FCM聚类

摘要： 针对WKNN算法中未知节点的定位中邻近参考点参数固定、定位不灵活且误差较大的问题,提出了基于RSSI的加权近邻改进算法。首先对RSSI值进行高斯滤波处理,通过FCM聚类确定未知节点所属类别,采用隶属度阈值对聚类结果进行修正。然后根据FCM的聚类子样本数设定WKNN算法的近邻值,实现了WKNN算法的自适应计算。实验结果表明,该方法的定位精度明显好于KNN和WKNN的定位算法,其平均误差不超过0.36 m。

摘要： 为改善传统模糊C均值(FCM)聚类算法在SAR图像分割时迭代次数多、鲁棒性与分割精度差等问题,通过选取主要像素点,结合图像非局部信息提出一种FCM改进算法。首先将图像分块并选取主要像素点构成主要像素集合,然后对像素集利用K-means聚类确定初始聚类中心,接下来在FCM算法的目标函数中引入非局部空间信息,利用灰度信息与空间信息配合自适应平滑因子增强算法的抗噪性能,最后利用图像形态学操作完成图像分割。实验结果表明,该算法对模拟与真实SAR图像的分割结果精度较高,分别达到99%和96%,相较于传统算法不仅能提高分割精度、降低迭代次数,而且具有良好的抗噪性能,同时能很好地保留图像细节。

摘要： 本文研究基于FCM聚类算法的天气形势场图像分割问题,首先通过解析将气象中心历史再分析资料中多种形势场数据可视化绘制出高空天气图像,再结合本文所研究的问题对FCM聚类算法的原理以及步骤进行描述,然后将FCM聚类算法应用于高空天气图像以及形势场数据可视化过程中可能带有噪声的高空天气图像的分割,最后通过实验结果验证FCM聚类算法能够较好地实现形势场可视化图像的分割,进而标注出高空天气图像中等值线。

摘要： 图像拼接将来源不同的图像合并成一幅图,由此引起图像中光照方向、噪声等特性出现不一致的情况。目前多数方法根据拼接图像中噪声的不一致性来检测伪造区域,但是普遍对不同大小图像块的噪声估计准确性不高,导致真阳性率较低,且当噪声差异较小时会检测失败。针对该问题,提出一种基于自适应四元数奇异值分解(QSVD)的噪声估计方法。对图像进行超像素分割,利用自适应QSVD估计超像素的噪声,结合图像亮度并利用多项式拟合建立图像噪声-亮度函数,得到各超像素到该函数曲线的最小距离测度。为提高检测精确率,利用色温估计算法提取超像素的色温特征,将距离测度与色温特征相融合作为最终的特征向量,利用FCM模糊聚类定位拼接区域。在Columbia IPDED拼接图像数据集上进行实验,结果表明,该方法在未经后处理图像集上的检测TPR值较对比方法至少提升8.21个百分点,且对高斯模糊、JPEG压缩和伽马校正表现出较好的鲁棒性。

摘要： 针对含有障碍物的作业区域,设计出一种划分区域的覆盖方法。首先将作业区域栅格化,建立栅格地图;其次进行区域划分,利用模糊C均值(FCM)聚类算法将障碍物进行聚类,根据聚类结果,求出每一类障碍物的横纵坐标的最小值和最大值;接着先利用Bresenham算法沿着障碍物边界最小值进行区域分割;然后求解子区域连接顺序,利用A*算法求得子区域间的最优路径;最后利用往复式覆盖方式实现子区域的全覆盖。仿真实验表明,该方法能够完整地覆盖整个作业区域,与传统的A*覆盖算法相比,覆盖路径长度减少13.97%,重复率降低了94.44%,转弯次数减少16.00%,且而与传统的遗传覆盖算法相比,覆盖路径长度减少了3.78%,重复率降低了83.33%,转弯次数增加了1.61%。

摘要： 综合利用各域资源动态构建面向任务的作战体系是未来作战的基本形态.针对全域内部存在大量作战资源、各域之间资源信息不透明等问题,提出一种面向作战活动的全域资源发现方法,为体系架构的快速生成提供资源支撑.在资源本体模型的基础上,针对输入的作战活动需求,运用本体相似度匹配、三角模糊数、模糊C均值聚类等技术,分3个阶段完成对目标资源的快速搜索,确保得到的资源满足各项约束和需求,避免了语义歧义造成的资源查全率过低等问题.

