模糊C均值算法

摘要： 网络安全可视化可直观地提取网络安全特征、全方位感知网络安全态势,但如何宏观把控网络安全的整体分析流程仍是一大研究难题。为此,引入了数据挖掘中经典的示例-探索-修改-模型-评估(sample-exploremodify-model-assess,SEMMA)分析范式,并结合网络安全可视化提出了一套通用的网络安全事件分析模型,将分析过程划分为数据处理、行为特征探索、异常对象定位、异常事件描述与行为模式关联分析等步骤,规范安全事件探索分析流程。在行为特征探索环节,用模糊C均值算法量化主机行为,识别网络资产结构;提出了用基于协议的节点链接图(protocol-based node link diagram,PBNLD)可视化表征形式构建网络通信模型,以提升大规模节点的绘制质量;以安全事件分析模型为指导,面向多源安全日志实例数据,搭建了网络安全事件可视探索系统,通过多视图协同与故事线回溯的方式实现网络资产划分、网络异常事件提取和攻击事件演化。最后,通过实验证明了分析模型的有效性。

摘要： 群组推荐需要同时考虑一组内所有成员的偏好,融合偏好进而向群组推荐项目。现有关于群组推荐方法的研究中大多使用固定的、对称的关系权重进行预测评分,忽略了群体成员之间复杂的关系影响,这会导致组推荐准确度偏低。为了解决上述问题,提出了一种融合领导者影响与隐式信任度的群组推荐方法(GRS-IT),该方法通过模糊C均值聚类与皮尔逊相关性结合的方法,发现高相似度群组,有效地提高群组推荐效果和稳定性;引入领导者影响的方法,结合皮尔逊相关性与一种隐式信任度计算找出组内领导者并获取领导者与成员、成员彼此之间的动态影响权重,降低群组推荐的误差率;此外,该方法将基于人类遗忘曲线的时间函数融入到项目评分预测中,预测评分随时间变化赋予不同的时间权重值,进一步提高了群组推荐的准确性。采用对比实验对GRS-IT的有效性进行验证,结果表明,在MovieLens100K数据集上与其他群组推荐方法相比,推荐结果在准确度和群组成员满意度方面都有显著提高。

摘要： 无损检测图像中目标类和背景类差异较大,模糊C均值算法无法有效地将目标分割出来,因此提出一种用于分割无损检测图像的快速模糊C均值算法。在聚类过程中,引入局部空间信息和灰度信息,以提高算法的鲁棒性;用条件值表征样本容量来平衡不同大小的类群,以解决类大小敏感问题;基于新的约束条件得到新的隶属度和聚类中心表达式,并给出算法具体步骤;对预处理后图像的灰度级进行分类,图像分割所需要的时间不再取决于图像的尺寸,而是图像的灰度级数,大幅度降低了算法的时间复杂度。采用类大小差异较大的合成图像和无损检测图像进行仿真实验,以分割精度(SA)、F-value、G-mean以及图像分割所需要的时间为评价指标来评价算法的性能。实验结果表明:在原始测试图像被高斯噪声、椒盐噪声、瑞利噪声和乘性噪声污染时,与其他模糊聚类算法相比,本文算法具有更好的鲁棒性,分割精度更高,为97.93%,F-value为88.50%,G-mean为93.83%,图像分割时间也更少,为14.06 ms。实验证明了本文算法的有效性。

摘要： 针对传统的基于密度的局部离群点检测算法对原始数据集没有进行预处理导致该算法在面对未知数据集时检测效果不理想,又由于其需要计算每一个数据点的离群因子,在数据量过多时,计算量大大增加的问题,通过对局部离群点检测算法的分析,提出了一种基于目标函数的局部离群点检测方法FOLOF(FCM objective function-based LOF).首先,使用肘部法则确定数据集的最佳聚类个数;然后,通过FCM的目标函数对数据集进行剪枝,得到离群点候选集;最后,利用加权局部离群因子检测算法计算候选集中每个点的离群程度.利用该方法在人工数据集和UCI数据集上进行了相关实验,并与其他相关方法进行了对比,结果显示,该算法能够提高离群点检测精度,减少计算量,有效提高离群点检测性能.

