基于改进的ISODATA算法的大样本数据聚类方法研究

针对数量大、数据结构复杂、离散度大的样本数据的聚类分析,采用ISODATA算法实现.ISODATA算法是1种基于统计模式识别的非监督学习动态聚类方法,是大样本数据聚类分析常用的方法,但该算法需要预先确定初始聚类参数.本文提出了基于黄金分割法来度量聚类的有效性,该方法能动态计算聚类度量参数,以此实现大样本数据的有效聚类.实验证明:该方法能够合理、有效的进行数据聚类.     

基于改进K中值聚类的苹果病害叶片分割方法

针对复杂背景下的苹果病害叶片分割问题,提出一种基于改进的K均值聚类的苹果病害叶片病斑分割方法。首先将原始叶片图像由RGB(R为红,G为绿,B为蓝)颜色空间转换到Lab(L为亮度,a为从洋红色至绿色的范围,b为从黄色至蓝色的范围)颜色空间,然后在Lab颜色空间中利用ab二维数据空间的颜色差异,以欧式距离度量像素间的相似度,使用K均值对图像进行聚类,利用数学形态学中的开闭交替滤波方法对聚类后的灰度图像进行校正,最后得到图像病斑。对3种常见苹果病害叶片图像进行分割,并与其他分割方法进行比较。结果表明,该方法效果好,其误分率为8.41%。     

基于SSR标记不同距离聚类与抽样方法构建辣椒核心种质库

为最大限度地保存辣椒原群体的遗传变异度,利用SSR分子标记技术比较不同距离聚类和抽样方法构建辣椒的核心种质库。结果表明:在马氏距离下,4种抽样比例中当抽样比例达20%和25%时均值差异百分率MD%为0;在相同欧氏距离下,4种抽样比例中,以10%、15%和20%比例进行抽样均值差异百分率(MD%)为0。在采用的8种聚类方法中,只有最短距离法均值差异百分率(MD%)为最小值0。不同取样法,变异系数变化率为多次聚类偏离度取样法(107.06%)多次聚类随机取样法(101.18%)多次聚类优先取样法(59.57%)。从97份参试材料中筛选出沿河2、德江5、石阡3、台江1、仁怀4、务川2、遵义5、河南1和海南1共计9份核心种质,均匀分布于不同的类群中。结论:在欧氏距离下,按10%比例进行抽样,用多次聚类随机取样法取样、最短遗传距离法进行聚类分析为构建辣椒核心种质库的最佳选择。     

基于直方图局部信息和Gath-Geva模糊聚类的彩色图像分割方法

针对Gath-Geva模糊聚类算法对初始给定的聚类中心等先验信息较敏感,提出了一种基于直方图局部信息的模糊Gath—Geva聚类新算法．实验结果表明,新算法在彩色图像分割方面,与传统模糊C—Means算法相比,具有较强的分割精度．     

基于Kd树改进的高效K-means聚类算法

针对经典的K-means算法在多维数据聚类效率上还有待提高的问题,本文提出一种称为CK-means的改进聚类算法。该算法在k-means算法的基础上,通过引入Kd树空间数据结构,初始聚类中心从多维数据某一维的区间等间隔集中选取,以及在数据对象分配过程中采用剪枝策略来提高算法的运行效率。实验结果表明,CK-means聚类算法较经典的k-means聚类算法运行效率更高。     

基于K均值聚类改进的蚁群算法研究

蚁群优化算法(ACO)在求解TSP(traveling salesman problem)问题时,其算法的时间复杂度为O(m·n2·t)(其中t表示循环次数,n为城市数,m为蚂蚁数),搜索时间比较长。利用K-means聚类的方法得到多个类,每一个类都看作是一个小的TSP问题,然后在每个类内部和类之间利用改进的蚁群算法寻找最优路径,通过实验仿真,验证了此方法不但能提高解的精度,而且还加快了运行速度。     

基于聚类方法的江西省农村居民消费行为特征分析

利用多元统计分析中的聚类分析方法,根据时间序列数据及截面数据对江西省农村居民消费行为进行分析,认为江西省农村居民消费行为表现出阶段性变动特征及区域性变动特征,为今后制定优化江西省农村居民消费行为的政策提供依据。     

基于纹理特征聚类的禽蛋污斑检测

正禽蛋的质量主要受粘在壳上的污斑的影响,即使有良好的农场管理经验和细心的处理,也会有少部分的禽蛋上有污斑现象。本研究目的是利用图像处理技术检测出禽蛋表面上的污斑。与利用颜色分割相比,发现局部纹理能够更加精确地分割禽蛋表面上污垢。首先,通过双峰方法获     