摘要： 信号的特征提取是轴承故障诊断的关键所在,项目小组针对机械系统的非平稳、非线性特性,利用自适应时频分析方法——局部均值分解(Local Mean Decomposition,简称LMD)方法,同时提取信号LMD分解后的PF分量的能量、时域特征指标、近似熵作为混合特征向量,可以分别从信号的不同特征来描述轴承系统的故障信息。实验结果证明:故障识别采用FCM聚类算法,聚类效果好;将混合多特征量提取与FCM聚类算法应用于轴承故障模式识别中,可以有效进行轴承故障诊断。

摘要： 为提高SAR图像变化检测的精度,本文提出了一种邻域信息自适应优化及差异图融合的SAR图像变化检测算法。该算法首先根据邻域信息异质性计算像素点的自适应窗口生成自适应的对数均值比差异图像,充分抑制噪声影响;其次,将其与差值图加权融合,保留了图像的细节部分;最后,利用基于邻域隶属度约束的FCM聚类算法对融合后的差异图像进行分类。实验结果表明,该方法有效抑制了噪声对结果的影响,提高了变化检测的精度。

摘要： 为防范停运母线重合闸时不明确母线接地状态引起带接地点送电事故的发生,在研究母线感应电压特征的基础上,引入模糊C均值(FCM)聚类建立停运母线接地状态识别模型。首先针对传统母线感应电模型计算结果与实测相差较大的问题,考虑断路器断口电容等实际影响因素构建改进的母线感应电模型。对停运母线感应电压进行监测,采用小波包变换(WPT)对感应电压波形信号进行分层能量谱特征提取,再通过主成分提取和归一化形成能反映母线接地状态的感应电特征向量,基于FCM聚类模型划分感应电特征向量并构建停运母线接地识别判据。在ATP-EMTP中搭建某5个实际变电站500 kV母线模型,验证了改进的母线感应电模型仿真结果与实测误差较小,适用于实际工程,所提出的接地识别方法对停运母线接地状态的辨识准确率达到99.4%,具有较高可靠性,可为防范停运母线带接地点送电提供参考。

摘要： 光伏系统短期预测对调度电力资源、较少弃光用电、提升电站效能及维持光伏系统平稳运行具有重要意义。考虑到光伏系统输出参数如功率受到天气因素影响,是一个非平稳随机信号。对非平稳随机信号的短期预测,传统数学模型方法具有局限性。基于广义神经网络方法并通过前期数据预处理提取趋势项信号,进行分类别模型训练,获得较为精准不同天气类型的训练模型。实验表明所提出的方法在各类天气类型下,对于短期功率预测具有较高的准确性,可为光伏电站平稳运行、区域电力调度提供参考依据。

摘要： 针对单模型软测量建模中存在的预测精度差等问题，本文提出了一种基于FCM 聚类的多PSO-ε-SVR软测量建模方法。该方法首先使用FCM 聚类算法对样本数据集进行聚类分析；然后，针对每个聚类样本集建立PSO-ε-SVR 模型；最后，按照FCM 聚类分析中的模糊隶属度原则对各个子模型的输出进行加权，得到总模型的输出值。本文采用该方法对铝带坯晶粒度软测量建模进行了仿真研究，结果表明所建模型具有很高的预测精度，能够满足工业过程检测的需要。

摘要： 针对单模型软测量建模中存在的预测精度差等问题，本文提出了一种基于FCM 聚类的多PSO-ε-SVR软测量建模方法。该方法首先使用FCM 聚类算法对样本数据集进行聚类分析；然后，针对每个聚类样本集建立PSO-ε-SVR 模型；最后，按照FCM 聚类分析中的模糊隶属度原则对各个子模型的输出进行加权，得到总模型的输出值。本文采用该方法对铝带坯晶粒度软测量建模进行了仿真研究，结果表明所建模型具有很高的预测精度，能够满足工业过程检测的需要。