摘要： 根据产状对结构面进行分组是研究岩体结构面发育特征的常用方法。针对现有分组方法的不足,将模糊C均值算法与遗传算法相结合,以Xie-Beni指标作为适应度函数,使用新的染色体编码方法和变异算子,提出一种岩体结构面产状自动聚类方法。利用C++语言对算法进行实现,并将其应用于某地下水封储油(气)洞库岩体结构面产状数据的分析。结果表明,该算法能够自动确定最优的结构面组数和相应的聚类结果,并使其有效性得到验证。

摘要： 价格机制是引导城市公共建筑调整用电行为的手段之一。为评估价格对城市公共建筑用电行为的影响及进一步挖掘城市公共建筑群作为可控负荷式虚拟电厂能源资源参与到电力调度或电力市场交易中,文章通过引入分时电价机制和用户心理学模型,对城市建筑日负荷曲线进行调整,形成考虑价格要素的日计价拟合负荷曲线;采用结合了聚合聚类法和模糊C均值法的两阶段聚类分析算法,对调整后的日负荷曲线进行聚类分析。根据上述方法,通过对100个典型负荷的聚类分析,验证了文章所选算法的有效性,并进一步探讨了通过价格机制引导不同的城市建筑负荷调整用电行为的潜力,为利用价格手段深入挖掘城市公共建筑群作为虚拟电厂资源提供依据。

摘要： 提取人体着装图像的服饰区域时,易受光照、阴影遮盖与人体姿态、肤色等问题的影响,提出一种融合自适应局部特征与改进模糊C均值(fuzzy C-means,FCM)的服饰图像分割算法.首先,通过改进区域生长法消除阴影实现前景提取;其次,采用MDSMGR-WT超像素分割获取图像局部特征,将自适应局部信息融入双加权FCM目标方程中,实现二次精细化分割;最后,经肤色检测提取目标服饰区域.实验结果表明,该方法的准确率可达78.93％,召回率90.12％,查准率89.93％.该方法能够减少内部区域噪声,提高服饰图像的分割精度.

摘要： 针对传统FCM算法依赖于初始聚类中心、对噪声敏感、容易陷入局部最优、分类时会倾向于多数类等缺点,本文首先提出一种基于PSO-TVAC的中心自适应权的FCM聚类算法(CWAFCM)。新算法将中心权重向量Φ和自适应指数q引入目标函数,用以区分每个聚类中心的不同重要性;指数q和模糊因子m由粒子群算法(PSO-TVAC)优化;新提出一种聚类评价标准ACVI作为PSO-TVAC算法的适应度函数以提高聚类准确率。其次,将CWAFCM与过采样技术(SMOTE)相结合以适应于对不平衡数据聚类。通过对六个数据集(四个平衡数据集,两个不平衡数据集)进行仿真实验,结果表明CWFCM算法能够有效地优化聚类效果,且能提高不平衡数据集的聚类准确率。

摘要： 在基于图像识别的地铁轨道精确快速定位过程中,针对轨道定位点检测模型存在的误报问题,将模糊C均值(FCM)算法用于定位点模型匹配.?在基于深度卷积神经网络的轨道定位点检测模型基础上,选用6类定位点图像和2类误报点图像,提取不同类别图像样本中各目标检测框的中心相对位置、长宽比、面积等特征数据(每张图像各6维特征量),采用ReliefF算法度量所有图像样本各维特征量的权重,将所得权重引入FCM算法的欧几里德距离公式,匹配唯一定位点.?实验结果表明,改进后的FCM算法在聚类的正确性和有效性方面有明显改善,对提高地铁轨道定位精度具有重要的意义.

摘要： 在高频地波超视距雷达系统中,电离层杂波作为一种时变、非均匀、非高斯的复杂杂波,其复杂性导致了单一杂波抑制算法无法有效地抑制电离层杂波.针对不同特性,将复杂的电离层杂波进行分类,可以有效地提升电离层杂波抑制性能.常规的杂波聚类方法由于仅在特征空间进行聚类,分类结果存在空间分布离散化的问题.针对该问题,结合电离层杂波特性与其邻域空间信息,提出了一种基于改进的模糊C均值距离的电离层杂波分类方法,利用仿真数据与高频地波雷达实测数据进行分析.该方法在不降低聚类性能的情况下,具有更符合实际物理意义的聚类结果,并具有更高的分类精度.

