模糊核聚类

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。

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。

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.

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.

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.

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.

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.

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。

摘要： 本文将加权模糊核聚类方法(WFKC)引入到电力变压器故障诊断中。该方法首先考虑到样本中不同特征对聚类结果的不同影响,利用基于样本相似度的加权方法对样本特征进行加权,然后将样本从输入空间映射到高维特征空间,在特征空间实现加权模糊核聚类。最后通过电力变压器故障诊断实例证明该方法的可行性和有效性。

摘要： 传统的支持向量机是基于两类问题提出的，如何将其有效的推广至多类问题仍是一个值得研究的问题。本文在比较常用的几种多类SVM分类算法基础上，提出了一种基于模糊核聚类的多类SVM分类方法，实验结果表明，该方法是一种效率更高、分类更准确的多类SVM分类算法。

摘要： 基于差分变异灰狼优化的核直觉模糊聚类图像分割方法，包括以下步骤；步骤1：设置核直觉模糊聚类算法的最大迭代次数，聚类数目，高斯核函数；设置狼群大小，最大迭代次数，步骤2：输入图像；步骤3：提取图像空间鲁棒信息；步骤4：分别计算隶属度矩阵、聚类中心和犹豫度；步骤5：判定随即变量rand1与最大迭代次数之间的关系；步骤6：计算各灰狼的适应度值；步骤7：执行贪心机制，更新α、β、γ狼及其位置向量；步骤8：如满足算法终止条件，则输出最佳灰狼位置；否则，转回步骤(4)；步骤9：根据步骤8求得的最佳聚类中心对图像进行KIFCM分割。本发明基于动态随机差分变异的狼群位置更新策略，实现对聚类中心的优化。

摘要： 本发明公开了一种基于Gauss诱导核的模糊c均值聚类算法，包括如下步骤：1.对样本集合依目标函数最小化原则进行最优化划分；2.初始化模糊隶属度或者初始化聚类中心；3.按Gauss诱导核聚类算法中的迭代计算公式对模糊隶属度和聚类中心进行参数估计；4.获得优化的目标函数。本发明能够有效利用核方法在聚类算法中的非线性表达能力，提升核聚类算法的聚类性能。且聚类中心迭代公式不包含聚类中心自身，满足了聚类算法迭代收敛证明的条件，从而从理论上保障了算法的收敛性。

摘要： 本发明公开一种基于空间密度约束核模糊聚类的灰度图像快速分割方法。主要解决现有方法对含有噪声点和离群点的不均匀灰度图像不能快速准确分割的问题。其实现方案是：1)输入灰度图像，对灰度图像进行迭代加权滤波生成滤波图像；2)设置图像分割类别数和图像聚类迭代终止条件；3)随机初始化模糊聚类中心；4)统计加权图像各灰度级的像素数量；5)使用核模糊聚类算法对加权图像像素进行聚类得到灰度级隶属度矩阵；6)对灰度级隶属度矩阵去模糊化；7)为图像中的像素点加上类标，输出分割图像。本发明提高了分割速度和精度，并能在抑制图像噪声和离群值的同时，保护图像边缘细节，可用于图像目标识别和医学图像辅助分析。

摘要： 本发明属于算法技术领域，更具体地，涉及一种集成空间约束的核模糊C均值快速聚类算法，具体步骤如下：(1)利用光照处理算法，构建受光照影响的预处理图；(2)在步骤(1)之后，使用高斯核将原图和预处理图映射到特征空间，对图像进行聚类分割。提供一种对光照鲁棒的荧光胶缺陷分割方法，对光照图像进行处理和运算，完成对光照产品中荧光胶的异物、气泡、变色缺陷的检测。本发明提供一种集成空间约束的核模糊C均值快速聚类算法，将图像映射到特征空间中，并且利用像素空间关系优化核模糊C均值聚类的目标函数，使得聚类过程对于环境变化造成的同类像素点灰度值发生变化具有分割鲁棒性。

