模糊核聚类
模糊核聚类的相关文献在2006年到2021年内共计80篇,主要集中在自动化技术、计算机技术、机械、仪表工业、电工技术
等领域,其中期刊论文69篇、会议论文3篇、专利文献48304篇;相关期刊56种,包括统计与信息论坛、通化师范学院学报、电力自动化设备等;
相关会议3种,包括第十五届全国图象图形学学术会议、2009中国过程系统工程年会(PSE)暨2009中国MES年会、中国高等学校电力系统及其自动化专业第二十五届学术年会等;模糊核聚类的相关文献由204位作者贡献,包括张娜、亢军贤、孙锋等。
模糊核聚类—发文量
专利文献>
论文:48304篇
占比:99.85%
总计:48376篇
模糊核聚类
-研究学者
- 张娜
- 亢军贤
- 孙锋
- 王健
- 王峰
- 王翔
- 侯彪
- 刘智勇
- 刘红英
- 刘芳
- 刘雪燕
- 史玉良
- 吕梁
- 吴小俊
- 吴懋刚
- 尚荣华
- 屈嵘
- 张晖
- 李岩
- 李状
- 杜凯颖
- 杨颖涛
- 柳亦兵
- 潘宏侠
- 潘永惠
- 焦李成
- 王东
- 王东风
- 王振雷
- 王昕
- 王爽
- 王跃钢
- 田平平
- 管永明
- 范蕤
- 邓卫强
- 钱锋
- 陈涛
- 韩志艳
- 韩璞
- 马文萍
- 高翠芳
- 丛蕊
- 严敏
- 于文勇
- 付志敏
- 付玉荣
- 伊华伟
- 何倩
- 何文洲
-
-
-
郑小霞;
钱轶群;
王帅;
赵坤
-
-
摘要:
为准确地辨识已知、未知故障类别,提出一种基于模糊核聚类模型的风电齿轮箱故障诊断新方法。首先,将模型初始聚类中心和核参数作为优化变量,采用改进型灰狼优化算法寻优求解。改进型灰狼优化算法中引入莱维飞行策略和非线性收敛向量,能够提高算法的收敛速度与精度,从而获得最佳分类结果下的各聚类中心和核参数;然后,根据待测样本与各聚类中心之间的核空间样本相似度,先判断样本是否属于已知故障,再诊断故障类别;最后,通过模拟风电齿轮箱的故障实验验证了该方法的有效性。
-
-
-
-
梁海英;
许昕;
潘宏侠;
付志敏
-
-
摘要:
针对齿轮箱复合故障信号成分复杂和故障特征难以识别的问题,提出基于多分辨奇异值分解(MRSVD)能量特征和模糊核聚类(KFCM)的齿轮箱复合故障诊断方法。首先,采集齿轮箱不同工况下的振动信号,通过进行MRSVD分解得到1个相似信号和5个细节信号;然后,提取6个分量信号的能量特征并进行归一化处理,得其能量相对值;最后,使用KFCM进行故障诊断。实验结果表明,MRSVD能量特征提取方法可有效提取齿轮箱复合故障特征,且KFCM可准确诊断齿轮箱复合故障。
-
-
郭鹏;
王兆光
-
-
摘要:
针对风电机组运行数据强随机性和高噪声的特点,采用高斯过程回归方法建立主轴正常时段的温度模型,并应用自动关联分析方法选择主轴温度模型的建模变量.为降低建模复杂程度,采用模糊核聚类方法对风电机组原始运行数据进行筛选,消除冗余信息,构造紧凑有效的建模样本集.当主轴发生故障时,模型的输入观测向量发生异常变化,导致模型预测残差发生明显改变.为提高主轴异常预警的灵敏度和可靠性,采用基于莱依特准则的双滑动窗口对预测残差序列进行实时的统计分析,如果残差均值或标准差超出设定的故障报警阈值,则发出报警信息.某风电机组主轴的实际运行数据验证了所提方法的有效性.
-
-
杜凯颖;
张为公;
王东
-
-
摘要:
An indoor positioning method based on kernel fuzzy C-means (KFCM) and weighted K-nearest neighbor (WKNN) is proposed to reduce the positioning time and improve the positioning accuracy.Firstly,the number of clusters and the initial cluster center are determined by clustering by fast search and find of density peaks (CFSFDP) to overcome instability,and then WKNN is used for location matching to improve accuracy.The experimental results show that compared with non-clustering indoor localization,the proposed method can reduce the computation time with satisfied accuracy.In addition,compared with the method based on K-means,KFCM and CFSFDP,the proposed method has better clustering effect and positioning accuracy.%针对室内定位中,WiFi位置指纹法存在的定位实时性和精度的问题,提出一种基于改进模糊核聚类(KFCM)和加权K近邻(WKNN)结合的室内定位方法,旨在降低定位时间和改善定位精度.首先利用快速搜索和发现峰值聚类(CFSFDP)确定聚类数目和初始聚类中心,克服KFCM算法对初始聚类中心选取的依赖性而导致聚类结果不稳定的缺点,在此基础上,采用WKNN进行定位匹配,提高定位精度.实验表明,所提出方法相较于无聚类的室内定位方法,能在保证一定精度的前提下,减少定位计算量和时间.此外,将所提出方法与基于K均值、KFCM和CFSFDP的方法进行实验对比,结果显示,该方法具有更好的聚类效果和定位精度.
