基于改进型FCM算法的牛肉大理石花纹提取方法

提出了一种基于改进型模糊C均值聚类算法的牛肉大理石花纹提取方法。该方法结合了快速模糊C均值（FCM）聚类算法,对传统FCM算法中的隶属函数、聚类数C和初始聚类中心点选取方法进行了优化。试验表明,该方法使牛肉大理石花纹提取的准确度由     

基于改进FCM算法的加权马尔可夫链的年降水预测

应用改进的FCM(Fuzzy C-Means,模糊C均值聚类)算法对承德市1951—2015年的年降水序列进行模糊聚类,获得10个聚类中心和隶属度矩阵。根据最大隶属原则确定每年的降水状态,采用规范化的各阶自相关系数为权重,建立了加权马尔可夫链模型。以隶属度向量作为预测时的初始状态向量,通过该模型逐年预测了承德市2004—2015年的降水状态,结果与实际情况一致。引入模糊集中的级别特征值公式,并对该公式做出修正。基于马尔可夫链的预测结果,应用修正后的级别特征值公式预测了2004—2015年的降水量,所有预测结果的相对误差都在7%以内,初步表明基于模糊聚类和加权马尔可夫链的降水预测模型是合理可行的。     

基于加权模糊聚类的农田养分管理区划

将加权模糊聚类算法应用于管理区划分,权值的确定分别采用主成分分析法和变异系数法.在吉林省榆树市精细农业试验田获取土壤氮、磷、钾数据,应用本文提出的加权模糊聚类算法进行管理区划分,确定了试验区的管理分区数目,并与传统的模糊聚类方法进行了比较.结果表明,基于加权模糊聚类的管理分区更合理、更符合实际情况,该方法可用于指导精准施肥.     

改进的FCM算法在电力线路巡检中的应用研究

研究模糊c-均值聚类算法在电力线路巡检中的应用。针对模糊c-均值聚类算法对孤立点数据比较敏感、实际应用中聚类数目通常都是未知的等不足,提出一种改进的模糊c-均值聚类算法对电力线路巡检中天气、地质、巡检线路等级、材料等突出的几项影响因素建立电力线路巡检模型,通过降低孤立点的影响,对聚类数目进行优选,采用改进的模糊c-均值聚类算法对所建立的模型进行仿真实验,仿真结果表明该模型是有效的。该算法应用在电力线路巡检中能更准确及时发现缺陷,利于及时处理问题。     

组合式神经网络在转子故障诊断中的应用

在组合式神经网络的故障诊断中,模糊积分是一种对各神经子网的诊断结果进行信息融合的方法,其中需要计算模糊密度。本文首先介绍组合式神经网络故障诊断的思想,给出了基于模糊C均值聚类的模糊划分方法;其次分析一种不可取的模糊密度计算方法,基于模糊粗糙函数,给出计算组合式神经网络重要性的方法;然后,阐述了组合式神经网络的网络训练和诊断方法;最后,用故障模拟数据验证了诊断方法的有效性。     

改进加权FCM用于裂纹蛋2D图像分割的研究

解决裂纹鸡蛋图像灰度直方图目标与背景区域分布模糊、图像分割效果差的问题.通过将包含空间信息的二维直方图和改进特征加权FCM算法有机结合,迭代寻求最佳聚类有效性函数和加权矩阵,实现鸡蛋图像缺陷分割.同时,对经典FCM和改进特征加权FCM算法的性能进行了分析比较.结果表明:提出的算法更接近于真实聚类中心,目标函数值亦得到改善;二维直方图的改进特征加权模糊聚类算法更好地提取了裂纹鸡蛋图像的细节信息,图像分割效果好.     

基于模糊聚类分析的草莓图像分割方法研究

为改善草莓采摘机器视觉系统中果实图像的分割效果,对普通均值聚类的分割方法理论进行分析,针对草莓果实图像的特点将模糊-均值聚类算法引入分割算法,大大改善草莓果实图像的分割效果。     

基于神经网络的行驶工况智能识别方法研究

针对目前工况识别率低降低了能量控制策略在实际行驶中的控制效果的问题,提出了神经网络算法优化行驶工况识别的方法.首先,利用降维后的特征值对典型工况进行分类,构建综合行驶工况.其次,建立模糊C均值聚类、概率神经网络、学习向量化神经网络、BP神经网络的工况识别模型并训练.最后对工况智能识别模型进行仿真验证.结果表明,BP神经...     

