一种新的基于网络虚拟环境的用户访问模式聚类算法

为了有效地实现网络虚拟环境的个性化信息推荐,提出一种针对网络三维虚拟环境的用户访问模式聚类算法,即基于多目标粒子群优化的模糊C-均值聚类算法(MOPSO-based FCM, MPF)。MPF算法结合了粒子群优化算法(particle swarm optimization, PSO)与模糊C 均值算法(fuzzy C-means, FCM)的优点,通过PSO的全局空间搜索避免了FCM算法对初始值、噪声数据敏感与容易陷入局部最优等。为了改善聚类效果,在PSO中设计一个基于双目标(最小化类内距离与最大化类间距离)的粒子适应度函数。最后用标准数据集与模拟数据集分别对MPF算法进行性能测试,实验结果表明:本算法在聚类精度方面表现良好。     

基于蚁群及空间邻域信息的FCM图像分割方法

针对模糊C均值(FCM)聚类算法聚类个数难以确定、搜索过程易陷入局部最优的缺陷,把蚁群算法与改进的FCM聚类算法相结合,提出了一种基于蚁群算法的带有空间邻域信息的模糊C均值聚类图像分割算法.首先利用分水岭算法对图像进行初始分割,然后利用蚁群算法寻优,求得聚类中心和聚类个数,将其作为模糊C均值聚类的初始聚类中心和聚类个数进行模糊聚类.实验结果表明:由于聚类样本数量显著减少,很大程度上提高了聚类速度和抗噪能力,增强了算法的鲁棒性.     

基于微粒群优化算法的文本模糊聚类方法

针对模糊C-均值算法(FCM)具有局部最优问题和初值敏感性的缺陷,将微粒群优化算法应用于文本模糊聚类, 提出了基于微粒群优化算法的模糊C-均值算法PFCM．该算法首先采用实数编码方式对聚类原型进行编码,利用微粒群优化算法的全局搜索性能对初始聚类原型的选取进行指导,然后利用模糊C-均值算法进行聚类．使用算法PFCM对文本集合进行聚类实验,并用目标函数值和划分系数来判断模糊划分的效果,实验结果表明,与FCM相比,该算法具有较好的全局收敛性和较好的聚类结果．     

基于蚁群算法的模糊C均值聚类医学图像分割

在医学图像分割研究中，针对模糊C均值(FCM)聚类算法聚类个数难于确定、搜索过程容易陷入局部最优的缺陷，把蚁群算法与FCM聚类算法有机结合，提出了一种基于蚁群算法的模糊C均值聚类图像分割算法. 该算法首先利用蚁群算法全局性和鲁棒性的优点，得到聚类中心和聚类个数，再将其作为模糊C均值聚类的初始聚类中心和聚类个数，弥补了传统FCM聚类算法的不足，得到了较好的分割效果. 实例分析证明了算法的有效性和实用性.     

基于蚁群算法的模糊C均值聚类医学图像分割

在医学图像分割研究中,针对模糊C均值（FCM）聚类算法聚类个数难于确定、搜索过程容易陷入局部最优的缺陷,把蚁群算法与FCM聚类算法有机结合,提出了一种基于蚁群算法的模糊C均值聚类图像分割算法.该算法首先利用蚁群算法全局性和鲁棒性的优点,得到聚类中心和聚类个数,再将其作为模糊C均值聚类的初始聚类中心和聚类个数,弥补了传统FCM聚类算法的不足,得到了较好的分割效果.实例分析证明了算法的有效性和实用性.     

织物性能的遗传模糊C均值聚类算法

为了解决传统模糊C均值算法(FCM)依赖初值、易于陷入局部极值的问题,设计实现了一种遗传模糊C均值聚类算法(GFCM),该算法以模糊聚类中心矩阵为优化变量,将FCM算子引入遗传算法中以增强遗传算法的寻优能力,对聚类中心施加进化扰动以寻找最优聚类;描述了FCM和GFCM的基本流程,通过一个织物性能聚类评价例子对比了两种方法的性能,证明了GFCM的优越性.     

