基于模糊聚类的RBF神经网络算法

文章提出一种根据模糊聚类的思想来确定RBF神经网络隐层节点数,并用K-Means的聚类算法来训练RBF神经网络.并根据此算法进行仿真,并证明是有效的.     

一种基于FCM模糊聚类的音频水印算法的研究

现有自适应数字音频水印技术普遍采用局部区域作为水印的嵌入位置,区域选择是根据多次实验的结果来确定,算法的适应性不强。因此,提出一种基于FCM模糊聚类的自适应音频水印算法,该算法结合数字音频的局部特征和变换后音频数据局部能量集中的特点,自适应的确定最佳水印嵌入区域。仿真实验表明,该算法对高斯噪声,MP3压缩攻击,滤波攻击有较强的鲁棒性。     

基于模糊c均值聚类算法的控制图模式识别

控制图模式识别能够区分制造过程中的一般因素与异常因素,提高制造过程中的产品质量,减少成本,提高效益。利用蒙特卡洛方法产生样本;采用一维离散小波变换处理原始数据;利用模糊c均值聚类算法进行控制图模式识别。识别准确率99.43%,其标准差为0.002 8。这表明基于该方法的控制图模式识别准确率高,稳定性好,较现有的控制图模式识别方法具有简易、高效等特点。     

一类带最小约束的模糊聚类问题

考虑到模糊聚类中引入传递性可能使问题失真,提出了一类带最小约束的模糊聚类问题.给出了解决这类问题的两类方法:直接聚类法与基于无约束聚类的方法.并将这些方法与一般模糊聚类的方法进行了比较.     

基于模糊聚类算法的配电物联网潜在攻击行为的安全检测

受到特征点对点匹配机制的限制,虽然配电物联网攻击行为个体监测精度高,但是整体检测精准度偏低,无法适应配电物联网攻击行为的检测应用,由此设计基于模糊聚类算法的配电物联网潜在攻击行为安全检测技术。结合配电物联网攻击行为数据特征,采用模糊聚类算法对其检测过程进行优化,改进基于模糊聚类算法的配电物联网区块模型,定义攻击行为节点的模糊聚类条件,进行攻击行为模糊聚类规格化计算、攻击行为识别输出,实现配电物联网潜在攻击行为安全检测。仿真数据测试结果表明：所提方法能够有效提升配电物联网攻击行为检测的整体精度,且稳定性指标能够满足连续性检测任务。     

基于模糊聚类的模态参数自动识别

多参考点最小二乘复频域法（p-LSCF）是最近几年来提出的宽频带模态参数识别算法,该算法在抗干扰能力、识别密集模态、以及处理大阻尼复杂结构方面具有非常好的特性。区分真实极点与计算极点是该算法中非常重要的一步,这项工作通常是借助于稳定图由人工完成。对于复杂结构,这个过程尤其繁琐并且耗时。模糊聚类肥西已经在多个领域得到了成功的应用,通过将模糊聚类作为自动分析稳定图的工具引入到模态分析中,实现了模态参数的自动识别。     

基于遗传模糊C-均值聚类算法的除湿机故障诊断

针对除湿机系统的故障诊断问题及其特点,以CFTZ21型除湿机为对象,应用模糊C-均值聚类（FCM）算法进行了研究;引入遗传算法对传统模糊C-均值聚类算法进行了改进,克服了传统算法的不足;结合实验采集到的数据样本,对改进后的遗传模糊C-均值聚类算法进行检验,结果达到预期效果,由此说明,将改进的FCM应用于除湿机故障诊断是可行的。     

模拟退火与模糊C-均值聚类相结合的图像分割算法

模糊C-均值(FCM)聚类算法是一种结合无监督聚类和模糊集合概念的图像分割技术,比较有效,但存在着受初始聚类中心和隶属度矩阵影响,可能收敛到局部极小的缺点.将模拟退火算法(SA)与模糊C-均值聚类算法相结合,在合理选择冷却进度表的基础上,依据模糊C-均值聚类算法建立模拟退火算法的目标函数,实现了基于模拟退火的模糊C-均值聚类图像分割算法.实验表明,该方法具有搜索全局最优解的能力,因而可得到很好的图像分割结果.     

浅谈数据挖掘中的聚类算法

数据挖掘是近年来非常热门的研究方向。聚类分析是数据挖掘的一个重要研究领域。本文归纳总结了数据挖掘中传统聚类算法,并对现今新发展的,比较热门的聚类算法进行了介绍。     

基于k-均值的文本聚类算法及改进

本文提出了k-means聚类算法中选取初始聚类中心及处理孤立点的新方法,改进了k-means算法对初始聚类中心和孤立点文本很敏感的不足之处,并将改进后的算法应用于中文文本聚类中。实验结果表明,改进的算法较原算法在准确率上有较大提高,并且具有更好的稳定性。     

基于模糊C均值聚类算法的金刚石砂轮磨粒边缘检测

基于模糊C均值(FCM)聚类算法将金刚石砂轮表面检测数据划分成金刚石和结合剂两个类别,以数据的质心初始化聚类中心,用迭代的方法分别求出相应的最优聚类中心和隶属度矩阵,通过选取合适的隶属度阈值以及两个聚类中心的欧氏距离阈值来区分金刚石和结合剂,确定磨粒边缘。为验证方法的可行性,对多组数据进行检测,并用模拟的砂轮表面形貌对此方法进行了评定,评定结果与设定值误差不超过2.0%。     

