基于簇中心动态迁移的一个聚类算法

基于动态簇中心迁移算法对K means算法进行改进,试验结果表明,该算法能够获得一个较好的初始划分,从而获得一个较好的聚类结果.     

基于FVSM的核聚类算法在文本聚类中的应用

针对信息挖掘中的文本自动聚类问题,提出了一种基于模糊向量空间模型的核聚类算法。首先对聚类文本进行模糊特征提取得到模糊特征项集,然后依据模糊特征项集对每篇文本计算特征项的文档频数,进而得出每篇文本的模糊特征向量。最后利用高斯核函数将每篇文本的特征向量映射到高维特征空间,在高维特征空间中利用核聚类算法实施文本聚类。该方法在特征提取时充分考虑了特征项在文档中的位置信息,使自动聚类原则更接近手工聚类方法。以中国期刊网全文数据库部分文档数据为例验证了该方法的有效性。     

基于GIS空间聚类的温州市水环境污染分析

从大量GIS背景数据出发,利用空间聚类方法对温州市主城区的单体建筑进行聚类分析,分类出城市旧居住区(旧城区);然后使用Buffer缓冲分析方法对旧城区和城市水体排污口、排污量进行相关性分析。结果表明,旧城区的分布与城市水体排污口显著相关,Buffer距离为25 m时,排污口的77%、污水排污量的73%来自于这些区域,因此在主城区范围内,旧城区是城市水体污染的主要源头。旧城区没有污水管网、污水通过雨水管道直接排入城市水体,这是城市水环境污染的主要原因。     

压缩根瘤菌分类属性空间的聚类方法研究

用系统聚类方法（Ｒ技术），分析了性状对偶间的相似性，并结合比较检测方法的特异性、稳定性、安全性和材料来源的难易等因素，把２５３株根瘤菌的２４８维分类属性空间压缩到１３０。经两组抽样验证，聚类分析结果基本保持了原分类体系的主体结构。可以认为，选定的性状能够满足目前根瘤菌数值分类的要求。这不仅减少了今后要瘤菌数值分类的工作量，还有助于为根瘤菌分类、鉴定特征的标准化建立基础。     

基于二叉树结构的面状目标主骨架生成算法

按照面状目标的数学定义将其分为简单目标和复连通目标2大类,应用基于Delaunay三角网自动提取骨架技术各类面状目标的主骨架进行提取。结果表明,该算法对目标主骨架的提取效果较好,且内插结果基本符合内插要求。     

MAPGIS下土地利用现状面状数据属性库的构建研究

土地利用现状属性库的建立是土地管理信息化的基础,也是GIS空间数据库的组成部分,在建立、更新土地利用现状空间数据库中具有重要的作用。以制作1∶5万新疆阿克陶县土地利用现状遥感解译图为例,论述地理信息系统软件MAPGIS环境下空间面状数据属性库建立的方法。     

基于空间聚类法的郧阳区林地资源质量评价研究

以郧阳区为例,统筹兼顾林地资源的自然、经济、景观等多种功能,结合景观生态学、GIS、RS、空间聚类等技术手段,探讨了郧阳区林地资源质量的空间分布规律。从自然经济质量和景观质量2个维度,构建了5个因素15个因子的林地资源质量评价指标体系;获取各指标属性数据后根据各指标特性按离散型、阈值型和空间扩散型分别对各指标属性数据进行归一化处理;空间聚类结果显示研究区的林地自然经济质量以Ⅰ、Ⅱ类为主,约占57.14%;林地景观质量整体一般,Ⅰ、Ⅱ类约仅占36.45%。研究结果对全方位、多尺度掌握林地资源质量的空间分布、合理确定林地资源的重点保护区和生态保护区具有参考价值。     

压缩根瘤菌分类属性空间的聚类方法研究

用系统聚类方法(R 技术),分析了性状对偶间的相似性,并结合比较检测方法的特异性、稳定性、安全性和材料来源的难易等因素,把253株根瘤菌的248维分类属性空间压缩到130。经两组抽样验证。聚类分析结果基本保持了原分类体系的主体结构。可以认为,选定的性状能够满足目前根瘤菌数值分类的要求。这不仅减少了今后根瘤菌数值分类的工作量,还有助于为根瘤菌分类、鉴定特征的标准化建立基础。     