基于差分粒子群和模糊聚类的彩色图像分割算法

彩色图像数据信息量较大,传统的模糊C均值聚类算法（FCM）在分割时更加容易受到初始聚类中心影响陷入局部极值．文中研究了一种融合差分演化、粒子群和模糊均值聚类的彩色图像分割算法（DEPSO—FCM）．利用差分演化算法的快速收敛特性、粒子群算法的全局搜索能力,解决模糊均值聚类图像分割时易受到初始聚类中心影响和陷入局部最优的问题。同时针对不同的色彩空间对于图像分割效果的影响,尝试在不同的空间上使用DEPSO-FCM进行图像分割．实验表明,该方法能解决FCM算法陷入局部最优的问题,在不同的色彩空间上都获得了理想的分割效果．     

基于粒子群和免疫克隆的模糊C-均值聚类

目的基于梯度下降的模糊聚类算法（FCM）选择最优解做改进,降低原FCM对初始值的敏感度,改进模糊C-均值算法,加快收敛速度,改善聚类的效果.方法该算法通过克隆选择改变粒子群优化算法（PSO）中群体的多样性,用PSO代替了FCM算法的基于梯度下降的迭代过程.结果算法具有很强的全局搜索能力,很大程度上避免了FCM算法易陷入局部极值的缺陷,同时也降低了FCM算法对初始值的敏感度.通过机器学习中的W ine和Iris数据对所提出的算法进行验证,取W ine样本数据为178个,条件属性为13,聚类类别数为3;Iris数据150个,条件属性个数为4,对这两类数据分别进行聚类分析,将试验结果与单纯的FCM和基于PSO的FCM比较,聚类的正确性有所提高.结论基于粒子群和免疫克隆的模糊C-均值聚类算法具有很强的全局搜索能力,提高了聚类的效果和效率.     

增量式模糊C有序均值聚类算法

针对传统聚类算法难以处理大规模数据和对噪声数据敏感等问题,基于模糊C有序均值聚类算法（FCOM）,结合single-pass和online增量架构,分别提出了single-pass模糊C有序均值聚类算法（SPFCOM）和online模糊C有序均值聚类算法（OFCOM）.SPFCOM和OFCOM算法首先对FCOM算法加权,然后以数据块为单位对数据集合进行增量式处理.实验结果表明,相较于对比算法,SPFCOM和OFCOM算法在聚类准确率方面得到了提高,还具有更强的鲁棒性.     

一种基于PMU数据特征提取的FCM聚类方法

相量测量单元(phasor measurement unit,PMU)的广泛应用给电力系统带来了海量的数据。大量数据传输不仅易造成通信网络拥塞,而且不利于PMU数据的高效处理。为降低海量高维PMU数据处理的复杂度,利用随机矩阵理论,首先给出了一种基于线性特征值统计指标的PMU量测数据特征提取的方法;然后将获得的特征数据作为输入,提出了一种模糊C均值(fuzzy C means,FCM)聚类方法对特征数据进行聚类分析;最后利用CEPRI8机36节点系统对算例进行了故障仿真。结果表明,基于PMU特征数据的FCM聚类能有效挖掘数据中隐含的电网运行状态信息,验证了所提出方法的有效性与准确性。     

基于电网实时数据模型的数据展示与分析平台

根据实时数据库的技术特点,介绍了基于设备的电网实时数据模型的搭建流程.该系统利用所搭建的数据模型对数据库中的数据进行检索,并将检索到的有效数据进行展示,使运行人员能够快速了解系统的运行状态.     

电能质量数据采集和谐波分析方法的实现

针对电能质量的分析，设计了基于DSP和GPLD的电能质量检测装置，完成对电网信号数据的实时采集和处理。文中介绍了系统的总体结构以及数据处理的方法。由于非同步采样造成频谱泄漏和栅栏效应的误差，采用同步采样的实现方法。为提高计算的准确性，采用基于加窗插值的FFT算法分析电力系统谐波，并对算法的实现进行了详细的描述。     

基于SOAP的分布式数据挖掘系统的设计

提出了一种基于SOAP的分布式数据挖掘系统，实现分布式异构环境下的大容量数据的数据挖掘，旨在对异种数据库的数据挖掘进行一些有意义的探讨。     

基于Apriori改进算法的入侵检测系统的研究

采用了关联规则中的Apriroi算法挖掘入侵模式建立了一种基于数据挖掘技术的入侵检测系统,实现规则库的自动更新,提高了系统的整体性能.根据Apriroi算法的不足,提出改进算法,提高了扫描入侵数据库过程中的信息获取率,及时剔除超集不是频繁项集的项集,缩减项集的潜在规模,提高了入侵检测规则生成的效率.     

