FCM

摘要： 针对配电网工程数据体系较大、现有信息可挖掘价值难以全面利用及数据审计管理精度偏低等问题,文中提出了一种基于模糊聚类算法的新型配网数据挖掘模型。传统数据挖掘中,大多数聚类算法是基于对象间的差异函数进行建模的。而对于具有庞大数据量及较多数据类型的配网工程而言,直接采用传统方法建模较为困难。因此,可同时构造对象并进行属性变量最优划分的聚类算法成为了配网数据挖掘的研究方向。文中在块模糊c均值法的基础上,引入了模糊k值分块聚类的概念,并提出配网数据改进分块模糊k值聚类算法。同时利用最小化目标函数有效减少了算法的迭代次数,实现了智能化感知数据信息波动等功能。且通过两个工程案例的实验结果,从直观数据聚类与配网工程成本数据聚类两个方面,验证了所提改进算法的有效性。

摘要： This paper presents a study of the segmentation of medical images.The paper provides a solid introduction to image enhancement along with image segmentation fundamentals.In the first step,the morphological operations are employed to ensure image detail protection and noise-immunity.The objective of using morphological operations is to remove the defects in the texture of the image.Secondly,the Fuzzy C-Means(FCM)clustering algorithm is used to modify membership function based only on the spatial neighbors instead of the distance between pixels within local spatial neighbors and cluster centers.The proposed technique is very simple to implement and significantly fast since it is not necessary to compute the distance between the neighboring pixels and the cluster centers.It is also efficient when dealing with noisy images because of its ability to efficiently improve the membership partition matrix.Simulation results are performed on different medical image modalities.Ultrasonic(Us),X-ray(Mammogram),Computed Tomography(CT),Positron Emission Tomography(PET),and Magnetic Resonance(MR)images are the main medical image modalities used in this work.The obtained results illustrate that the proposed technique can achieve good results with a short time and efficient image segmentation.Simulation results on different image modalities show that the proposed technique can achieve segmentation accuracies of 98.83%,99.71%,99.83%,99.85%,and 99.74%for Us,Mammogram,CT,PET,and MRI images,respectively.

摘要： This study aims to empirically analyze teaching-learning-based optimization(TLBO)and machine learning algorithms using k-means and fuzzy c-means(FCM)algorithms for their individual performance evaluation in terms of clustering and classification.In the first phase,the clustering(k-means and FCM)algorithms were employed independently and the clustering accuracy was evaluated using different computationalmeasures.During the second phase,the non-clustered data obtained from the first phase were preprocessed with TLBO.TLBO was performed using k-means(TLBO-KM)and FCM(TLBO-FCM)(TLBO-KM/FCM)algorithms.The objective function was determined by considering both minimization and maximization criteria.Non-clustered data obtained from the first phase were further utilized and fed as input for threshold optimization.Five benchmark datasets were considered from theUniversity of California,Irvine(UCI)Machine Learning Repository for comparative study and experimentation.These are breast cancer Wisconsin(BCW),Pima Indians Diabetes,Heart-Statlog,Hepatitis,and Cleveland Heart Disease datasets.The combined average accuracy obtained collectively is approximately 99.4%in case of TLBO-KM and 98.6%in case of TLBOFCM.This approach is also capable of finding the dominating attributes.The findings indicate that TLBO-KM/FCM,considering different computational measures,perform well on the non-clustered data where k-means and FCM,if employed independently,fail to provide significant results.Evaluating different feature sets,the TLBO-KM/FCM and SVM(GS)clearly outperformed all other classifiers in terms of sensitivity,specificity and accuracy.TLBOKM/FCM attained the highest average sensitivity(98.7%),highest average specificity(98.4%)and highest average accuracy(99.4%)for 10-fold cross validation with different test data.

