基于熵权法加权的模糊C均值聚类算法研究

针对模糊C均值聚类算法不能区分数据各属性之间的不平衡性,提出了一种基于熵权法加权的模糊C均值聚类算法。该算法首先应用熵权法计算各属性的权重系数,然后对标准化之后的原始数据进行加权,最后应用模糊C均值聚类算法对加权之后的数据进行聚类。实验表明,该算法聚类准确率要明显高于未加权的模糊C均值聚类算法。     

联合模糊c-均值聚类模型

提出一种新的结合了模糊c-均值聚类（FCM）算法和可能性c-均值聚类（PCM）算法优点的联合模糊c-均值聚类（AFCM）算法。它克服了PCM对初始值敏感、易产生一致性聚类的缺点，是PCM的扩展算法。试验表明：AFCM能同时产生隶属度和典型值，从而更好地处理噪声，避免了一致性聚类，同时提高了聚类准确性。     

基于AP聚类算法的图像分割应用与研究

针对传统聚类算法在图像分割中对聚类中心选择敏感,可靠性差的缺点,本文采用AP聚类算法研究图像分割问题。AP(Affinity propagation)聚类算法是通过数据点之间的信息传递产生高质量的聚类中心,避免了聚类初始中心选择难的问题。本文通过与K均值算法和模糊C均值算法在图像分割中的实验比较,得出本算法优于其他两种算法,对图像可取得良好的分割效果。     

基于狮群优化的FCM图像分割算法研究

为了解决模糊C均值聚类(FCM)算法进行图像分割时容易陷入局部最优和随机初始化聚类中心的问题,研究人员提出了基于改进的狮群优化和模糊C均值聚类的混合图像分割算法。该算法首先利用改进的狮群算法优化模糊C均值的目标函数,增强算法全局最佳值搜索能力,使其避免陷入局部最优,同时引入聚类有效性指标,通过迭代更新搜索到合理的分割类别数实现自动确定图像分割最佳类别数,并根据最佳类别数确定最优聚类中心的选取,最终实现图像的自适应分割。实验结果表明,该方法可自适应地确定图像分割最佳类别数,能快速准确地实现图像分割。     

一种改进的SAR图像分割FCM算法

针对合成孔径雷达(SAR)图像中存在较强相干斑的特性,提出一种改进的模糊C均值聚类(fuzzy C-means,FCM)SAR图像分割方法(基于乘性模型的RFCM聚类方法)。将改进的方法、传统上使用的FCM算法以及基于空间模型的模糊C均值聚类(robust fuzzy C-means,RFCM)算法运用到实测的SAR图像中。结果表明,改进的方法降低了SAR图像分割的误分率,抗噪性更具优势。     

密度K均值聚类算法及在复杂网络分析中的应用

现代信息社会中,许多实际问题都归结为复杂网络中模块问题的研究,而聚类方法是研究复杂网络中模块性的重要方法。本研究将基于视觉原理的密度聚类算法与传统的K均值聚类算法相结合,提出了一种新的聚类算法,即密度K均值聚类算法。该算法在一定程度上克服了传统的K均值聚类算法易受异常点影响和无法确定聚类数的问题,具有对初始参数不敏感、可发现任意形状的聚类,以及能找到最优聚类等优点。基于此,以城市建通网络中交巡警指挥平台的设置问题为例,通过Matlab程序求解说明了所给出聚类算法的应用。     

一种基于数据驱动的系统建模方法

提出了一种基于数据驱动的系统建模方法,采用减法聚类和模糊C-均值聚类相结合的模糊聚类算法进行前件RBF网络辨识,自适应地获得精确的聚类个数和隶属度参数;用BP算法训练后件网络的权值,从而仅利用输入输出数据,就建立了T-S模糊神经网络模型,在该过程中充分利用了BP神经网络和RBF神经网络的优点。最后用该模型对一个非线性系统进行辨识,用MATLAB进行仿真,结果表明,该方法具有可行性。     

基于参数优化改进型可能聚类的遥感图像分割

可能聚类算法(PCA)和可能C-均值聚类算法(PCM)对初始值非常敏感,容易产生一致性聚类。改进型可能C-均值聚类算法(IPCM)能解决PCM的问题,然而IPCM的执行更依赖于参数。IPCM必须计算参数两次,因此聚类时间长。为了克服PCA和IPCM的缺点,进而应用于复杂的遥感图像分割,将PCA和IPCM相结合,提出了一种基于参数优化的改进型可能聚类算法(IPCAOP)。实验表明,IPCAOP在处理遥感图像分割方面明显优于模糊C-均值聚类(FCM)和IPCM。     

基于模糊C均值的桉树茎切片图像纤维细胞区域提取技术

介绍了一种自适应提取桉树茎切片图像中纤维细胞区域的图像处理技术．先制作桉树茎切片,通过数码显微镜获取桉树茎切片彩色图像．将彩色图像转换为CIE L^*a^*b^*彩色空间,用模糊C均值聚类算法(FCM)对a^*、b^*通道进行模糊聚类分析,计算出各种颜色细胞的聚类中心,以各个象素a^*、b^*分量的值与各个聚类中心之间的欧氏距离来区分各种细胞,然后提取出纤维细胞区域．结果表明,在CIE L^*a^*b^*空间使用FCM方法是提取桉树茎切片图像纤维细胞区域的有效方法．     

模糊C-均值聚类对点云数据的分割

点云数据的分割是点云数据处理流程中的重要内容,同时也是点云数据三维重建的前提和基础.该研究在模糊C-均值聚类(FCM)算法的基础上,根据标靶点云和建筑物点云数据的不同特征进行实验,通过Matlab对地面雷达的标靶、建筑物点云数据进行分割,探讨模糊C-均值聚类算法对点云数据分割的可行性.实验结果显示,通过选择正确点云数据的特征属性,利用模糊C-均值算法对点云数据分割具有一定的可行性.     

