共查询到20条相似文献,搜索用时 218 毫秒
1.
2.
3.
一种T-S模糊模型的聚类分析与辨识方法 总被引:1,自引:0,他引:1
传统的模糊聚类分析方法分两个步骤,首先使用目标函数进行模糊生成,然后应用聚类有效性函数决定聚类的最佳数目。针对模糊形成和有效性验证函数的内在不同所导致的聚类不准确性,应用一种新的基于双目标模糊聚类分析(BOFCM)的聚类方法。同时将基于三角形隶属函数的T-S模糊系统应用于非线性系统辨识中,该方法可以很方便地确定输入空间的划分及隶属函数的形状,减少了计算量。将以上方法应用于一个二阶系统辨识分析,证实了该方法的有效性。 相似文献
4.
5.
6.
7.
针对模糊神经网络(Fuzzy Neural Network, FNN)降水粒子分类方法在训练过程中隶属度函数初值不易确定的问题,本文提出了一种改进的模糊神经网络降水粒子分类方法。首先利用K-means++算法对没有标签区域里的双偏振气象雷达数据进行聚类,将聚类结果和另一区域中双偏振气象雷达获取的少量带标签数据进行相关性分析来得到带标签数据,接着对带标签数据进行统计分析来得到模糊神经网络隶属度函数参数初值,将统计好的参数代入模糊神经网络中并对网络进行离线训练,最后使用依据数据自适应调节好的模糊神经网络分类器实现降水粒子的分类。通过对实测数据实验结果表明,该方法能够得到较为合理的降水粒子分类结果。 相似文献
8.
《电子技术与软件工程》2017,(18)
模糊聚类是将模糊集的概念应用到传统聚类分析中,让数据集的对象在分组中的隶属用隶属函数来确定,隶属度函数更好地描述边缘像素亦此亦彼得特点,对象在各分组中的隶属度为连续区间[0,1]之间的某个值,以不同程度隶属于多个簇,而非确定硬聚类中的0或1的二值逻辑。模糊C-均值聚类算法是模糊聚类中的一种经典算法,如果样本空间是非线性可聚的,该聚类不能效果就不理想。而核模糊C-均值聚类利用特征映射很好解决了这个问题。最后用正则化参数来提高分割的鲁棒性和提高图像的细节。提出了加权图像,并采用高斯径向基函数。 相似文献
9.
该文首先讨论了B样条基函数的特性,在此基础上证明了基于B样条隶属函数的层次模糊系统(HBFS)是全局逼近器这一重要结论。与此同时,根据基于B样条隶属函数的层次模糊系统与多子波神经网络在逼近问题上的等价性,我们对于多子波神经网络是否为全局逼近器这一问题给出了一种全新的证明方法,以上工作为HBFS的实际应用提供了坚实的的理论基础。 相似文献
10.
直方图模糊约束FCM聚类自适应多阈值图像分割 总被引:9,自引:0,他引:9
本文提出了一种新的有效的图像多阈值分割方法.该方法通过对模糊约束直方图目标函数的优化.获得一个最佳模糊约束C划分,根据最大隶属度原则进行图像多阈值化.文中对得到的模糊划分函数进行了分析,同时还讨论了直方图划分类数的自适应确定问题.最后给出了几个典型的实验.理论分析和实验表明了本文方法具有速度快、划分特性良好,鲁棒性强的特点 相似文献
11.
12.
13.
