FCM算法

摘要： 为确保矸石发电厂正常运行,降低运行成本,设计一种基于物联网技术的矸石发电机组故障诊断系统。系统硬件部分由下位机和嵌入式网关组成,根据发电机组数据特征分别给出各模块的电路设计方案;系统软件由预处理机、状态服务器和Web服务器组成,通过构建物联网传感器基阵,采集发电机组实时监测数据,利用FCM算法获得发电机组数据特征模式矢量,确定故障类别和中心矢量,以此实现矸石发电机组故障诊断。实验表明,该系统能够正常进行数据库访问和数据检索等操作,可有效地执行业务规则并完成相关工作。

摘要： 作为一种常用的图像分割算法,模糊C均值聚类(FCM)对噪声过于敏感。针对此缺陷,研究者们提出了诸多改进算法。然而,现有算法在面对较为复杂的噪声场景时,所得图像分割效果往往不令人满意。通过对经典FCM算法的目标函数施加非局部正则化,该文给出一个FCM非局部改进算法(FCM_UNL)。在复杂噪声场景下进行图像分割时,FCM_UNL能保持较高的分类精度。初步的图像分割实验表明了所提算法的有效性。

摘要： 针对传统方法对番茄穴盘苗重叠幼叶图像分割精度较低、背景剔除困难的问题,提出一种基于U-Net模型和模糊C均值聚类(FCM算法)相结合的图像分割方法。首先用ExRG法对图像的背景进行剔除,得到待分割幼叶的主体区域,对图像进行预处理。其次建立数据集,训练网络模型,用预训练的U-Net模型分割幼叶主体区域,提取其过渡区域;同时用FCM算法分割幼叶主体区域,提取其过渡区域。然后结合FCM算法分割得到的过渡区域和U-Net模型分割得到的过渡区域,得到重叠叶片的最终分割结果。最后,为了得到精准的评估结果,将重新连接的过渡区域进行填充,并与其他文献所述的算法进行对比分析。结果表明,所提出的基于U-net模型和FCM算法对穴盘苗幼叶轮廓分割的结果更加准确,泛化性更强。证明对番茄幼苗叶片图像分割的有效性,为幼苗生长状况的检测研究提供了支持。

摘要： 在删除信道中,采用LT码作为信道编码时,由于受到噪声随机性和度1符号分布随机性的影响,合法接收者和窃听者在译码成功时会接收到不同数量的编码符号,产生不同的概率密度分布。针对译码成功时不同概率密度分布的问题,提出了一种基于GMM来对不同删除概率下得到的概率密度函数进行统一表示。首先通过Xie-Beni指数确定观测数据的最佳聚类数K,然后利用改进后的FCM算法求观测数据的初始值,并将其作为EM迭代算法的初始值,将最终迭代结果作为GMM的参数,建立删除信道下接收端译码成功时译码符号数量的概率密度分布。

摘要： 针对现有模糊时间序列预测模型中有效论域划分和历史数据模糊化处理存在的不足,提出一种新的高阶直觉模糊时间序列预测模型.该模型首先将等分论域划分和基于FCM算法的非等分论域划分两种划分方法结合起来,较好地反映了历史数据内部或局部形态的关联特征.在此基础上,根据直觉模糊时间序列的数据特点,给出一种更具客观性的方法对历史数据直觉模糊化处理,较好地反映了历史数据“非此非彼”的模糊状态.然后结合“max-min”聚合运算,合理地选取要考虑的模糊状态,进而对预测结果去模糊化输出.在实验部分,该模型利用阿拉巴马大学学生招生人数和黄金期货收盘价格为实验数据,将预测结果与现有部分模型的预测结果进行对比分析,验证了新模型的可行性和有效性.

摘要： 土石坝坝料的级配参数通常是采用筛分试验获取的,这种传统的试验方法存在操作过程繁琐以及费时费力等缺点。为了提高坝料级配参数的智能检测程度,采用了双边滤波和同态滤波相融合的滤波技术为土石坝坝料的快速准确分割提供了技术支撑,然后采用模糊C均值聚类(FCM)算法进行坝料图像分割,最后通过建立等效椭球体积的方法实现了土石坝料的三维体积重构,获得了基于图像识别技术的坝料级配曲线,实现了坝料级配特征参数的快速可靠获取,为坝料合格性快速判别提供了基础信息。

摘要： 针对现有电力信息通信数据运维技术存在资源耗比较高、容量低的问题,提出一种电力信息通信数据智能运维技术.分析电力信息通信数据特征,构建电力信息通信数据智能运维模型;通过FCM算法对日志数据进行分类,获得数据智能运维日志分类结果,设计运维资源耗比预测算法;采用最小二乘法拟合直线方程计算数据运维容量,实现了电力信息通信数据的智能运维.仿真实验结果表明,提出电力信息通信数据智能运维技术具备更好的数据运维性能.