摘要： 鉴于采用机器视觉系统检测稀土元素组分含量时,稀土溶液样品池上可能会存在污渍点,提出了一种基于模糊C-均值算法的稀土混合溶液图像污渍处理方法.首先采用模糊C-均值图像算法对含有污渍点的Pr/Nd混合溶液图像进行聚类分割得到灰度二值图像,然后根据分割后二值图像找出未受污染部分图像像素点的坐标位置,并据此分析图像的颜色信息及其溶液的组分含量值.通过与标准溶液图像在颜色特征H、S、I分量以及Nd元素组分含量值的对比分析,结果表明该方法能有效去除稀土混合溶液图像中的污渍点,为机器视觉技术应用于稀土萃取过程组分含量检测奠定了良好的基础.

摘要： 鉴于采用机器视觉系统检测稀土元素组分含量时,稀土溶液样品池上可能会存在污渍点,提出了一种基于模糊C-均值算法的稀土混合溶液图像污渍处理方法.首先采用模糊C-均值图像算法对含有污渍点的Pr/Nd混合溶液图像进行聚类分割得到灰度二值图像,然后根据分割后二值图像找出未受污染部分图像像素点的坐标位置,并据此分析图像的颜色信息及其溶液的组分含量值.通过与标准溶液图像在颜色特征H、S、I分量以及Nd元素组分含量值的对比分析,结果表明该方法能有效去除稀土混合溶液图像中的污渍点,为机器视觉技术应用于稀土萃取过程组分含量检测奠定了良好的基础.

摘要： 鉴于采用机器视觉系统检测稀土元素组分含量时,稀土溶液样品池上可能会存在污渍点,提出了一种基于模糊C-均值算法的稀土混合溶液图像污渍处理方法.首先采用模糊C-均值图像算法对含有污渍点的Pr/Nd混合溶液图像进行聚类分割得到灰度二值图像,然后根据分割后二值图像找出未受污染部分图像像素点的坐标位置,并据此分析图像的颜色信息及其溶液的组分含量值.通过与标准溶液图像在颜色特征H、S、I分量以及Nd元素组分含量值的对比分析,结果表明该方法能有效去除稀土混合溶液图像中的污渍点,为机器视觉技术应用于稀土萃取过程组分含量检测奠定了良好的基础.

摘要： 鉴于采用机器视觉系统检测稀土元素组分含量时,稀土溶液样品池上可能会存在污渍点,提出了一种基于模糊C-均值算法的稀土混合溶液图像污渍处理方法.首先采用模糊C-均值图像算法对含有污渍点的Pr/Nd混合溶液图像进行聚类分割得到灰度二值图像,然后根据分割后二值图像找出未受污染部分图像像素点的坐标位置,并据此分析图像的颜色信息及其溶液的组分含量值.通过与标准溶液图像在颜色特征H、S、I分量以及Nd元素组分含量值的对比分析,结果表明该方法能有效去除稀土混合溶液图像中的污渍点,为机器视觉技术应用于稀土萃取过程组分含量检测奠定了良好的基础.

摘要： 用模糊C均值聚类算法对某型号引信的高功率微波电磁效应数据进行分析处理,实现效应数据参数间的识别和分类.通过模糊C 均值聚类算法设计,利用其类内相似和类间相异的原则,经过多次迭代运算,获取最优分类,得到高功率微波脉宽、峰值功率、功率密度等参数的最佳聚类中心,即致使引信失效的最佳干扰阈值,实验结果证明了算法的有效性.

摘要： 用模糊C均值聚类算法对某型号引信的高功率微波电磁效应数据进行分析处理,实现效应数据参数间的识别和分类.通过模糊C 均值聚类算法设计,利用其类内相似和类间相异的原则,经过多次迭代运算,获取最优分类,得到高功率微波脉宽、峰值功率、功率密度等参数的最佳聚类中心,即致使引信失效的最佳干扰阈值,实验结果证明了算法的有效性.

摘要： 用模糊C均值聚类算法对某型号引信的高功率微波电磁效应数据进行分析处理,实现效应数据参数间的识别和分类.通过模糊C 均值聚类算法设计,利用其类内相似和类间相异的原则,经过多次迭代运算,获取最优分类,得到高功率微波脉宽、峰值功率、功率密度等参数的最佳聚类中心,即致使引信失效的最佳干扰阈值,实验结果证明了算法的有效性.