冲积河流河型控制的模糊聚类方法研究

建立了冲积河流河型控制的模糊聚类方法的基本理论,包括冲积河流河型自然分类方法、冲积河流河型成因的输沙平衡程度理论假说、冲积河流水沙项输沙平衡程度公式、冲积河流自然分类的河流模糊等价矩阵聚类方法和冲积河流河型模糊控制的3个关键步骤。3个关键步骤为控制指标量选择、控制指标量取值表的制定、河型控制的模糊等价矩阵聚类方法验证。在黄河下游花夹河段的试应用结果表明,在水沙项数可以控制的条件下,河型是可以得到控制的。     

基于灰度-梯度特征的改进FCM土壤孔隙辨识方法

土壤孔隙的拓扑结构决定了土壤水分保持和传导能力,对土壤生态过程与功能具有重要影响,但现有土壤孔隙辨识方法存在孔隙边界判别不准确和运行效率较低的问题。为解决这一问题,提出一种基于土壤CT图像灰度-梯度特征的改进模糊C均值(GFFCM)孔隙辨识方法。该方法利用拉普拉斯算子建立灰度-梯度二维特征矩阵,并结合土壤相关先验知识分区构造初始隶属度矩阵和确定聚类数目;然后,基于初始条件实现土壤结构的模糊划分;最后,运用孔隙辨识准则对模糊聚类结果进行优化,完成土壤孔隙结构的精准辨识。以非饱和土壤CT图像为应用对象验证孔隙辨识方法的性能,通过与传统FCM法、快速FCM法(FFCM)的比较,表明GFFCM法有效克服了传统FCM法在隶属度矩阵和聚类数目初始化的不足,解决了初始值制约辨识精确度的问题,在保证孔隙辨识精度的前提下具有较高的执行效率。     

基于高光谱与电子鼻融合的番石榴机械损伤识别方法

提出了一种基于高光谱与电子鼻融合的水果机械损伤识别方法。分别采用高光谱仪与电子鼻对无损伤、轻度机械损伤和重度机械损伤的番石榴进行采样,提取特征信息后,运用主成分分析(PCA)、线性判别分析(LDA)、欧氏距离分析(ED)和模糊C均值聚类(FCM)对高光谱仪、电子鼻以及高光谱与电子鼻融合3种识别方法的识别效果进行了对比。PCA和LDA的分析结果表明,高光谱与电子鼻识别番石榴机械损伤是可行的,但单独采用这两种识别方法均无法对番石榴机械损伤程度进行分级。采用高光谱与电子鼻融合方法,结合LDA分析可以较好地识别番石榴机械损伤程度,比单一识别方法具有更好的识别效果。此外,LDA比PCA对番石榴机械损伤识别效果更佳。根据PCA、LDA和ED分析结果可以推测多源信息融合的分类识别方法既可获取更多的样本信息,提高相同样本之间的聚类性,又可较多地保持单一分类识别方法得到的不同样本之间的最大距离。根据FCM分析结果,高光谱识别、电子鼻识别和高光谱与电子鼻融合识别3种方法对番石榴机械损伤识别的正确率分别为89.74%、82.05%和97.44%,验证了多源信息融合方法对提高水果机械损伤识别效果的可行性。     

基于YARN的加权模糊C均值算法在土壤养分数据挖掘中的应用

基于数据挖掘的土壤肥力状况分析是当前针对土壤肥力状况研究最有效的途径之一,针对研究过程中三个有待改进的方面:土壤养分数据的几何状增长单机处理方式已无法胜任;由于Hadoop自身"中心化"严重,基于Hadoop的解决方案存在集群资源利用率低以及单点失效的风险;土壤养分的数据分析过程中没有考虑或没有较好的解决土壤养分数据空间变异性导致的结果偏差,有针对性的提出基于YARN的加权模糊C均值算法,实验表明该算法具有良好的扩展性。将该算法应用于吉林省长春市农安县的土壤肥力状况分析中,聚类效果明显,所得结果适合土壤肥力变化趋势的评价。     

