的Kano分析方法,在此基础上引入物元表示法对客户需求模型进行量化表达。最后通过实例研究验证了所提方法的可行性与有效性。     

基于客户聚类分析的产品概念设计方案评价决策方法

为使产品创新过程中概念设计方案的评价决策充分考虑客户的需求偏好特征,提升客户的综合满意度,提出一种基于客户聚类分析的产品概念设计方案评价决策新方法。该方法首先基于客户对各设计方案的需求偏好信息,通过利用图论工具并对无向图连通子图的输出完成需求偏好相似客户的聚类;其次考虑到产品设计成本与客户满意度之间的矛盾,通过建立客户聚类评价准则确定最佳聚类结果;然后结合优势数分析的方案评价排序方法,实现各客户聚类所对应最优产品概念设计方案的评价决策;最后重点考虑新增客户的快速聚类及需求方案的推荐实现流程。以电冰箱产品创新过程中概念设计方案的评价决策为例,验证了所提方法的可行性和有效性。     

面向大批量定制设计的定制客户动态聚类方法研究

通过分析现有客户聚类存在的不足，面向大批量定制设计提出了根据功能结构模型进行客户动态聚类划分的新方法。采用面向对象的技术，
将功能作为产品族的特征属性与产品族结构封装，建立了产品族功能结构模型；应用蚂蚁自我聚集行为的聚类原理，以产品族功能结构模型为分类模式，以动态定制客户集为模式样本，提出了基于功能结构蚂蚁树的定制客户动态聚类算法。在自行开发的工程机械产品定制服务平台上，以摊铺机定制客户的聚类划分为例进行了实验验证。     

基于智能聚类分析的产品典型工艺路线提取方法

针对企业工艺数据与知识挖掘问题,提出应用智能聚类分析技术提取产品典型工艺路线的方法.构建了工艺路线的相似度度量因子,提出了对工艺路线进行相似度计算的多级相似度综合度量方法,在相似度计算基础上,构建了工艺路线设计结构矩阵,并对矩阵数据进行降噪处理;为降低聚类划分的难度和复杂性,运用粒子群优化算法实现了工艺路线设计结构矩阵的智能聚类划分,并从聚类簇中提取到典型工艺路线.以机械压力机企业工艺数据的典型工艺路线提取为例,验证了该方法的有效性.     

面向绿色设计的产品客户群细分

分析了产品全生命周期客户绿色需求特点,提出了绿色产品客户群细分方法.通过联合分析法获取客户个体的绿色需求偏好,利用系统聚类法对离散的客户个体按绿色需求偏好进行客户群聚类,实现了绿色产品客户群的细分.以面向绿色设计的豆浆机产品客户群细分为例,验证了该方法.     

基于功能-原理-结构模型的油料装备产品族划分方法

产品族划分是产品族体系构建的首要环节。针对油料装备的产品族划分问题,提出基于功能-原理-结构模型的产品族划分方法。在分析油料装备的功能-原理-结构模型的基础上,定义了油料装备间功能需求相似度、原理相似度、结构相似度的计算方法,建立相似度矩阵,采用模糊聚类法得到油料装备产品族划分结果。实例证明,该方法有效。     

批量客户化生产模式下的模块划分方法研究

在批量客户化生产模式下,不仅要考虑客户对产品的多品种小批量的功能需求,又要满足客户对产品的大批量生产的低成本的要求,合理有效的模块划分是解决上述矛盾的关键。在模糊聚类分析及信息熵理论的基础上,提出了考虑客户需求、产品的装配、成本和维修等综合因素的模块划分方法和策略,分析了模块聚类的相关准则和基于信息熵的量化评价方法,建立了相应的数学评价模型,并以电钻为例,利用提出的方法得出了用模块化方法进行产品再设计时模块划分的初始方案。     

基于改进型层次聚类算法的可重构制造系统的产品族划分

针对可重构制造系统的产品族划分问题,提出了基于改进型层次聚类算法的可重构制造系统的产品族划分方法。首先对影响产品族划分的因素进行分析,基于产品的结构矩阵以及组成产品的各模块间的相关性矩阵确定了各因素的指标值,建立了各个因素相似度矩阵,然后利用层次分析法获得各指标的权重,获得产品的综合相似度矩阵,利用改进型层次聚类算法实现产品族的划分。最后通过实例验证了改进型层次聚类算法与层次聚类算法具有相同的划分结果,但是改进型层次聚类算法有更低的计算复杂度与更高的效率。     