摘要： 用模糊C均值聚类算法对某型号引信的高功率微波电磁效应数据进行分析处理,实现效应数据参数间的识别和分类.通过模糊C 均值聚类算法设计,利用其类内相似和类间相异的原则,经过多次迭代运算,获取最优分类,得到高功率微波脉宽、峰值功率、功率密度等参数的最佳聚类中心,即致使引信失效的最佳干扰阈值,实验结果证明了算法的有效性.

摘要： 用模糊C均值聚类算法对某型号引信的高功率微波电磁效应数据进行分析处理,实现效应数据参数间的识别和分类.通过模糊C 均值聚类算法设计,利用其类内相似和类间相异的原则,经过多次迭代运算,获取最优分类,得到高功率微波脉宽、峰值功率、功率密度等参数的最佳聚类中心,即致使引信失效的最佳干扰阈值,实验结果证明了算法的有效性.

摘要： 针对模糊C-均值算法(FCM)对初始值敏感的问题,提出禁忌搜索粒子群算法来优化FCM算法初始聚类中心.该混合算法是以粒子群算法为主体,禁忌算法针对粒子群算法的输出做更新,以避免单一使用粒子群算法而陷入局部最优的困境.算法保留了粒子群算法的并行处理能力,同时利用了禁忌搜索算法跳岛局部最优解的特性,加快了整体算法的收敛速度并提高了聚类的准确率.

摘要： 本发明公开一种基于随机矩阵理论和模糊C均值聚类算法的PMU数据分类方法。包括：步骤1)建立历史PMU数据随机矩阵模型，通过建立线性特征值统计量进行特征提取，得到特征数据集；步骤2)用模糊C均值聚类算法对特征数据集进行聚类，得到各类的聚类中心和隶属度矩阵；步骤3)将实时电网运行数据结合历史数据建立随机矩阵模型，通过建立线性特征值统计量进行特征提取，生成特征数据；步骤4)使用步骤2的结果进行初始化，对步骤3生成的特征数据进行模糊C均值聚类，判断实时数据的类别。本发明可实现数据驱动下的PMU数据实时分类。

摘要： 一种基于模糊C均值‑模拟退火算法减小总成本的运输路径优化方法属于路径优化技术领域；现有技术会使配送车的行驶路径变长和增加成本；包括根据待配送目标的数量、需求数据以及配送的范围确定所需要配送站的数量；根据待配送目标与配送站的距离，运用模糊C均值算法，进行初始的聚类即为配送站的数量；对于与配送站距离大于SumD，以及与配送站连线间的方向夹角小于45°的目标划分为将待配送目标，将其他的目标保持初始的分配，即确定的目标；运用模拟退火算法进行搜索配送的路径，计算出最短的配送路线，即初始配送路线；通过动态调整将待配送目标的所属配送站，再次优化配送路线，保持最短的配送距离，节约配送车辆，减小配送总成本。

摘要： 本发明提出一种变压器基于模糊C均值聚类算法的声纹故障诊断方法，利用模糊C均值聚类算法对变压器绕组和铁芯机械运行状态中产生的不同声纹故障数据进行分类，并利用分类的结果判断故障的类型。当变压器中出现声纹异常时，利用模糊C均值对声纹数据进行处理，可以确定各个声纹数据样本的聚类中心，通过隶属度矩阵的行对应着所属类别，列对应着数据样本的顺序编号，隶属度矩阵每一列最大数据所在的行即为数据样本所对应的故障类别，这样就可以有效检测出声纹故障的类型。从而实现了由变压器由异常声纹引发的故障的诊断。

摘要： 本发明涉及人工蜂群算法技术领域，具体涉及基于模糊C‑均值算法和人工蜂群聚类算法的混合聚类算法，该算法包括初始化阶段、引领蜂阶段、跟随蜂阶段和侦查蜂阶段，还包括如下步骤：步骤一：跟随蜂阶段结束后，判断当前算法是否是第一次循环；若是，则执行步骤二；若不是，则执行步骤三；步骤二：将当前的最优解作为模糊C‑均值聚类算法的初始聚类中心进行优化，若优化后的解的质量高于当前最优解，则用优化后的解代替当前最优解，否则放弃，同时相应蜜源的迭代次数加1，然后进入侦查蜂阶段；步骤三：判断最优解在跟随蜂阶段后是否发生改变；若是，则执行步骤二；若否，则进入侦查蜂阶段。本发明所提供的算法聚类准确率高、收敛速度快、寻优精度高。