基于M-LP特征加权聚类的果树冠层图像分割方法

针对背景和杂草干扰下的果树图像冠层提取问题,提出了一种基于M-SP特征加权聚类的冠层分割算法。首先,将采集的原始图像由RGB颜色空间转换到HSI颜色空间,计算果树与背景区域在H、S分量上的马氏距离,构造马氏距离相似度矩阵〖WTHX〗M〖WTBX〗;其次,提取图像像素的垂直位置作为空间特征〖WTHX〗P〖WTBZ〗,在HSI空间内的I分量上,利用最大熵算法提取图像的阴影区域,并进行掩膜处理,将获取的阴影区域作为空间特征的加权区域L,从而构造阴影位置加权的空间特征〖WTHX〗L〖WTBX〗P;最后,对获取的M-LP特征矩阵进行归一化处理,分别进行上背景、下背景、果树冠层、杂草4个类别的K means聚类,最终完成图像分割。为验证算法的有效性,在采集的果树图像上进行了分割试验,结果表明,基于M-LP特征的聚类方法能有效解决重度杂草干扰条件下果树冠层被漏分的问题。采用精确率、召回率和F1值3个评价指标对分割结果进行定量评价,选取不同杂草干扰程度（轻微、中等、较强）和时间段（早晨、中午、傍晚）的果树图像,分别以传统K-means和GMM聚类算法作为对比进行试验,结果表明,相对于未经过特征提取的普通聚类分割方法,本文算法对于不同杂草干扰程度和不同拍摄时间段下的果树冠层分割表现出一定的鲁棒性,平均精确率为87.1%,平均召回率为87.7%,平均F1值为87.1%。分割和验证结果表明,在进行有效图像特征提取的基础上,结合少量标注作为先验知识的无监督分割方法可以准确分割出果树冠层区域。     

基于双次Otsu算法的野外荔枝多类色彩目标快速识别

针对目前野外环境下多类目标识别速度偏慢,导致机器人视觉定位精度低和工作效率不高的难题,以野外环境下成熟荔枝的多类色彩目标识别为例,提出了一种双次Otsu分割算法对多类色彩目标进行识别。首先为了提高算法的效率,改进了传统的Otsu算式;然后对目标色彩图像的背景、果梗、果实分别用改进的Otsu算法进行粗分割和细分割。最后通过与K-均值聚类(K-means)算法、模糊C均值聚类(FCM)算法、Otsu和K-means结合算法、Otsu和FCM结合算法这4种算法进行对比,双次Otsu算法从分割质量及其正确分割率、运行时间、稳定性3方面都优于其他4种算法。实验结果表明,双次Otsu算法对色彩目标的成熟荔枝识别的时间少于0.2 s。     

面向立木识别的有效K 均值聚类算法研究

针对林区自动对靶施药过程中,当立木生长密集时,获取的点云数据聚类准确率低、效率低的问题,提出优化后的K-均值聚类算法,数据获取方式基于2D激光扫描。针对立木点云信息聚类前需对相关数据进行滤波,提出窗口滤波算法,选取产生混合像素点的树干边缘,提取3次连续扫描的混合像素及其近邻点组成滤波窗口,进行最大阈值滤波,结果显示50次试验中仅有2个混合像素点未被滤除,混合噪声的滤除率高。在K-均值算法优化方面,针对算法需预先确定聚类数和初始聚类中心的不足,提出利用斜率变化确定聚类数的方法,试验对5个不同距离下5组立木分别进行100次测量,结果显示错误测量次数仅为3次,并可在试验前期通过人工方式去除,算法合理有效;对哈夫曼树法确定立木扫描点聚类中心的性能进行了试验分析,3种不同树干分布类型下分别运用随机抽样法和哈夫曼树法进行K-均值聚类,前者平均正确率仅为76.4%,后者则为95.5%;同时分析了Ⅰ型分布下2种算法聚类的迭代次数和耗时,5个不同距离下,随机抽样法的平均迭代次数明显高于哈夫曼树法,平均运行耗时上,哈夫曼树法则高于随机抽样法,前者变化范围为120~220 ms,后者为50~85 ms,该范围为林区测绘的可接受范围。试验证明,基于斜率变化确定聚类数和基于哈夫曼树法确定聚类中心的K-均值算法是林区立木点云聚类的有效算法,可应用于林区的立木检测。     