摘要： 针对目前基于FCM的改进算法不能很好解决图像分割的精度和速率问题,提出了一种改进的FCM算法来对图像进行有效率的分割。在算法中加入抑制因子增加算法的聚类速率;在原有KFCM算法的目标函数中加入加权模糊因子增加像素的空间信息,从而解决算法分割精度的问题。通过对比实验图可看出:改进的算法对原图像分割的效果更佳,而且对噪声的抑制效果较为明显,再通过引入评价指标的实验数据可以直观看出改进的算法不仅对原灰度图像而且对噪声图像都具有较好的分割性能,对噪声和孤立点都具有较好的鲁棒性和抑制性,表明了改进的算法能够大大提高人们的工作效率,同时为后期再次改进提出一种思路和方向。

摘要： Leukaemia is a type of blood cancer that is caused by undeveloped White Blood Cells(WBC),and it is also called a blast blood cell.In the marrow of human bones,leukaemia is developed and is responsible for blood cell generation with leukocytes and WBC,and if any cell gets blasted,then it may become a cause of death.Therefore,the diagnosis of leukaemia in its early stages helps greatly in the treatment along with saving human lives.Subsequently,in terms of detection,image segmentation techniques play a vital role,and they turn out to be the important image processing steps for the extraction of feature patterns from the Acute Lymphoblastic Leukaemia(ALL)type of blood cancer.Moreover,the image segmentation technique focuses on the division of cells by segmenting a microscopic image into background and cancer blood cell nucleus,which is well-known as the Region Of Interest(ROI).As a result,in this article,we attempt to build a segmentation technique capable of solving blood cell nucleus segmentation issues using four distinct scenarios,including K-means,FCM(Fuzzy Cmeans),K-means with FFA(Firefly Algorithm),and FCM with FFA.Also,we determine the most effective method of blood cell nucleus segmentation,which we subsequently use for the Leukaemia classification model.Finally,using the Convolution Neural Network(CNN)as a classifier,we developed a leukaemia cancer classification model from the microscopic images.The proposed system’s classification accuracy is tested using the CNN to test the model on the ALL-IDB dataset and equate it to the current state of the art.In terms of experimental analysis,we observed that the accuracy of the model is near to 99%,and it is far better than other existing models that are designed to segment and classify the types of leukaemia cancer in terms of ALL.

摘要： 类内距离和类间距离数值量级差异性导致两类距离无法直接融合,进而影响了FCM聚类模型设计。首先,本文全面回顾了经典和改进型的FCM聚类模型,构建了类内距离和类间距离迹的关系模型,分别从类内类间距离的变化不一致性和量级差异性两个方面分析了现有FCM聚类模型的不足;其次,运用高斯核距离替代传统的欧式距离来表征类内类间距离,基于最小化类内紧凑度与类间分离度差的思想,设计了类内类间距离平衡方法,提出了一种改进的FCM聚类目标函数与算法;最后,运用算例说明了本方法的有效性和优越性。

摘要： 集成化装备的故障检测和健康管理(DHM,fault detection and health management)已成为装备领域研究的重点,但是由于其集成度高,结构复杂,综合性强等特点,采用常规的检测方法常面临信息多源异构,体量浩大,且实时性难以保证的问题,不仅消耗大量的人力物力,而且需要极强的数据分析及管控能力;为保证准确性、实时性和有效性的统一,研究提出一种基于CNN(卷积神经网络,Convolutional neural network)和Bi-LSTM(双向长短记忆网络,Bidirectional short and long memory network)及其优化算法的故障检测算法,构建了Bi-LSTM-CNN-FCM模型,并通过田纳西-伊斯曼化工过程数据集进行验证;在实验过程中通过观察不同激活函数对模型精度和效果的影响选择合适的激活函数,最终确定在卷积层使用tanh激活函数,在全连接层使用relu激活函数;在确定激活函数后对模型不断优化,在模型末端加入FCM聚类算法,提高了故障检测分类的准确率,最后以准确率和损失值为依据,通过与单一的LSTM模型,CNN模型和LSTM-CNN模型对比,证明该模型的优越性;该模型使得故障检测的准确率提升至98.25%,损失值减少至0.0104,在性能上明显优于其他模型。