Chun-Yueh Huang Chuen-Yau Chen Bin-Da Liu 《Analog Integrated Circuits and Signal Processing》1999,19(3):255-278
In this paper, a current-mode design methodology to implement a set of fuzzy linguistic hedge circuits is proposed. The so-called fuzzy linguistic hedge is a fuzzy operation applied to adjust the membership function of a fuzzy set. The fuzzy membership function of control variable and the control rules are very important in a fuzzy logic controller because they dominate the control strategies. If the control results fail to meet the system requirements, the control objective can still be achieved by adjusting the membership function of the fuzzy set or the control rules. Moreover, the adjustment effect of the control strategies through the modifications of the fuzzy membership function is the same as that of the system control rules. In this paper, we propose a set of fuzzy linguistic hedge circuits, including absolutely, very, much more, more, plus minus, more or less, slightly, and contrast intensification, which has been fabricated in 0.8 m CMOS process. Experimental results show that the average error of the circuits is within 1% of the full scale current. Under the power supply voltage of 3.3 V, the operating dynamic range is 50 A. Furthermore, these circuits still work well even when the power supply voltage is down to 2.5 V. In addition, in real world application, we can incorporate a membership function generator, a fuzzification unit, a multi-input maximum/minimum circuit, and a defuzzification unit with the linguistic hedge used to modify the membership function in order to develop a real-time adaptive fuzzy logic controller. 相似文献
14.
模糊分段光滑图像分割模型及其快速算法 总被引:3,自引:3,他引:0
灰度分布不均图像是图像分割中一个难点,为此提出一种模糊分段光滑(FPS)图像分割模型.借鉴分段光滑Mumford-Shah(MS)模型与模糊聚类思想,新模型通过两个定义在图像域的光滑函数描述区域特征,并利用模糊隶属度函数代替MS模型中的特征函数.同时,边界检测算子的引入能够有效保护图像中的边界信息.数值求解采用分裂Br... 相似文献
15.
本文针对传统的隶属函数的不足,提出了在一个待优化模糊控制器的基础上,采用改进的遗传算法优化其隶属函数,从而使隶属函数更加合理.最后对优化后的模糊控制器进行仿真比较研究,结果表明模糊控制器经过优化后控制品质有较大的改善和提高. 相似文献
16.
17.
模糊C均值(FCM)聚类算法及其相关改进算法基于最大模糊隶属度原则确定聚类结果,没有充分利用迭代后的模糊隶属度矩阵和簇类中心的样本属性特征信息,影响聚类准确度。针对这个问题,该文提出一种新的改进思路:改进FCM算法输出定类原则。给出二元属性拓扑子空间中属性相似度的定义,最终提出一种基于属性空间相似性的改进FCM算法(FCM-SAS):首先,选择FCM算法聚类后模糊隶属度低于聚类置信度的样本作为存疑样本;然后,计算存疑样本与聚类后聚类中心的属性相似度;最后,基于最大属性相似度原则更新存疑样本的簇类标签。通过UCI数据集实验,证明算法不仅有效,还较一些基于最大模糊隶属度原则定类的改进算法具有更优的聚类评价指标。 相似文献
18.
19.
报导了模糊集理论在色彩构成识别中应用的理论和实验结果。利用动态K-L变换,把用RGB参量表示的彩色图像转化为用三彩色基I^1、I^2和I^3表示的彩色图像,求出它们的直方图;利用模糊原理对其色彩构成进行识别,即把得到的直方图变成具有某种意义的模糊集,提取其隶属函数作为色彩构成特征量,依据模糊集理论中的择近原则,进行图像色彩构成的识别。由于该方法直接从图像中得到直方图,把直方图的数据模糊化进行识别,不依赖于观察者的主观判断,因而客观性强,而且可以大大提高识别的速度。 相似文献
20.
粗糙模糊聚类方法需要手动设置阈值确定粗糙聚类的上、下近似且对图像中的噪声较为敏感。为了减少人为干预,实现粗糙模糊聚类在图像分割中的深度应用,本文提出一种图像信息驱动的抑制式粗糙模糊聚类分割算法。方法中设计了基于超像素区域信息的自适应阈值策略,用于有效确定粗糙聚类的上下近似,将图像空间信息引入到粗糙模糊聚类,构造了融合空间信息的粗糙模糊聚类目标函数,克服方法对于图像噪声的敏感性,此外,为进一步提升聚类性能,将模糊聚类中的抑制式学习思想引入到粗糙下近似集中像素的模糊隶属度的修正,实现了粗糙和模糊思想的深度融合。本文算法是更具混合智能机理的粗糙模糊聚类图像分割算法,实验结果表明了本文算法的有效性。 相似文献