基于像元相互关系的FCM聚类分割算法

针对传统模糊C均值(FCM)算法在图像分割时未考虑像元间的相互关系,且未事先给出初始聚类中心的问题,提出了一种考虑像元间相互关系的FCM聚类分割算法。该算法基于数据场原理,首先利用像元间的相互关系,通过计算各像素点的势值,形成图像数据场,然后利用图像数据场势心,确定FCM算法的初始聚类中心,最后在图像数据场的基础上,利用FCM算法实现对目标图像的聚类分割。利用人工合成图像和工件表面缺陷图像对算法的有效性进行验证,实验结果表明,该算法具有较好的分割效果,且对于条痕、脱碳、孔洞3种缺陷的不同噪声图像分割的正确率均在93%以上,同时具有较高的平均结构相似性。     

基于核模糊相似度度量的谱聚类算法

相似性度量的选择是谱聚类算法良好性能实现的关键。通常采用的谱聚类相似性的度量是基于高斯核函数的相似性度量。然而,谱聚类对这种相似度度量中的尺度参数非常敏感,并且确定一个合适的参数也很困难。另外,基于欧几里得的这种高斯核相似度度量无法有效反映复杂分布数据集的分布特点。针对此问题,通过利用基于核模糊C均值聚类算法得到的划分矩阵中隶属度的分布特点,提出了一个新的核模糊相似度度量,并将基于所提出的新的相似度度量的谱聚类算法(KFSC)应用于图像分割中。所提出的KFSC算法不仅克服了谱聚类对尺度参数敏感,而且解决了尺度参数很难确定的问题,获得更好的聚类效果。3个标准数据集、2个合成纹理图像及2个自然图像上的分割实验表明了所提出算法的有效性和鲁棒性。     

基于运动显著图和光流矢量分析的目标分割算法

为提高运动目标分割算法对多种复杂场景的自适应能力和分割精度,提出一种基于运动显著图和光流矢量分析的目标分割算法。该算法首先基于运动显著图提取运动目标的大致区域,然后利用光流矢量获得运动目标和背景区域的运动边界,并结合点在多边形内部原理得到运动目标内部精确的像素点,最后以超像素为基本分割单元,通过引入置信度的概念实现最终像素一级的目标分割。通过与典型算法进行多场景实验对比,表明该算法能够有效实现多种复杂场景下的运动目标分割,并且较现有算法具有更高的分割精度。     

Breast histopathology image segmentation using spatio‐colour‐texture based graph partition method

This paper proposes a novel integrated spatio‐colour‐texture based graph partitioning method for segmentation of nuclear arrangement in tubules with a lumen or in solid islands without a lumen from digitized Hematoxylin–Eosin stained breast histology images, in order to automate the process of histology breast image analysis to assist the pathologists. We propose a new similarity based super pixel generation method and integrate it with texton representation to form spatio‐colour‐texture map of Breast Histology Image. Then a new weighted distance based similarity measure is used for generation of graph and final segmentation using normalized cuts method is obtained. The extensive experiments carried shows that the proposed algorithm can segment nuclear arrangement in normal as well as malignant duct in breast histology tissue image. For evaluation of the proposed method the ground‐truth image database of 100 malignant and nonmalignant breast histology images is created with the help of two expert pathologists and the quantitative evaluation of proposed breast histology image segmentation has been performed. It shows that the proposed method outperforms over other methods.     

基于多尺度分析的逆向工程截面线特征分割

为解决基于截面线特征重构中,初等曲线特征元和次要曲线特征元的分割问题,提出一种将多尺度分析与特征识别相结合的逆向工程特征分割方法.采用曲率尺度空间,实现截面线的多尺度分析和特征检测;利用相对转角法,实现单尺度特征融合;基于多尺度间信息传递和融合的多尺度特征融合算法获得多尺度特征集成.用多尺度曲率分析代替传统单一尺度逆向工程截面线分析,保证了特征分割结果,以及与基于特征设计和建模的特征元的一致性.合成复合曲线和实际扫描截面线的实例表明,提出的方法可以有效地实现逆向工程截面线多尺度特征分割.     