基于机器视觉的自然环境中成熟荔枝识别

研究了自然场景下成熟荔枝的识别技术.通过分析荔枝彩色图像的颜色和灰度特征,选取YCbCr颜色模型进行处理,对其Cr分量图进行阈值分割去除复杂背景,并采用形态学和连通区域标注法消除分割后的随机噪声;然后结合一维随机信号直方图分析法与模糊C均值聚类法( FCM)对处理后的荔枝图像进行聚类和分割,实现荔枝果实和果梗的识别.不同光照条件下的识别实验结果表明,算法均能有效分割出果实和果梗,综合识别率达到95.5％.     

基于改进K均值特征点聚类算法的作物行检测

精准施药是现代精准农业发展不可或缺的一部分,而准确地提取作物行是进行精准施药的关键环节。为此,以苗期的玉米为研究对象,提出一种基于改进K均值特征点聚类算法的作物行检测方法。该方法根据距离函数最值关系求出最佳聚类数目,再依据点密度大小和邻域半径确定初始聚类中心,减少了迭代次数,提高了算法的执行效率和划分效果。首先,采用改进的超绿法(1.27G-R-B)进行灰度化和Otsu方法进行二值化,得到作物行的二值图像;然后,利用左右边缘中间线算法提取作物行特征点;最后,采用改进K均值算法和最小二乘法对作物行中心线特征点进行聚类和直线拟合。试验数据表明:提出的改进K均值特征点聚类算法识别效果好,精确度高,可为精准施药提供理论依据。     

西红柿果实目标识别方法研究——基于模糊聚类算法

为了准确识别成熟的西红柿目标,提出了一种模糊C-均值聚类算法(Fuzzy Clustering Means,FCM)的西红柿目标分割方法。该方法首先利用FCM算法对西红柿图像进行模糊聚类,并对聚类后的果实图像与丢失的部分目标图像进行相加,以得到更加完整的西红柿目标;然后对西红柿目标进行二值化、去噪、开运算与闭运算等处理,完成西红柿目标的分割。为了验证算法的有效性,利用20幅图像进行了试验并与K-means算法和Otsu算法分割效果进行了对比。结果表明:利用文中算法所分割出的西红柿目标最高分割误差率均低于Kmeans算法和Otsu算法,平均分割错误率为1 6.5 5%,比K-means算法低了3.5 6%,比Otsu算法低了1 2.8 0%。这表明,将该方法应用于西红柿目标的识别是可行的。     

基于改进人工蜂群模糊聚类的葡萄图像快速分割方法

为解决基于模糊C-均值聚类(FCM)的图像分割算法需要预先给定初始聚类数目和聚类中心,易使得算法陷入局部最优的问题,提出一种改进的人工蜂群优化模糊聚类的图像分割方法。该方法在传统的人工蜂群的基础上进行优化,以FCM算法中目标函数为基础改进人工蜂群的适应度函数,运用蜂群行为中的采蜜蜂、跟随蜂和侦察蜂的分工合作来快速求解图像中的最优初始聚类中心,将求出的最优聚类中心输入给FCM进行处理,根据最大隶属度原则对果实图像进行分割。以300幅不同光照情况下拍摄的夏黑葡萄果进行分割试验,试验结果表明,改进的图像分割方法能更快地将水果从自然环境中分割识别出来,单幅图像平均分割时间为0.219 3 s,正确分割率达到90.33%,能满足采摘机器人及水果分级系统对目标图像的实时性要求。     

集成复杂网络和可拓聚类的复杂产品系统模块划分方法

模块生产理念和方式如今已成为农机企业的高度需求。针对复杂产品系统模块划分方法进行研究,基于梯形直觉模糊数理论对加权复杂网络的边权进行了定量分析。构建了产品的结构、功能及客户参与度3个维度的相关性矩阵,并确定综合相关矩阵。对关联矩阵利用可拓聚类进行处理,选取阈值得到了模块划分方案。以玉米收割机为例,验证了方法的实用性与有效性。