摘要： 针对单模型软测量建模中存在的预测精度差等问题，本文提出了一种基于FCM 聚类的多PSO-ε-SVR软测量建模方法。该方法首先使用FCM 聚类算法对样本数据集进行聚类分析；然后，针对每个聚类样本集建立PSO-ε-SVR 模型；最后，按照FCM 聚类分析中的模糊隶属度原则对各个子模型的输出进行加权，得到总模型的输出值。本文采用该方法对铝带坯晶粒度软测量建模进行了仿真研究，结果表明所建模型具有很高的预测精度，能够满足工业过程检测的需要。

摘要： 针对单模型软测量建模中存在的预测精度差等问题，本文提出了一种基于FCM 聚类的多PSO-ε-SVR软测量建模方法。该方法首先使用FCM 聚类算法对样本数据集进行聚类分析；然后，针对每个聚类样本集建立PSO-ε-SVR 模型；最后，按照FCM 聚类分析中的模糊隶属度原则对各个子模型的输出进行加权，得到总模型的输出值。本文采用该方法对铝带坯晶粒度软测量建模进行了仿真研究，结果表明所建模型具有很高的预测精度，能够满足工业过程检测的需要。

摘要： 针对单模型软测量建模中存在的预测精度差等问题，本文提出了一种基于FCM 聚类的多PSO-ε-SVR软测量建模方法。该方法首先使用FCM 聚类算法对样本数据集进行聚类分析；然后，针对每个聚类样本集建立PSO-ε-SVR 模型；最后，按照FCM 聚类分析中的模糊隶属度原则对各个子模型的输出进行加权，得到总模型的输出值。本文采用该方法对铝带坯晶粒度软测量建模进行了仿真研究，结果表明所建模型具有很高的预测精度，能够满足工业过程检测的需要。

摘要： 针对单模型软测量建模中存在的预测精度差等问题，本文提出了一种基于FCM 聚类的多PSO-ε-SVR软测量建模方法。该方法首先使用FCM 聚类算法对样本数据集进行聚类分析；然后，针对每个聚类样本集建立PSO-ε-SVR 模型；最后，按照FCM 聚类分析中的模糊隶属度原则对各个子模型的输出进行加权，得到总模型的输出值。本文采用该方法对铝带坯晶粒度软测量建模进行了仿真研究，结果表明所建模型具有很高的预测精度，能够满足工业过程检测的需要。

摘要： 本文以模糊C均值(FCM)聚类理论为基础,选用符合人眼视觉特性的HSI颜色空间,提出了一种新的多分量彩色图像分割算法.该算法首先结合数据分布特点确定出H分量与1分量的初始聚类中心;然后利用FCM聚类技术对H分量、1分量进行分类处理,以得到不同分量的像素点隶属度;最后,将所得到的不同分量像素点隶属度组织成2维特征,并以此进行模糊聚类图像分割.实验结果表明,该算法可有效提高图像分割效果,其分割结果优于传统FCM聚类图像分割方案.

摘要： 本文以模糊C均值(FCM)聚类理论为基础,选用符合人眼视觉特性的HSI颜色空间,提出了一种新的多分量彩色图像分割算法.该算法首先结合数据分布特点确定出H分量与1分量的初始聚类中心;然后利用FCM聚类技术对H分量、1分量进行分类处理,以得到不同分量的像素点隶属度;最后,将所得到的不同分量像素点隶属度组织成2维特征,并以此进行模糊聚类图像分割.实验结果表明,该算法可有效提高图像分割效果,其分割结果优于传统FCM聚类图像分割方案.