摘要： 基于差分变异灰狼优化的核直觉模糊聚类图像分割方法，包括以下步骤；步骤1：设置核直觉模糊聚类算法的最大迭代次数，聚类数目，高斯核函数；设置狼群大小，最大迭代次数，步骤2：输入图像；步骤3：提取图像空间鲁棒信息；步骤4：分别计算隶属度矩阵、聚类中心和犹豫度；步骤5：判定随即变量rand1与最大迭代次数之间的关系；步骤6：计算各灰狼的适应度值；步骤7：执行贪心机制，更新α、β、γ狼及其位置向量；步骤8：如满足算法终止条件，则输出最佳灰狼位置；否则，转回步骤(4)；步骤9：根据步骤8求得的最佳聚类中心对图像进行KIFCM分割。本发明基于动态随机差分变异的狼群位置更新策略，实现对聚类中心的优化。

摘要： 本发明涉及空间位姿测量、相关传感器技术，为解决正交分光成像位姿传感器采用大量散乱数据进行插值标定时出现的稠密矩阵问题,解决正交分光位姿传感器的标定问题。为此，本发明采取的技术方案是，采用基于核化距离的模糊聚类算法进行区域划分；采用全局径向基函数插值算法拟合各区域局部表达式；采用反距离加权插值Shepard方法构造权函数，Shepard方法采用局部紧支撑径向基函数进行计算；全局表达式由权函数和各区域局部表达式计算生成，最终实现正交分光位姿传感器的标定。本发明主要应用于空间位姿测量场合。

摘要： 一种基于改进鲸鱼算法优化的模糊C核均值聚类分割方法，通过输入图像、设置参数、初始化鲸鱼位置，计算各鲸鱼的适应值，确定异步通信机制，最终输出最优鲸鱼位置；本发明引入异步通信策略和选择机制对鲸鱼算法进行改进，以进一步提高算法的收敛速度和精度；对合成孔径雷达图像进行分割。测试结果表明该算法在具备良好分割质量的同时，能对SAR图像实现快速分割。

摘要： 本发明公开了基于全局最优模糊核聚类模型的电力用户信用评价方法，包括：建立电力用户信用评价指标体系，并对待评价指标数据进行预处理；建立全局最优模糊核聚类算法模型；将预处理后的待评价的电力用户信用评价数据输入建立的全局最优模糊核聚类算法模型，获取聚类结果；对获取的聚类结果进行定性分析，获取每一类的信用等级；提取聚类结果中每一个聚类的特征指标以及对应的特征值；根据提取的每一个聚类的特征值指标以及对应的特征值，再次评价待评价的电力用户的信用结果。替代了人工对电力用户的信用的评估工作，减轻了人力的投入，节约了电力企业管理成本，并且提高了评价工作的科学性与精确性。

摘要： 本发明涉及一种基于高斯核化有效性指标的自适应优选石脑油属性聚类数的模糊核聚类方法，该方法基于密度和距离的初始聚类中心选取方法成功处理以下两方面的问题：一个是模糊核聚类方法对初始值的敏感，另一个是运行速度慢，执行时间长，该方法采用定义一个密度度量的方法选取具有高密度的数据对象作为初始聚类中心，有效克服了方法对初始值的敏感；同时，设置了一个二维数组存储石脑油属性数据之间的距离，大大缩短了计算时间，提高了聚类效率。

摘要： 本发明公开了基于全局最优模糊核聚类模型的电力用户信用评价方法，包括：建立电力用户信用评价指标体系，并对待评价指标数据进行预处理；建立全局最优模糊核聚类算法模型；将预处理后的待评价的电力用户信用评价数据输入建立的全局最优模糊核聚类算法模型，获取聚类结果；对获取的聚类结果进行定性分析，获取每一类的信用等级；提取聚类结果中每一个聚类的特征指标以及对应的特征值；根据提取的每一个聚类的特征值指标以及对应的特征值，再次评价待评价的电力用户的信用结果。替代了人工对电力用户的信用的评估工作，减轻了人力的投入，节约了电力企业管理成本，并且提高了评价工作的科学性与精确性。