一种基于图元结构关系的电气草图符号识别方法

针对手绘草图符号不规则以及模糊的特点造成对其识别难度较高的问题,对手绘电气草图符号的特点、符号的笔划分割、图元类型的判别、图元间的结构关系、符号间相似度的类型等方面进行了研究,提出了一种基于图元结构关系的手绘电气草图符号识别方法。根据手绘电气草图符号的特点,首先对手绘电气草图符号进行了笔画分割,将其分解成了若干基本图元;然后用属性关系图描述出了手绘电气草图符号单个图元的信息以及图元间的结构关系,提出了一种基于属性关系图的电气草图符号匹配相似度计算方法;最后通过计算待识别符号与模板库符号之间的相似度,达到了手绘电气草图符号识别的目的。研究结果表明:可以构建一个有效的、可训练的、多线条的符号识别器,并且不受符号方向、大小和笔画顺序的影响,能够取得良好的识别效果。     

基于聚类的未知频率小信号检测

针对宽带范围内未知频率、幅度和相位的小信号检测,提出了一种改进的K均值聚类算法,传统的聚类法只以某一特征参数作为聚类依据,不能体现类内各样本间两个或多个参数的相似度;改进的聚类法按频点谱密度进行网格划分,并根据每个网格的直方图峰值确定类的数目和类心;按最小欧氏距离原则对网格内各频点以频率为特征参数进行分类,分类后的网格内子类在谱密度和频率两个参数上都具有一定的相似性。把待测信息和样本信息的子类进行比较,从而获得与小信号特征值一致的新子类,试验结果表明这种改进的K均值聚类法在复杂环境下能有效识别宽带内未知频率小信号。     

面向机械臂避障的非结构场景感知研究

为了解决机械臂避障中场景感知的应用问题,对使用非深度学习的方法对三维激光点云数据进行分割、滤波和聚类等操作进行研究,提出一种基于有序点云间的切比雪夫距离以确定DBSCAN算法的邻域半径参数和一种基于横截面积的地面分割方法,实现了对场景中物体的提取。通过设计一个典型的非结构场景,对提出的2种方法进行仿真验证,并且取得预期的效果。     

应用聚类和分形实现复杂背景下的扩展目标分割

将K-均值聚类方法与分形理论相结合,提出了一种分两个阶段对扩展目标进行分割的方法.在预分割阶段,运用粗糙集理论求取初始聚类中心,在K-均值聚类分割和区域连通的基础上,检测图像边缘并进行边界跟踪,对于获得的目标和背景团块根据扩展目标特性确定目标潜在区域.在进一步分割阶段,给出图像分维数随尺度变化的函数,利用自适应阈值,根据分形理论的尺度不变性进一步抑制预分割结果中的自然背景,并运用形态学开运算消除背景粘连.实验表明该方法能有效并可靠地实现复杂背景下扩展目标的精确分割,分割出的扩展目标轮廓细节保持良好.     

Modified cuckoo search algorithm in microscopic image segmentation of hippocampus

Microscopic image analysis is one of the challenging tasks due to the presence of weak correlation and different segments of interest that may lead to ambiguity. It is also valuable in foremost meadows of technology and medicine. Identification and counting of cells play a vital role in features extraction to diagnose particular diseases precisely. Different segments should be identified accurately in order to identify and to count cells in a microscope image. Consequently, in the current work, a novel method for cell segmentation and identification has been proposed that incorporated marking cells. Thus, a novel method based on cuckoo search after pre‐processing step is employed. The method is developed and evaluated on light microscope images of rats’ hippocampus which used as a sample for the brain cells. The proposed method can be applied on the color images directly. The proposed approach incorporates the McCulloch's method for lévy flight production in cuckoo search (CS) algorithm. Several objective functions, namely Otsu's method, Kapur entropy and Tsallis entropy are used for segmentation. In the cuckoo search process, the Otsu's between class variance, Kapur's entropy and Tsallis entropy are employed as the objective functions to be optimized. Experimental results are validated by different metrics, namely the peak signal to noise ratio (PSNR), mean square error, feature similarity index and CPU running time for all the test cases. The experimental results established that the Kapur's entropy segmentation method based on the modified CS required the least computational time compared to Otsu's between‐class variance segmentation method and the Tsallis entropy segmentation method. Nevertheless, Tsallis entropy method with optimized multi‐threshold levels achieved superior performance compared to the other two segmentation methods in terms of the PSNR.