基于花粉算法的K均值聚类算法

针对原始花粉算法寻优精度低,后期收敛速度慢等问题,提出加入高斯白噪声扰动改进花粉算法.利用改进后花粉算法强大的全局搜索能力优化K-means算法的初始聚类中心,通过基于距离的方法消弱孤立点对聚类的影响,并对该算法的性能进行验证和测试.实验结果表明该算法有效地避免了其陷入局部最优,改善了聚类性能.     

K均值聚类在葡萄酒分级中的应用

葡萄酒分级是葡萄酒评价中的一个重要内容,结合数据降维技术,建立葡萄酒K均值分类模型.通过实例分析证实所得结果较好,该方法在葡萄酒的评价分级中具有很好的应用价值.     

K均值聚类在葡萄酒分级中的应用

葡萄酒分级是葡萄酒评价中的一个重要内容,结合数据降维技术,建立葡萄酒K均值分类模型。通过实例分析证实所得结果较好,该方法在葡萄酒的评价分级中具有很好的应用价值。      

基于改进k-均值聚类方法的风电场解析模型

风电场解析模型的建立是利用解析法或非序贯蒙特卡洛模拟法进行发电系统充裕度评估的基础。提出了利用改进的k-均值聚类算法建立多级水平风电场概率模型;利用解析法对RBTS可靠性测试系统进行了算例分析。算例结果表明,基于所提出的聚类算法得出的风电场概率模型具有很高的计算精度和收敛速度,适合用于风电并网发电系统的充裕度评估。     

基于动态聚类的织物疵点识别算法

首先对织物图像进行高斯模板平滑预处理,然后提取正常织物图像小幅窗口的行列(对应织物中经纬向)灰度均值,再利用K均值聚类算法提取织物图像中纱线条干的灰度聚类中心和纱线空隙部分的灰度聚类中心,计算出正常织物图像行列灰度均值与其灰度聚类中心的波动范围。比较待检图像的行列灰度均值与正常织物图像的行列灰度聚类中心,判断其波动是否超出正常织物图像的波动范围,以判别待检图像中是否含有疵点,并正确标出织物图像中疵点位置。     

茶叶中茶多酚和生物碱的测定及聚类和线性判别分析

目的：建立一种反相高效液相色谱方法,测定绿茶、乌龙茶、红茶、白茶和普洱茶中儿茶素[(+)-catechin,C]、表儿茶素[(-)-epicatechin,EC]、表儿茶素没食子酸脂[(-)-epicatechin gallate,ECG]、表没食子儿茶素[(-)-epigallocatechin,EGC]、表没食子儿茶素没食子酸脂[(-)-epigallocatechin gallate,EGCG]、没食子酸(gallic acid,GA)、咖啡因(caffeine,CAF)、可可碱(theobromine,THEO)的水平。以这8 种组分为指标对茶叶进行聚类分析和线性判别分析,建立区分绿茶、红茶和乌龙茶的方法。方法：茶叶提取后采用HPLC 法测定儿茶素和生物碱含量,色谱柱为C18 柱,流动相由甲醇(A)、2% 的乙酸(B)等度洗脱,A、B 相的体积比为25:75,流速为1mL/min,柱温30℃。采用PDA 检测器在278nm 检测,参考波长为210nm。采用SPSS 14.0 对实验数据进行了聚类分析和线性判别分析。结果：在选择的分析条件下,样品中的8 种组分获得了理想分离, 加标回收率在8 7%～ 112.8%之间,并采用外标法对8 种组分进行定量。以这8 种组分的含量为指标,聚类分析和线性判别分析能对39 种茶叶样品进较好的区分。     

一种基于SOM改进的PCM聚类方法

针对PCM算法在聚类计算过程中存在的初始聚类中心随机选取,聚类结果可能陷入局部最优解等问题,提出一种改进策略.利用SOM网络对数据进行初步处理,得到PCM算法的初始聚类中心,使得算法聚类效果得到明显提升.     