摘要： 本文以模糊C均值(FCM)聚类理论为基础,选用符合人眼视觉特性的HSI颜色空间,提出了一种新的多分量彩色图像分割算法.该算法首先结合数据分布特点确定出H分量与1分量的初始聚类中心;然后利用FCM聚类技术对H分量、1分量进行分类处理,以得到不同分量的像素点隶属度;最后,将所得到的不同分量像素点隶属度组织成2维特征,并以此进行模糊聚类图像分割.实验结果表明,该算法可有效提高图像分割效果,其分割结果优于传统FCM聚类图像分割方案.

摘要： 本文以模糊C均值(FCM)聚类理论为基础,选用符合人眼视觉特性的HSI颜色空间,提出了一种新的多分量彩色图像分割算法.该算法首先结合数据分布特点确定出H分量与1分量的初始聚类中心;然后利用FCM聚类技术对H分量、1分量进行分类处理,以得到不同分量的像素点隶属度;最后,将所得到的不同分量像素点隶属度组织成2维特征,并以此进行模糊聚类图像分割.实验结果表明,该算法可有效提高图像分割效果,其分割结果优于传统FCM聚类图像分割方案.

摘要： 本发明属于认知无线电频谱感知技术领域，具体地涉及一种基于FCM聚类算法的合作频谱感知方法，包括以下步骤：采集信号xi(n)，形成采样信号矩阵X；对于采集到的采样信号矩阵X，采用零空间追踪算法NSP将采样信号xi(n)分解成两个精细分量：剩余分量U(n)和被提取分量V(n),得到第i个次用户SU的采样信号为对采样信号进行信号拆分重组DAR，根据协方差矩阵分别计算相关的特征值，并计算最大特征值与平均特征值之差MSE；使用FCM聚类算法判断主用户是否存在。本发明主要是解决在低信噪比时，提高感知性能和门限估计的精确度的问题，从而提供了一种基于FCM聚类算法的合作频谱感知方法。

摘要： 本发明提供了一种基于滚动时窗—FCM聚类的CVT校验方法、设备及介质，包括S1：获取正常运行的CVT以及待校验的CVT二次侧计量数据；S2：通过FCM聚类算法对得到的电压数据进行分析处理，计算各滚动时窗的聚类中心距离；S3：计算正常运行的CVT各视窗聚类中心距离的平均值；S4：根据聚类中心距离及平均值计算获取标准比；S5：将所得标准比与设定的标准比阈值进行比较，输出待校验CVT的误差校验结果。本发明利用滚动时窗—FCM聚类联合算法，在不断电情况下，通过对CVT二次侧计量数据进行聚类分析来识别CVT本身的误差范围等级，锁定需要停电检查的传感器位置，减少停电检测的工作量。

摘要： 本公开提供了一种基于FCM聚类的低频振荡模态参数识别方法，属于电力系统模态识别技术领域，对同步相量测量装置采集到的电力系统的至少一种量测数据进行预处理；以预处理后的量测数据为输入，进行多阶随机子空间计算，获得电力系统的多种不同阶数下的辨识结果；通过模糊C均值聚类，根据每类的元素数确定系统最小实现阶数，并通过聚类中心获得振荡参数辨识值；本公开通过多阶计算捕捉全部可能存在的振荡模态，对辨识结果经FCM聚类，真实模态易被聚类，根据聚类数即可自动辨别系统实际最低阶数，剔除虚假模态再聚类，实现了主导模态的高精度辨识。

摘要： 一种基于形态学重建与带有指导滤波的FCM聚类的图像分割方法，通过使用形态学重建有效去除原始图片中的噪声，提高噪声图像的分割准确率，之后使用指导滤波弥补去噪操作对图片边缘的破环，提升图像纹理边缘区域的分类效果，最终引入一个影响因子，调节指导图像，进一步提高指导滤波的效果，有效提高了噪声图像的分割效果。

摘要： 本发明涉及一种基于PCA和FCM聚类算法的三维模型可逆水印嵌入及提取方法。本发明在结合传统的嵌入水印方法，并在此基础上进行创新优化，使其效率大大提高。本发明通过传统的PCA算法对三维模型进行坐标系重构，再通过FCM聚类对顶点进行分块处理，通过分组多次嵌入水印，来达到发明目的。实验结果证明该方法能有效地对三维模型进行水印的嵌入和提取。另外，本发明相比较于传统方法，在可逆性上有了较好处理，并且在三维模型的抗平移，旋转，缩放和剪裁方面有了较大改进，大大优于之前的算法，并且在数据容量上提高了近一个数量级。