摘要： 本发明涉及一种基于粗糙集和粒子群算法的改进模糊C‑均值算法。本发明引入了粒子群优化算法的全局搜索性能来克服传统模糊聚类的过早收敛问题，利用粗糙集的模糊平衡属性来处理类簇间的重叠以及类簇边界的模型不确定性。本发明方法利用Davies‑Bouldin(DB)指数评价聚类有效性，在给定的类簇个数范围内自动寻找最优聚类数目，以提供紧凑且良好分隔的类簇。实验结果表明，所提出的方法显著提高了聚类效果。

摘要： 一种改进烟花算法优化模糊C均值的轴承故障诊断方法，步骤如下：(1)信号采样；(2)降噪处理；(3)特征选择；(4)轴承故障诊断。本发明设计并实现一种改进烟花算法优化模糊C均值的轴承故障诊断方法。针对模糊C均值存在对初始值敏感、易陷入局部最优等缺点，使用改进烟花算法进行优化，将决定烟花爆炸半径大小的系数由固定值改为动态值，同时将柯西变异与高斯变异交替使用来控制搜索范围；然后采用小波阈值降噪算法和时域特征处理轴承数据；最后将轴承数据输入改进的模糊C均值算法中进行聚类。在四种缺失率的情况下与三种方法进行对比实验，验证本发明方法有更高的诊断准确率。

摘要： 基于改进模糊C均值聚类算法的配电网动态重构方法，通过EEMD‑SVR组合预测模型和历史功率数据，对DG输出功率和负荷功率进行日前功率预测；输入配电网初始参数、负荷功率预测量、DG预测出力值等相关初始参数；依据功率预测数据构建分段‑损失函数，以确定最优分段数；并通过改进模糊C最优聚类分析算法，实现日内动态重构时段划分；依据聚类算法，确定时段划分方案和各时段等效负荷中心；通过改进细菌觅食算法，分别对配电网各时段进行静态重构优化；根据日内重构各时段的优化调节方案，计算确定配电网日内运行网络损耗和电压波动情况，输出求解后的相关参数。该方法简单、高效，能够应用在含新能源接入的中低压配网，具有一定的推广和实际价值。

摘要： 本发明提出了一种基于模糊C均值聚类算法的多源异构数据融合方法及系统，其方法包括：获取特定环境下的多源异构数据以及对应的任务信息；将获取到的多源异构数据均转化为可描述的文本数据，并从中提取特征分词，对特征分词进行归一化得到标准特征信息；根据获取到的多源异构数据以及对应的任务信息建立事件树，基于复相关系数算法计算标准特征信息与事件树的相关概率；基于相关概率采用模糊C均值聚类算法对标准特征信息进行特征融合，得到满足条件的融合结果。本发明先提取标准特征信息再采用模糊C均值聚类算法进行融合，实现了数据类型复杂且数据维数大情况下的多源异构数据的有效融合，提高了多源异构数据融合方法在实际应用中的利用率。

摘要： 本发明公开一种基于GPU端模糊C均值聚类的雷达信号分选方法，其实现步骤是：1、对每部雷达接收的回波信号进行脉冲检测，得到该部雷达发射的脉冲描述字PDW；2、在CPU端初始化聚类划分；3、在GPU端并行化更新当前每个分类聚类中心的PDW值；4、在GPU端并行化更新当前每个PDW的隶属度；5、迭代更新所有聚类中心PDW值、隶属度矩阵U；6、在CPU端对更新后的雷达脉冲数据集D进行聚类划分。本发明相比传统的串行聚类算法更加高效，更好地满足了雷达信号分选的实时性需求，而且雷达信号分选的准确率更高。

摘要： 本发明公开了基于张量分解和模糊C‑均值聚类的协同推荐算法，涉及协同过滤推荐算法技术领域，包括以下步骤，首先，捕捉一些个性化的信息，在传统的用户项目的二元关系基础上，增加项目类型等多个维度的信息，构成张量。本发明针对传统协同过滤推荐算法中的数据稀疏性问题，提出了基于张量分解和模糊聚类的协同过滤推荐算法，一方面，利用张量分解对缺失数据进行填充，降低其稀疏性，并挖掘潜在信息，去除噪声；另一方面，基于填充后的矩阵，采用模糊C‑均值聚类算法对用户进行分类，减小目标用户的最近邻搜索空间，提高算法的可扩展性，最后用传统推荐算法在目标用户所在的类中产生推荐结果，具有很好的推荐性能。