摘要： 农户是矿区重金属污染农地的直接使用者,农户对农地重金属污染风险的认知关系到农地安全利用行为的采用以及农户的身体健康。将矿区农地重金属污染风险农户认知划分为原因认知、事实认知、损失认知和响应认知4个层次,通过半结构访谈法对大冶市典型矿区重金属污染风险农户认知情况进行了调查,建立了矿区农地重金属污染风险农户模糊认知图,形成了以图论指数分析、认知程度分析、仿真模拟分析为一体的矿区农地重金属污染风险农户认知分析方法。研究表明:①农户对重金属污染的认知主要还是基于感性认识,由于农地收入不再是农户的主要经济来源,农户较为关注的是生活环境和身体健康,面对风险最容易想到的是抛荒弃耕和改变种植结构等被动适应措施,而对土壤污染、农产品价格降低、地租减少的关注相对较低,对翻耕改土、修复治理等主动缓解和治理措施的关注不足;②农户的总体风险认知程度不高,对风险原因、风险事实、风险损失和风险响应的认知程度呈逐级递减趋势,农户对风险来源的认知相对清晰,但对风险事实、风险损失和风险响应的认知程度均较低,特别是农户对土壤污染认知程度很低,会严重影响到农地的安全利用和农户自身健康。

摘要： 针对传统的图像处理方法对彩色多目标图像分割时会出现分割精度低、目标定位不准等现象,文章采用基于模糊理论的模糊C均值聚类(FCM)方法实现图像处理.通过将图像从三颜色分量具有高度线性相关性的非均匀RGB颜色空间转到均匀且色域宽阔的Lab空间,并选取合适参数进行聚类实现分割.实验显示,对比其他颜色空间,文章方法能够较为准确地实现彩色多目标图像的分割,有效提高分割的精度,减少欠分割与过分割现象,更好地保留图像信息.

摘要： 高等教育课堂建设与改革是提升课堂教学质量的必经之路,"MOOC+FCM"混合式教学模式已得到了广泛认可与推广,受到了社会各界的广泛关注,成为当前高等教育教学的主流模式.然而,"MOOC+FCM"混合式教学模式应用实践中仍然存在诸多问题,成为制约教学改革成效进一步提升的瓶颈.本文基于混合式教学改革背景与"MOOC+FCM"混合式教学改革现状的分析,厘清了"MOOC+FCM"混合式教学模式内涵、构建了基于"MOOC+FCM"的财会类课程混合式教学模式并对其闭环教学流程进行了详细阐述,并结合当前财会类本科与MPAcc课程教学改革实践,深刻剖析了该混合式教学模式的应用困境,进而提出了深化改革的对策建议.

摘要： 本文主要研究将遗传模糊聚类算法应用于协同过滤推荐技术,从而提高电子商务推荐系统的效率。利用模糊聚类可以有效地对协同过滤推荐中的数据进行柔性划分。模糊聚类与遗传算法的结合则是为发挥遗传算法的全局搜索能力,加快收敛速度,取得最优解。

摘要： 本文主要研究将遗传模糊聚类算法应用于协同过滤推荐技术,从而提高电子商务推荐系统的效率。利用模糊聚类可以有效地对协同过滤推荐中的数据进行柔性划分。模糊聚类与遗传算法的结合则是为发挥遗传算法的全局搜索能力,加快收敛速度,取得最优解。

摘要： 本文主要研究将遗传模糊聚类算法应用于协同过滤推荐技术,从而提高电子商务推荐系统的效率。利用模糊聚类可以有效地对协同过滤推荐中的数据进行柔性划分。模糊聚类与遗传算法的结合则是为发挥遗传算法的全局搜索能力,加快收敛速度,取得最优解。

摘要： 本文研究了基于声波传感器的输气管道泄漏检测问题,分别提出了基于模糊C均值聚类的自适应泄漏可能性评价方法,及基于D-S证据理论的多传感器融合泄漏检测方法。基于现场数据的离线测试表明,该方法可以成功检测出泄漏,并可在一定程度上减小部分传感器误报或漏报所导致的影响,提高了泄漏检测的可靠性。