基于扰动因子的准则函数下的聚类算法

针对初始聚类中心的选择对于K-均值算法的聚类结果非常敏感,且容易陷入局部极值的缺点,提出利用蚁群聚类算法来搜寻K-均值的初始聚类中心,同时通过在搜索空间增加一组逐渐递减的服从均匀分布的扰动因子,建立基于扰动因子的准则函数下的聚类算法.最后对蚁群聚类算法、K-均值聚类算法以及改进后的算法做了对比实验.实验结果表明,改进后算法的聚类能力更强.     

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。     

基于同态滤波和改进K-means的苹果分级算法研究

针对苹果在分级的过程中,光线不均所导致的表面反光和阴影问题,利用同态滤波和改进的K-means算法予以解决。同态滤波前,将苹果图像由RGB空间转换到HSV空间,再对HSV空间的V分量进行同态滤波增强,最大限度地削弱光线不均带来的影响;对传统K-means聚类算法,新增加距离度量方法、确定聚类数目和初始中心点,能较好地去除苹果阴影对图像分割的影响。从大小、果形、质量、颜色、缺陷5个方面对陕北富县的秦冠苹果进行分级,分级成功率达到97%。利用同态滤波算法结合改进的K-means算法来对苹果图像进行处理,能够大大提高苹果分级的准确性。     

基于改进的加权中值滤波与K-means聚类的织物缺陷检测

为检测纹理织物在生产过程中产生的各种疵点,提出一种基于改进的加权中值滤波与K-means聚类相结合的纹理织物疵点检测方法。首先利用改进的加权中值滤波对纹理织物图像进行预处理,以减少纹理信息对疵点检测产生的影响,同时通过联合直方图动态数据分配权重和像素,减少寻求中位数的时间来有效地缩短检测时间,提高了执行速度;然后采用K-means算法对滤波后的织物图像进行聚类,计算织物图像疵点和非疵点的聚类中心,进而实现图像疵点区域的分割。实验结果表明,该方法可有效地检测出方格、点形、星形、平纹、斜纹等多类型纹理织物的疵点,并显著提高检测速度。     

基于聚类算法和色彩网络的蝴蝶色彩分析及应用

蝴蝶蕴含着独特的自然美,是设计师重要的设计灵感来源.为厘清蝴蝶色彩及其搭配规律,更好地进行蝴蝶色彩重用,基于聚类算法和色彩网络对蝴蝶色彩进行分析和应用研究.首先,利用K-means聚类算法对单只蝴蝶8种不同角度的图像进行2次色彩聚类和主色提取,构建110只蝴蝶的6色标准色卡.其次,对蝴蝶标准色卡再次聚类,结合蝴蝶色彩实...     

基于Fisher线性判别分析方法的卷烟主流烟气质量预测模型构建

为建立卷烟主流烟气质量判别方法,采用Fisher线性判别分析理论对30种中国市售成品卷烟的16个参数作为判别因子,提出了一氧化碳、焦油量和烟气烟碱量3个判别函数,建立了Fisher判别模型。经验证,该模型回代误判率0,检验计算预测精度100%。     

机理/数据联合驱动储备粮数字监管智能方法

储备粮监管是关系国家粮食安全的大事。我国已经建成了世界上最大的粮食物联网,尽管仍然存在数据质量不高、利用率不高、信息孤岛现象严重等问题,但依然为开展储备粮数字化监管提供了基础。在研究粮堆多场耦合及生物场理论的基础上,提出了储备粮数字监管的连续性、周期性和协调性原理,进一步给出了利用粮情大数据分析的7项智能策略和粮仓储粮10模态的智能分析方法,并结合2018年参与全国政策性储备粮清仓查库10个省的应用案例,剖析了储备粮数字监管原理以及7项智能策略,以期为加速相关技术科技成果转化和大面积推广应用,同时加速建构高质量储备粮监管技术体系,推进储备粮管理从“人管”向“技管”转变,让数据在储粮决策和管理中发挥应有的作用。