基于层级设计的输变电工程数据存储架构

针对输变电工程数据来源多样、类型复杂、数据量大导致数据存储压力大的问题,提出了一种基于层级设计的输变电工程数据存储架构.将输变电工程数据划分为结构化数据和非结构化数据,使用不同的存储方式以优化配置存储资源;使用基于遗传算法的数据迁移方法实现海量数据的迁移,使用不同配置的数据存储中心进行仿真与测试.结果表明,所提出的存储架构和数据迁移方法能有效解决海量输变电工程数据存储的问题,提升输变电工程数据存储系统的性能.     

基于数据库的便携式数据采集和管理系统

设计了一种基于自主开发板卡的便携式计算机及用C Builder开发的基于Paradox数据库的通用数据采集及信号分析系统 ,具有键相通道、位移通道及加速度通道 ,可用于旋转机械和往复机械的稳态和瞬态信号的自由采集、同步整周期采集及分析 .讨论了数据库的选择、设计 ,建立快速查询方式 ,最后实现了基于关系数据库的数据采集与管理功能 .实验结果表明 ,其应用于工业现场稳定可靠 ,易于升级扩展 .     

电厂监控信息体系实时数据库数据采集处理系统

实时数据库PI是电厂厂级监控信息体系常用的非关系型实时数据库,其数据存储量大,信息量丰富完整．大量的冗余信息、非关系型的数据存储方式等特点,给工业管理应用带来了数据信息采集和数据处理等各方面的问题．本文以P1实时数据为数据采集源,采用基于分层、模块化的软件体系架构,对实时数据库数据采集处理流程进行功能模块划分、设计和实现．针对客户相关需求,设计了极值采集算法,并在系统完成之后,连接电厂正在运行的PI实时数据库进行了实际测试,根据测试结果进行了性能方面的调整改进．从系统的运行结果来看,解决了以PI实时数据库为数据采集源的二次开发应用中所出现的问题,满足了工业管理应用方面的需求．     

一种新的数据滤波算法

针对常规数据一阶特征估计（滤波）算法的局限性,提出了一种新的滤波算法.算法基于0-1序列思想和时滞原理设计,充分考虑了数据特征之间的相互影响,通过两个意义明确的估值器有效地降低了其他数据特征对一阶特征的影响.应用新算法对某电厂风烟系统数据进行了仿真,仿真结果验证了新算法的有效性.     

GA-ACO算法用于IMX系统测试数据自动生成

在综合管理X-软件系统测试数据生成中,针对遗传算法不能利用系统提供的信息,需要迭代多次才可找到测试数据,而蚁群算法在搜索初期信息素匮乏的情况下测试效率很低等问题,提出了基于混合遗传蚁群算法的测试数据自动生成方法,通过运行一定次数的遗传算法,产生优化解并作用于信息素的分布,再利用蚁群算法精确求解.在三角形程序和综合管理X-软件系统上的实验表明,该方法在保持性能不变的情况下,大幅降低了迭代次数和消耗时间,提升了测试效率.     

移动数据库缓存一致性比较的矩阵校验算法研究

在移动计算系统中,移动单元通常缓存一些数据片段,但是由于移动单元的频繁断接性,缓存会与固定数据库之间发生不一致,为及时更新移动单元所缓存的数据片段,首先必须确定是否发生不一致,哪些页发生了不一致.针对该问题,在以前相关研究成果的基础上,提出一种结合了各种方法优点的新算法,通过分别在固定数据库和缓存计算数据页的校验和,并按照同样的策略将校验和排列成矩阵再进行比较,诊断出不一致的页面.有效地减少了数据传送量,提高了诊断精度,且简单易行.