聚类算法分析及其性能比较

聚类算法有很多种,在需要时可以根据所涉及的数据类型、聚类的目的以及具体的应用要求来选择合适的聚类算法。下面介绍几种常用的聚类算法,并根据评价准则来评价这些算法。     

基于时间技术的搜索引擎排名算法

提出一种基于用户浏览网页时间的搜索引擎新排名算法time-Rank。该算法根据用户浏览时间的信息,更加准确地计算网页的排名得分,提高搜索引擎排名的准确性。算法基于浏览任意两个网页之间的时间差,对用户浏览网页时间进行计算,该算法能够更加准确地模拟用户浏览网页的时间长短。由于浏览时间不同,用户对网页的喜爱程度也就不同,直接体现该页面针对不同用户的重要程度。     

基于K-medoids聚类算法的研究与实现

随着网络的普及,越来越多的人在Web上了解自己想要的信息,这就使得Web数据集成技术的研究和发展显得越来越重要,其中聚类算法是WEB数据集成中的重要研究课题。在分析总结现有的聚类算法的特点和实现过程的基础上,对K-medoids聚类算法进行改进,使得改进后的K-medoids聚类算法具有更高的效率,用户在Web上查询信息时更方便、更快捷。     

基于超像素快速模糊聚类的印刷品图像分割方法

针对当前彩色印刷品色差检测过程中效率低、复杂性高等问题,提出了一种基于超像素快速模糊聚类的印刷品图像分割方法（SFFCM）。先用简单线性迭代聚类（SLIC）算法将图像分割为紧密相邻的超像素区域。每个超像素区域被视为一个独立的聚类单元。随后,将模糊C均值聚类（FCM）算法应用于超像素的归属关系计算中,即引入隶属度值,允许超像素归属于多个聚类中心,并通过权衡归属度值来实现模糊聚类。实验结果表明,相对于其他算法,本文方法在保持良好实时性的同时,实现了较好的分割效果,有效平衡了算法复杂度与分割效果之间的关系。     

基于聚类算法的财务大数据智能分析处理技术研究

本文对基于聚类算法的财务大数据智能分析处理技术进行了研究,旨在处理金融领域管理庞大的财务数据以及更好地应对不断增长的数据挑战。本文在设计财务大数据智能分析系统总架构的基础上,对系统软件部分进行了详细地分析设计。其中数据收集与预处理主要负责获取原始数据,同时确保收集数据的质量与一致性。特征工程提取主要为聚类算法提供有意义的特征,以更好地捕捉数据的模式和结构。聚类建模算法分析是系统的核心部分,其将财务数据划分为不同的簇,整理数据中的内在结构。数据可视化可将复杂的聚类结果以直观的方式呈现给用户。系统性能测试对测试结果进行研究,说明系统在财务大数据分析中具有有效性和可行性。     

基于模糊聚类的现代远程教育网格调度研究

在跨管理域的远程教育网格中,设计基于模糊聚类的高效算法;将教育网格中的计算节点按计算性能和资源属性动态地划分为两类不同的逻辑性能分组;基于以上两类分组结果,构造用户提交的作业要求,构造时间截矩,用以选择最优化的计算节点、协同最优化的资源完成用户提交的任务,极大地提高了运行效率。     

基于改进蝙蝠优化自确定的模糊C-均值聚类算法

针对模糊C-均值聚类算法敏感于初始聚类中心及聚类收敛慢、聚类数目手动设定等缺陷,提出了基于改进蝙蝠优化自确定的模糊C-均值聚类算法。该算法是基于密度峰值综合衡量聚类中心外围数据密集程度和聚类中心间距离,自动确定聚类中心和聚类数目,以此作为改进蝙蝠算法的初始中心;在原始蝙蝠算法中引入Levy飞行特征加强算法跳出局部最优能力;使用Powell局部搜索加快算法的收敛,利用改进的蝙蝠种群进行种群寻优,并将最优蝙蝠位置作为聚类C-均值新聚类中心,进行模糊聚类,以此循环交叉迭代多次最终获得聚类结果。将基于改进蝙蝠优化自确定的模糊C-均值聚类算法与其它两种聚类算法在标准数据集上进行仿真对比,实验结果表明:与其它两种算法相比,该算法收敛速度快、误差率低。     

模糊聚类分析法在抽风机故障诊断中的应用

对于现阶段的发展来说，机械设备的进步对人们的生活和工作产生了很大的影响。比方说我们常用的抽风机，这种设备既能吸气也能吹气，两种用途结合在一种设备上，为日常的工作带来了很大的便利。从客观上来说，现阶段的抽风机类型很多，体积也依据人们的需求有所增长，但如果发生故障，很难检查出来，从而影响了日常的应用。本文将对模糊聚类分析法进行一定的阐述，利用这种方法来诊断抽风机的故障，效果较好。     

基于视觉原理的密度聚类算法

在模式识别、图像处理、聚类分析等领域,人的眼睛具有快速有效地组织并发现物体内部结构的自然能力,本文就是在模拟人类视觉系统这一功能的基础上,结合基于密度的聚类方法提出了一种新的聚类算法,该算法具有对初始化参数不敏感、能发现任意形状的聚类及能找到最优聚类等优点。