数据挖掘中聚类初始化方法的优化研究

研究现有的迭代优化聚类的初始化方法:即采样法,距离优化法以及密度估计法,分析它们的优缺点.提出一种新的基于距离的初始化方法,它不需要设定门限,不受数据集的顺序影响,它使得聚类过程有良好的速度和迭代次数,且初始化运算时间较短,对孤立点和噪声有较强的抑制作用,它适用于较大规模数据的聚类初始化.     

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.     

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。     

基于模糊聚类的车内空气质量评价

车内空气质量问题关系汽车使用者的身体健康,将模糊聚类分析应用于车内空气质量评价,选取合适的相似系数,建立模糊相似矩阵,用传递闭包法求模糊等价关系,从而实现聚类评价。     

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。     

基于模糊聚类的神经网络虫情预测研究

针对虫情预测的模糊性、相关性、非线性、实时性等特点,以及神经网络在小样本预测时泛化能力降低的问题,提出了一种基于模糊聚类的神经网络农作物虫情预测方法。仿真结果表明,该方法简单实用,能快速、准确预测虫情,特别在样本少及样本相关性较大的情况下,能取得较好效果。     

基于多维度属性权重优化的FCM聚类算法的图书管理数据聚类研究

结合图书管理参数复杂,变量维数较高,多属性数据点集中不但包含数值型属性,还有类别属性和混合型属性的特点,将模糊聚类算法与属性加权优化相结合,进而推导出优化迭代公式并形成加权聚类算法对图书数据管理中的相关影响因素进行聚类分析,得到了相关具有较大影响因素的相关变量,对于企业今后一段时间内的精细化管理给出了控制方向和指标.     

模糊聚类计算方法的理论分析

分析了聚类分析４种原始数据规格化处理的数据特征,提出最大值规格化与均值规格化,由于能保持不同指标的原分辨力,是较好的方法。将常用的相似性度量方法分为绝对差数、相对差数、比例相似性３种类型。论证了基于模糊等价关系的模糊聚类法就是经典系统聚类的最短距离法,模糊系统聚类仅是一般系统聚类法的特例。     

基于K均值聚类和数学形态学的小麦彩色图像分割

对小麦植株图像进行分割,是将机器视觉技术应用到动态监测小麦生长状况的基础.采用K均值聚类和数学形态学相结合的方法进行分割,充分利用了小麦植株颜色和背景颜色的差异.首先根据图像色彩对图像进行聚类,然后对聚类后的图像进行形态学开运算,实现了小麦植株与背景的分离,并达到了较好的效果.     

基于空间聚类与随机森林的稻米富集镉影响因素筛选研究

以湖南省某县为例,通过空间聚类筛选研究热点区,并对热点区筛选的土壤样品进行多参数检测获取分析数据,通过随机森林回归锁定影响稻米富集Cd的主控因子。结果表明:研究区高高、高低聚类区稻米Cd富集系数差异达9倍,低低、低高聚类区稻米Cd富集系数差异达16倍;影响稻米富集Cd的最主要因素为Ca、pH、Mn,其次是Fe、Si,再次是Zn、DOC、Cl、K、P、Mg、S、Cd、Na、Cu,影响程度逐渐减小,最后是SOM影响程度最小。通过调控Ca含量可显著影响土壤pH,进而影响稻米对Cd的吸收。随着土壤Fe、Mn的升高稻米Cd含量呈指数下降。土壤Si含量与土壤Fe、pH等均呈负相关,Si含量增加,稻米Cd含量相应升高。有机质对稻米富集Cd的影响不显著。研究表明,双变量空间聚类与随机森林相结合可以有效筛选出稻米富集Cd的土壤主控因子,从而为稻米Cd污染的修复治理及污染源解析热点筛查提供基础支撑。     

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．