摘要： 本文研究了基于声波传感器的输气管道泄漏检测问题,分别提出了基于模糊C均值聚类的自适应泄漏可能性评价方法,及基于D-S证据理论的多传感器融合泄漏检测方法。基于现场数据的离线测试表明,该方法可以成功检测出泄漏,并可在一定程度上减小部分传感器误报或漏报所导致的影响,提高了泄漏检测的可靠性。

摘要： 本文研究了基于声波传感器的输气管道泄漏检测问题,分别提出了基于模糊C均值聚类的自适应泄漏可能性评价方法,及基于D-S证据理论的多传感器融合泄漏检测方法。基于现场数据的离线测试表明,该方法可以成功检测出泄漏,并可在一定程度上减小部分传感器误报或漏报所导致的影响,提高了泄漏检测的可靠性。

摘要： 本文研究了基于声波传感器的输气管道泄漏检测问题,分别提出了基于模糊C均值聚类的自适应泄漏可能性评价方法,及基于D-S证据理论的多传感器融合泄漏检测方法。基于现场数据的离线测试表明,该方法可以成功检测出泄漏,并可在一定程度上减小部分传感器误报或漏报所导致的影响,提高了泄漏检测的可靠性。

摘要： 本文研究了基于声波传感器的输气管道泄漏检测问题,分别提出了基于模糊C均值聚类的自适应泄漏可能性评价方法,及基于D-S证据理论的多传感器融合泄漏检测方法。基于现场数据的离线测试表明,该方法可以成功检测出泄漏,并可在一定程度上减小部分传感器误报或漏报所导致的影响,提高了泄漏检测的可靠性。

摘要： 本文研究了基于声波传感器的输气管道泄漏检测问题,分别提出了基于模糊C均值聚类的自适应泄漏可能性评价方法,及基于D-S证据理论的多传感器融合泄漏检测方法。基于现场数据的离线测试表明,该方法可以成功检测出泄漏,并可在一定程度上减小部分传感器误报或漏报所导致的影响,提高了泄漏检测的可靠性。

摘要： 提出了一套新的连锁故障评价指标，以此来反映不同的随机因素组合引发连锁故障的可能性及蔓延速度，并研究了如何根据分立指标对已知样本数据进行综合评价和划分以实现样本数据筛选。利用多目标的分析方法，首先对样本数据进行综合评价，然后以样本数据的分立指标和综合指标评价作为特征输入采用FCM算法进行划分。最后在IEEE39系统上进行算例分析，验证了评价方法的合理性。

摘要： 本发明公开了一种基于信息熵的半监督FCM和SAE的多阶段发酵过程故障监测方法。首先对发酵过程的数据，利用基于信息熵的半监督模糊C均值聚类算法完成稳定阶段的划分；之后引入Silhouette系数划分每两个稳定阶段的过渡阶段，故障监测包括：利用稀疏自动编码器对每个稳定阶段和过渡阶段分别建立监测模型，构建重构误差作为统计量指标。然后再利用核密度估计方法确定每个样本统计量指标的控制限；最后将测试批次样本代入模型，计算其统计量指标，并与正常样本控制限相比，如果超出控制限，则为故障样本。本发明对故障更加敏感，增强了监控模型的鲁棒性，提高了故障监测的准确性，可以减少过程监测中误报、漏报的发生。

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： 一种基于FCM算法和图像处理的植物提取参数设置系统，包括植物称重模块、图像采集模块、控制器、植物提取模块和智能控制终端，所述植物称重模块用于对待提取的植物进行称重，并将获取的植物重量输入控制器，所述图像采集模块用于对正在称重的植物进行图像采集，并将采集得到的植物图像传输至智能控制终端，所述植物提取模块用于对称重后的植物中的有效成分进行提取，所述智能监控终端用于对植物图像中的植物进行识别，并将识别的植物对应的植物提取参数发送至控制器，所述控制器根据接收到的植物重量和植物提取参数控制植物提取模块进行植物提取。本发明的有益效果为：将图像处理技术应用到植物提取系统中，增加了植物提取系统的智能化。

