不确定数据聚类算法研究

UK均值算法需要计算每个对象之间的期望距离（EDS）和聚类中心， EDS计算的成本就成了UK均值计算的性能瓶颈。为了提高UK均值的计算效率，本文提出一种优化的UK均值算法，通过一个高效的公式来估计期望距离，大大降低了UK均值的额外时间，并在实验中得以证明。我们还说明这个优化公式有效地将UK均值算法降低到了传统的基于K均值的聚类算法。     

基于FCM聚类和漏失模拟的给水管网压力监测点布设

为了提高对供水管网压力监测的可靠性,以北方某城镇供水独立计量分区为模拟研究对象,提出一种结合模糊C均值(Fuzzy C-Means, FCM)聚类和对模拟漏失事件感知数量最大化的给水管网压力监测点优化布设方法.首先,基于水量变化的节点压力敏感系数矩阵,利用FCM聚类算法对管网节点进行聚类,在各子类中预选出备选压力监测点;然后,随机模拟可能发生的漏失事件测试符合条件的不同优化组合的备选监测点对漏失事件引起压力变化的感知情况,确定优化的监测点布设方案.案例研究结果表明,该方法确定的压力监测点布设方案能够在保证至少2个监测点感知到同一个漏失事件的前提下,以最少3个监测点感知到96.36%以上的漏失事件.该方法在提高监测可靠性的同时可以节约监测点布设成本.     

基于PSO与K-均值算法的农业超绿图像分割方法

为了解决K-均值算法对农业图像中常用的超绿特征2G-R-B图像分割效果不佳的缺点,提出一种基于微粒群与K-均值算法的图像分割方法.先用K-均值算法对图像进行快速分类,然后将分类结果作为其中一个微粒的结果,利用微粒群算法计算,最后用K-均值算法在新的分类基础上计算新的聚类中心,更新当前的位置.以得到最优的图像分割闽值.试验结果表明,改进算法对超绿特征2G-R-B图像能够准确分割目标,且对不同类型的农业超绿图像具有较好的适应性.