基于模糊C均值聚类的林地遥感图像分类研究

在以往国内外相关研究的基础上,以我国东北长白山系典型林区为试验区,以2007年7月Landat5卫星TM多光谱图像为遥感数据,运用模糊C均值聚类方法对遥感图像进行分类试验．分类结果显示：模糊C均值分类方法在总分类精度和Kappa系数上都占有一定的优势,比传统分类方法有着更好的分类效果．模糊C均值方法在林地植被的遥感分类中具有较好的应用前景．     

谷子抗旱相关性状的主成分与模糊聚类分析

 【目的】探讨作物抗旱性分析评判的方法,对谷子主要农艺性状和部分生理指标与抗旱性之间的关系进行综合评价。【方法】采用主成分分析（Principal Components Analysis,PCA）和模糊聚类（Fuzzy Clustering, FC）分析,根据16个谷子品种在干旱胁迫和自然降水条件下的抗旱相关性状对其抗旱性进行综合评价。【结果】主成分分析结果表明,6个综合主成分可代表谷子抗旱性90.71%的原始数据信息量。利用抗旱性度量值进行模糊聚类,可将16个谷子品种的抗旱性划分为3类,聚类结果可以较好地反映这些谷子品种的选育和种植区域的干旱特点,其中冀谷18和豫谷1号抗旱性强且稳定性好。【结论】利用主成分分析,结合模糊聚类的方法进行谷子的抗旱性综合评价,不仅可以避免单一指标的片面性和不稳定性,而且可以较好地揭示谷子抗旱相关性状与其抗旱性的关系。     

基于FCM的E-learning学习过程评价

对学生E-learning学习过程进行评价既可以实时监控学生学习效果,又可以对教学产生正反馈。采用数据挖掘的方法从E-learning学习平台中实时抽取出学生在线学习行为数据,提出了基于FCM的E-learning学习过程评价方法,构建了形成性评价系统模型。实验结果表明,该评价方法具有较高准确性。     

黑龙江省水稻生产机械化区划的研究

本文应用模糊聚类分析的数学方法,将黑龙江省划分为五个水稻生产机械化区,并分别提出了发展提要。     

应用模糊数学方法对农业经济类型进行划分与分析

利用模糊数学中的聚类分析方法,以吉林省为例对农业经济类型的划分进行了分析,克服了传统方法的不定性。     

69份玉米自交系的苗期耐旱性分析

以69份玉米自交系为试材,于温室模拟干旱胁迫环境,对各自交系的超氧化物歧化酶(SOD)活性、丙二醛(MDA)含量、脯氨酸(Pro)含量、相对电导率(REC)和相对含水量(RWC)等5项生理生化指标和茎粗、根冠比2项形态指标进行测定。通过对5项生理生化指标的耐旱系数的聚类分级,综合评价自交系的耐旱性。同时分析实验室条件下综合评价结果与形态指标鉴定结果的吻合度。结果表明:(1)受到胁迫时,材料的耐旱分级各不相同,材料间的响应机制各不相同;(2)筛选出耐旱性极强自交系4份、耐旱性强系14份、耐旱性中度系35份、耐旱性弱系12份、耐旱性极弱系4份;(3)根冠比、茎粗与综合评价结果吻合度低,不适宜作为实验室条件下玉米耐旱性的鉴定指标。     

模糊动态聚类分析在农业经济分类系统中的应用

利用模糊数学中的动态聚类分析方法,以黑龙江省为例对农业经济类型划分进行了分析,克服了传统方法的不确定性,实现了农业生产决策的自动化。     

大关县经济林总体规划设计的技术路线

大关县经济林总体规划设计，从当地实际出发，应用模糊优先比方法对规划各树种进行垂直带气候栽培区划和采用数量统计分析技术划分经济林立地类型等级，并结合传统分析方法进行综合评定。阐明了这条技术路线在山区经济林总体规划设计中的良好应用效果。     

模糊聚类在农村能源区划中的应用

农村能源区划是一种多因素的综合分析.本文采用模糊聚类分析并在分析中引入加权系数,使得农村能源区划更为客观、科学.区划结果经专家论证符合平潭县的实际情况,并为能源建设提供科学依据.     

人工鱼群算法与遗传算法融合求解聚类问题研究

人工鱼群算法(AFSA)是一种新提出的新型仿生优化算法。遗传算法是一种基于生物自然选择与遗传机理的随机搜索与优化方法。聚类在数据挖掘、统计学和机器学习等很多领域都有广泛应用。聚类问题实质是一个全局优化问题。将遗传算法中的选择和变异融合到人工鱼群算法,提出一种人工鱼群算法与遗传算法的融合算法,并应用于求解聚类问题,结果该算法保持了AFSA算法简单、易实现的特点,仿真试验取得了较好的效果。