摘要： 本发明公开了一种基于Canopy+FCM聚类的设备故障率模糊分类方法，将具有相同或相似特性的设备归为一类，类内采用同一故障率。具体包括以下步骤：S1.对数据进行预处理，采用Canopy聚类对故障率影响因素集数据进行粗聚类，确定聚类数和各聚类中心；S2.将步骤S1中的聚类结果作为FCM聚类算法的输入，进行第二次模糊聚类；S3.根据给定的故障率与各因素之间的分布模型，将聚类结果中各聚类中心代入，求得每一类设备的故障率。本发明采用的两重聚类法降低了人为选取聚类数和初始聚类中心的主观性，聚类结果具有较高的客观性，弥补了FCM聚类的不足。

摘要： 本发明提供一种结合K‑means和FCM聚类的流量检测方法及电子装置，包括通过已标注流量数据集Tq及标注种类确定的kq个聚类cq，i及各聚类cq，i的簇心，对包含已标注流量数据集Tq与未标注流量数据集Wq的数据集D进行聚类，得到聚类c′q，i；若聚类c′q，i的离群点数据满足一设定规则，得到k′q个聚类Cq，j；依据聚类cq，j，计算数据集D中各数据的标注结果，获取已标注流量数据集Tq+1与未标注流量数据集Wq+1；依据未标注流量数据集W1在聚类cQ，j中各数据的标注种类KQ，对未标注流量数据集W1进行分类。本发明实现了K‑means算法中k值的自我调节，更容易达到全局最优；利用自训练模式，避免错误数据在后续的迭代中累积；实现了标记数据集和未标记数据集的动态变化，具有实时性和灵活性。

摘要： 本发明公开了一种基于改进FCM聚类算法与MLP神经网络的非侵入式家庭负荷识别方法，包括：进行家庭负荷分类，提取负荷的功率变化量特征；使用熵权法改进FCM聚类算法，使用改进聚类算法进行负荷的一次识别；提取负荷的稳态差值电流谐波特征；构建MLP神经网络，使用训练好的MLP神经网络对负荷进行二次识别；综合一次和二次识别结果，获得完整的负荷识别结果。本发明涵盖了负荷的有功、无功和电流谐波等数据特征，多种特征的选择提高了非侵入式负荷辨识的准确度，同时，通过两次识别过程，减少了仅基于深度学习方法负荷辨识的工作量，能够实现对家庭用电设备的准确识别，并对功率特征重叠的家庭负荷具有良好的识别效果。

摘要： 本发明涉及一种基于PSO‑GA‑FCM聚类的动力锂电池主动均衡控制策略及方法，其特征在于：包括以下步骤：首先，根据SOC‑OCV曲线查找各个锂电池单元的实时荷电状态SOC；在得到SOC值后，采用PSO和GA优化的FCM聚类算法对各个单体锂电池进行数据聚类优化分析，判断各单体锂电池的状态；最后通过单片机传递聚类结果，判断均衡状态，发送均衡命令，控制MOSFET管的导通和截止对各锂电池进行充电和放电均衡。本发明具有适用性，能解决离散电池组中电量不一致的问题，减小电池组内各单体电池间的能量差异，提高电池组SOC一致性。

摘要： 本发明提出了一种基于FCM聚类的烟草线路订单分拣优化方法及系统，基于类内紧凑和类间均衡的两个指导思想下的模型建立，形成了使每个簇内分拣任务尽量紧凑与每个簇之间的分拣量尽量均衡的两个目标函数，并采取专家打分法等方法规定了两个目标的所占权重，形成统一的目标函数，在降低设备中断时间连续出烟的同时也能响应保证簇间工作量尽量均衡，以此均衡配送中心内劳动人员劳动强度。