-
-
袁志华;
杨百龙;
赵文强;
刘宇
-
-
摘要:
为进一步提升基于支持向量机水印算法的鲁棒性,提出基于支持向量机的NSCT域自适应图像水印算法.其主要思想是根据图像自身特征生成自适应水印序列,利用模糊核聚类、支持向量机对NSCT低频系数进行分类,选取适合嵌入水印的低频系数,然后利用支持向量机建立NSCT邻域系数的关系模型,自适应地完成水印嵌入.算法具有良好的不可感知性和安全性,并且通过嵌入自适应水印序列达到全盲水印检测.实验结果表明,提出的算法对高斯噪声、椒盐噪声、低通滤波、中值滤波、均值滤波、JPEG、旋转、平移和尺寸缩放有较强的鲁棒性.
-
-
赵荣珍;
孙业北;
邓林峰
-
-
摘要:
为提高故障辨识准确率,提出一种专用于故障数据集自适应确定聚类类别数目的非参数加权特征提取(NWFE)和模糊核C-均值(KFCM)相结合的算法.以一个双跨度转子实验台作为实验研究对象,在将核函数与模糊C-均值方法相结合的基础上,采用NWFE算法中加权聚类中心的计算实现了为每个样本分配不同的权值,并引入聚类评价指标PBMF自适应地确定出最佳聚类数目.用Iris经典数据集对算法进行验证表明,所提算法能够克服传统算法中存在的同等对待不同样本特征和完全靠先验知识确定聚类数目的弊端.将该算法应用到转子实验台模拟故障的特征数据集中,进一步表明了其在转子故障数据集聚类分析中的有效性和实用性.%To improve the accuracy of fault identification,a novel algorithm which could adaptively determine the clustering number of Nonparametric Weighted Feature Extraction (NWFE) and Kernel-based Fuzzy C-means (KF-CM) was put forward.The kernel function was combined with fuzzy C-means and the weighted clustering center in NWFE algorithm was adopted to assign different weights for each sample.Besides,clustering evaluation index PBMF was introduced to adaptively determine the optimal clustering number.The performance of algorithm was verified via classical data sets and experiment.The results showed that the disadvantages of classical algorithm were eliminated and the proposed algorithm outperformed the classical algorithm in clustering analysis of rotor failure data sets.
-
-
王泽洲;
陈云翔;
项华春
-
-
摘要:
多属性、多目标性决策中,针对专家给出各方案偏好关系下的决策问题,提出一种基于乘积偏好关系的专家模糊核聚类赋权方法.该方法运用模糊核聚类的思想实现对决策专家的聚类,并通过放宽归一化约束条件,克服了传统模糊核聚类算法中离群点对聚类结果的影响.同时,在专家类内赋权过程中,运用CI-IOWG算子集结同类专家的意见,依据不同专家对于形成类别一致性意见的贡献程度来确定专家权重;克服了传统基于熵权或判断矩阵一致性的赋权方法的局限性.算例表明,该方法可行、有效.%Within the multiple attributes and multi-objective decision making problems,for the case that each decision maker has a preference relation referring to alternatives,a method of expert fuzzy kernel clustering weighting based on muhiplicative preference relations is proposed,in which the experts are classified by using fuzzy kernel clustering principle.By loosening the normalization constraints,the effects of outliers on the clustering results could be overcome.At the same time,this paper presents CI-IOWG operator for group decision-making with multiplicative preference relation in the process of determining the intra class weight.And the weighting method can determine the experts' weight according to the contribution degree for clustering which overcomes the limitations of the traditional weighting method based on entropy and consistency.The example shows that the method is feasible and effective.
-
-
谭台哲;
靳玉贞
- 《第十五届全国图象图形学学术会议》
| 2010年
-
摘要:
本文针对传统的模糊核聚类(Kernel-FCM,KFCM)算法用于图像分割,在数据类差别很大时存在小数据被误分或大数据类吞并的问题,定义了一个新的目标函数,为每个类分配一个动态权值,使得算法对类差别很大的数据集也能取得很好的聚类效果;针对KFCM算法在图像分割尤其是医学图像分割中存在的计算量大,运行时间过长的问题,对KFCM的核函数进行改进,用核诱导距离代替了复杂的欧氏距离作为聚类目标公式中的不相似性测度函数,减小了计算复杂度;用K均值聚类算法得到的聚类中心作为初始聚类中心,减少算法收敛所需的迭代次数。通过对Brain Web数据库中的人脑MRI图像进行实验,证实了该算法用于人脑MRI图像分割提高了分割的准确率,并且在时间效率上也有很大的提高。
-
-