基于相异度度量的图聚类方法

聚类是分析和探测数据的重要方法,而图聚类则是一种非常重要的特征模式聚类的变体。以无向非加权连通图为研究对象,提出了一种基于节点间相异度度量的凝聚层次聚类方法。实验表明该算法简单有效,适合一般图的聚类。     

基于清晰度的茶叶嫩芽聚类分割方法

针对自然环境下茶叶嫩芽图像分割易出现过分割和欠分割等问题,提出一种基于清晰度评价和颜色聚类级联的嫩芽图像分割方法,并结合Tenengrad梯度评价和滑动分割获取清晰度较高的图像区域,然后在RGB、HSV、Lab、YCbCr颜色模型下进行聚类分割。结果表明,选取Tenengrad梯度值的上四分位数作为清晰度初选阈值,漏选率为25%;在HSV颜色模型下,利用K-means聚类方法完成嫩芽图像分割,晴天和阴天环境下嫩芽图像分割精度分别为72.48%和77.83%,较直接K-means分割方法相比,假阳性率分别减少5.19%和2.03%。该方法能够实现自然环境下茶叶嫩芽图像的有效分割,减少欠分割和过分割,为茶叶智能采摘提供理论参考。     

基于聚类的烟叶标准库和特征选择

为实现烟叶自动化分级,采用聚类算法来剔除烟叶样本中异样样本,通过计算类间的方差,选取方差值大的特征作为有用特征。利用支持向量机模拟人工操作,进行13个等级分部位、分颜色的识别。结果表明:特征选择后的最佳准确率分别为95.52%、98.22%。在提升准确率的同时,减少了输入特征的个数和采集光谱数据所需的时间。     

基于FCM聚类及其改进的遥感图像分割算法

在遥感图像分割中,某些像素分类具有不确定性和随机性,模糊C-均值(FCM)聚类算法对处理这种不确定性和随机性具有很大的优势,但传统的FCM算法具有很大的缺点。对此,该研究提出一种改进的FCM遥感图像分割算法。首先,该算法在选取聚类中心和聚类数时使用直方图进行选取,克服了传统FCM算法选取时的随机性和人为性;然后,使用叉熵距离测度代替欧氏距离测度,克服了传统FCM算法依赖于球状分布的缺点;最后,利用传统FCM算法和改进后的FCM算法对某水电站大坝遥感图像进行分割实验,比较2种方法的分割效果,结果显示,改进的FCM算法大大提高了遥感图像聚类的效率和分类的精度。     

基于K-means聚类和改进MLP的苹果分级研究

为准确实现多特征融合的苹果分级,提出了一种基于K-means聚类和改进MLP的苹果分级方法。该方法主要包括图像预处理、亮度均衡化、背景分割、特征加权以及改进的MLP分级网络训练。首先借助均值滤波算法和直方图均衡化操作改善苹果图像质量;接着借助K-means聚类算法进行背景分割;在果体与背景分割的基础上,依次提取苹果的果径、果形、颜色、缺陷、纹理5个特征;然后借助皮尔逊相关性分析和人工挑选偏好权重对特征数据集综合加权,模拟人工分级场景;最后将特征数据送入改进的MLP神经网络中完成苹果的分级定等。通过对400个定好等级的苹果进行分级测试,准确率达到94.25%,验证了分级方法的可行性与准确性。该方法与现行的苹果分级标准相结合,具备时效性强、检测指标完备等分级优势。     

基于改进K均值聚类的葡萄果穗图像分割

针对在自然光照复杂背景下,葡萄果穗区域分割准确度差的问题,提出一种融合局部异常因子(LOF)算法和K均值聚类算法的图像分割算法。本算法首先对由像素点组成的数据集合进行局部偏离因子(LOF)值计算,然后通过LOF值将数据集合重新排序,剔除LOF值最大的前n个对象,最后对局部异常因子算法输出的数据集合进行K均值聚类。在聚类过程中,通过局部偏离因子的值优化了初始聚类中心的选择,并降低了离群点和孤立点对最终聚类结果的影响。选取50幅不同光照、不同背景下的成熟巨峰葡萄果穗图片进行分割试验,结果表明改进的图像分割算法能更准确地将葡萄果穗从复杂背景中分割出来。     