摘要： 本发明提供了基于TGO‑SSA‑FCM算法的交通流量缺失数据修复方法。该方法包括：获取交通流量的输入数据矩阵，并输入到TGO算法中，确定TGO算法中的聚类数K的取值范围，确定聚类数K对应的初始聚类中心；将FCM算法中的参数m和K带入SSA算法中，对SSA算法中每个麻雀的位置进行初始化；将输入数据矩阵、初始聚类中心C、m和K输入到FCM算法中，FCM计算出各麻雀对应的FCM预测值和每个麻雀的适应度值；当判断满足SSA算法的终止条件后，将取得最佳适应度值的麻雀作为全局最优麻雀，将该全局最优麻雀对应的FCM预测值作为输入数据矩阵中的缺失数据的预测值。本发明方法弥补了传统FCM算法参数m和K随机选取、初始聚类中心随机选取，可以实现有效地修复交通流量数据中的缺失数据。

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： 本发明涉及一种基于应力梯度的自适应T样条FCM结构优化设计方法，用于克服现有的B样条FCM结构优化方法无法局部细分导致的计算冗余问题。技术方案是首先将T样条引入到有限胞元法中，使用T样条作为待求物理场的插值形函数；之后，利用T样条的高阶连续性，推导出应力梯度的解析表达，计算得到应力梯度，并根据设定的阈值来确定需要细分的胞元；然后，采用四叉树细分策略来生成T网格，确保得到的T样条形函数线性无关；最后，将该方法结合优化手段，对结构进行优化设计。该方法能够在优化过程中实现自适应局部细分，可以保证计算精度达到要求的同时节省大量的计算量，计算效率得到大幅度提升，这对于优化方法的推广应用有重要的实际价值。

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： 本申请涉及一种基于FCM的态势数据离群样本处理方法、装置、计算机设备和存储介质。所述方法包括：通过基于频繁模式的离群点检测算法将态势数据样本分为正常样本和离群样本，通过模糊线性判别算法对正常样本进行分类，而对于离群样本，通过模糊C均值聚类算法对离群样本进行分类，离群样本的初始聚类中心取自模糊K近邻算法得到的类中心，从而使离群样本的聚类提前有了正常样本分类的先验信息，提高了对包含了离群样本数据的态势数据的识别效果。

摘要： 本发明涉及低压交流串联故障检测技术领域，且公开了一种基于改进PSO‑FCM的低压交流串联故障电弧检测方法，该方法包括如下步骤：在低压交流供配电系统中，采集单个不同类型的负载或多个类型的负载并联时的正常和故障的原始电流信号；通过采集到的正常和故障的原始电流信号进行时域和频域的特征提取，得到波形系数、峰度系数、脉冲系数、裕度系数、峭度系数、总谐波畸变率、频域质心和三次谐波幅值；将处理后的数据组成特征矩阵输入到改进PSO‑FCM模型中进行训练，得到低压交流串联故障电弧检测模型。利用训练好的模型用于线路中进行串联故障电弧检测。

摘要： 本发明公开基于密度峰值‑FCM的含气象数据的风光典型场景构造方法，所述风光典型场景构造方法包括以下步骤：S1：获取历史数值天气预报的数据以及风电场和光伏电站的历史年实测出力数据，构造原始的数据集矩阵；S2：对S1中构造的原始数据集矩阵进行降维处理，并构建降维后的天气特征矩阵；S3：根据密度峰值优化的模糊C均值聚类算法，对S2中获得的降维后的天气特征矩阵进行聚类处理；S4：根据S3中天气模式识别的结果对历史风电场和光伏电站的日出力数据进行分类，然后再拟合得到不同天气模式下的风、光典型日出力场景。该方法通过对多种气象特征数据进行降维处理，既能够最大限度的保留原始数据特征，又能够避免数据冗余、提高计算效率。