基于改进模糊聚类的烟草品质集成评价模型

针对烟草化学成分与烟草品质之间难以建立确定的数学模型的问题,提出了一种基于改进模糊聚类的烟草品质评价方法。该方法以烟叶样品的化学成分的差异性为依据,以模型分类结果与专家评吸结果的一致性为目标,利用模拟退火算法对现有的模糊聚类算法进行优化改进,建立基分类器;在此基础上,利用Ada Boost将基分类器对于不同样本集的多个分类结果进行集成,形成最终的烟草品质评价模型。以130组烟叶作为烟草样本,测定了各烟叶样品中总糖、还原糖、总氮、烟碱、氧化钾、氯离子、蛋白质7种化学成分含量,并采用改进的模糊聚类方法与神经网络算法、模糊聚类算法进行对比试验,该方法的误检率为6.7%,具有提升小样本数据的辨识能力,优于所比较的其他2种方法。     

基于改进模糊聚类算法的路面裂纹图像分割

文章立足于结构性减税背景,阐述商品税、财产税与所得税的经济效应,考察我国税制结构调整对居民消费支出的影响。固定效应下运用系统GMM估计方法实证检验税制结构对居民消费的作用方向及实际效果,并分析居民消费的空间自相关性及税制结构的空间外溢性。研究表明,商品税和财产税调整的替代作用正向刺激了居民提高当期消费,所得税调整并未改变收入效应挤出居民消费的事实,而居民消费在相邻省份间存在高度空间正向自相关,同时商品税、财产税改革措施能够外溢至邻省刺激消费支出。     

一种约束的改进可能性C均值聚类方法研究

【目的】针对改进的可能性C均值聚类方法(IPCM)运算效率低,难以处理复杂数据结构的问题,提出了一种约束的改进可能性C均值聚类方法(CIPCM).【方法】CIPCM方法采用多项式核将特征向量映射到一个隐性特征空间,便于处理复杂的数据结构;引入两个成对约束集合,降低聚类迭代次数,提高运算效率和抗干扰能力.实验采用国际公认的UCI公共测试数据集,并用错分率指标评测了目标分类性能.【结果】CIPCM方法的聚类错分率低,对噪声的鲁棒性强.【结论】CIPCM运算效率比高于改进可能性C均值聚类方法.     

基于模糊聚类方法的城市生态系统健康评价

基于城市是以人工为主导的自然、经济、社会的复合生态系统的内涵,构建了城市生态系统健康指标体系.为避免评价指标标准的不确定性问题,采用模糊聚类理论,求解最优模糊聚类模式矩阵与最优模糊划分矩阵,再利用级别特征值向量的确定方法,求出各年份的健康归属级别.研究结果表明,郑州市城市生态系统健康状况都在向好的方向发展,其中2004年属于不健康状态,2005-2007年属于较健康状态,2008年属于健康状态,但隶属度分值只有0.775 8,离真正的健康状态还有一段距离.     

基于蚁群聚类算法的离心式压缩机故障诊断方法

工业化生产水平的提高使得离心式压缩机不断朝着大型化、复杂化、连续化及自动化方向发展,设备故障造成的损失越来越大,研究其故障诊断方法对于提高设备故障在线检测能力、预防故障与事故的发生具有积极意义。采用电涡流传感器测量离心式压缩机联轴节侧径向位移信号,应用频域分析方法对采集到的信号数据进行傅里叶变换,获得对故障敏感的特征量,作为蚁群聚类算法输入的特征参数,将对故障识别转化成对于设备运行时的输出和状态特征的聚类问题。将蚁群聚类算法应用于某乙烯厂的离心式压缩机,对其正常运行、转子不平衡故障、油膜涡动故障、喘振故障4种状态进行模式识别。应用结果表明:基于蚁群聚类算法的离心式压缩机故障诊断方法诊断结果准确、识别率高。(表3,参20)     

改进的基于模糊C-均值聚类的图像分割算法

为了提高图像分割算法的抗噪声性能,提出了一种改进的基于模糊C-均值聚类的图像分割算法.该算法首先根据邻域像素的隶属度矩阵来计算出像素和聚类中心的空间距离,然后利用空间距离和欧氏距离来重新确定像素和聚类中心的距离,最后利用新提取的距离特征和改进的FCM聚类算法对图像进行分割.实验结果表明,该算法能有效地提取目标图像,对噪声具有较强的鲁棒性,收敛速度快.

Abstract：

To enhance the noise immunity performance of the image segmentation algorithm, an improved algorithm for image segmentation based on fuzzy C-means clustering is proposed in this paper. The spatial distance between a pixel and the cluster center is calculated by the membership matrix of the neighboring pixels, and a new distance is determined by the spatial distance and the Euclidean distance. This new distance feature and the improved algorithm based on fuzzy C-means clustering are used in image segmentation. The experimental results show that the proposed algorithm is effective in getting the target image,more robust to the noises and faster than the conventional fuzzy C-means (FCM) algorithm.