摘要： 针对污损车牌图像,结合FCM算法和Criminisi图像修复算法,提出一种可以准确分辨车牌图像污损区域并进行图像修复的方法.设计一种能够自动确定聚类数目的FCM算法,用其对图像进行色彩分割,提高提取污损区域的准确度;对Criminisi算法的优先权和匹配块大小做出改进,修复污损图像.实验结果表明,使用该方法后车牌图像污损区域的提取准确率可达95％,修复后的图像NIQE值同传统Criminisi算法相比有所降低,PSNR值有所提高,可知该方法获得了更佳的效果.

摘要： RBF神经网络在故障诊断中广泛应用,但其依赖于隐含层数据中心的选取是否合适,故引入模糊—C均值聚类(Fuzzy C-means Clustering Algorithm,FCM)算法对其进行优化.其网络结构参数中网络宽度以及隐含层到输出层的权值都是影响RBF网络性能的关键,运用改进粒子优化算法(Particle Swarm Optimization,PSO)对网络参数中宽度和权值进行优化.

摘要： 图像分割在众多领域发挥着重要作用,随着图像分割理论和方法研究的不断深入,聚类算法被用于图像分割中.文章针对聚类算法中经典的K-means算法和基于模糊划分的FCM算法会产生局部极小值等聚类效果不理想的问题,采用KFCM算法将核模型用于表示FCM算法中的欧氏距离,通过非线性映射将问题由低维转到高维特征空间进行处理,实现数据的线性可分,使算法更具鲁棒性,进而提高聚类效果.通过实验,KFCM算法分割效果优于K-means算法和FCM算法,能够较好地提取感兴趣目标,且所需聚类时间不长.

摘要： 本文叙述了由FCM算法构建的一种改进型Petri网诊断变压器故障的模型,该模型采用了分类能力较强的FCM算法对Petri网输入数据进行预处理,提高了模型的适用度;同时,该模型提出了在信息不完全情况下的Petri网矩阵推理算法.进一步,以实例证明分析,该模型是有效且实用的.

摘要： 本文叙述了由FCM算法构建的一种改进型Petri网诊断变压器故障的模型,该模型采用了分类能力较强的FCM算法对Petri网输入数据进行预处理,提高了模型的适用度;同时,该模型提出了在信息不完全情况下的Petri网矩阵推理算法.进一步,以实例证明分析,该模型是有效且实用的.

摘要： 本文叙述了由FCM算法构建的一种改进型Petri网诊断变压器故障的模型,该模型采用了分类能力较强的FCM算法对Petri网输入数据进行预处理,提高了模型的适用度;同时,该模型提出了在信息不完全情况下的Petri网矩阵推理算法.进一步,以实例证明分析,该模型是有效且实用的.

摘要： 本文叙述了由FCM算法构建的一种改进型Petri网诊断变压器故障的模型,该模型采用了分类能力较强的FCM算法对Petri网输入数据进行预处理,提高了模型的适用度;同时,该模型提出了在信息不完全情况下的Petri网矩阵推理算法.进一步,以实例证明分析,该模型是有效且实用的.

摘要： 本文叙述了由FCM算法构建的一种改进型Petri网诊断变压器故障的模型,该模型采用了分类能力较强的FCM算法对Petri网输入数据进行预处理,提高了模型的适用度;同时,该模型提出了在信息不完全情况下的Petri网矩阵推理算法.进一步,以实例证明分析,该模型是有效且实用的.

摘要： 为了使伪装目标更好地与背景融合，在设计仿造迷彩时须准确提取背景的主色.提出了一种结合CIE DE2000色差公式和改进的模糊c-均值(FCM)聚类算法的仿造迷彩主色提取方法.rn 文章利用CIE DE2000色差公式计算两种颜色的色差。提取主色时先均匀选取特征像素点，然后对这些特征像素点进行谱系聚类，将谱系聚类得到的类心作为FCM聚类的初始类心，最后对所有像素使用FCM聚类算法提取背景的主色.仿真实验通过与其他算法的对比，证明了该算法的优越性，和比较重要的实用价值。

摘要： 为了使伪装目标更好地与背景融合，在设计仿造迷彩时须准确提取背景的主色.提出了一种结合CIE DE2000色差公式和改进的模糊c-均值(FCM)聚类算法的仿造迷彩主色提取方法.rn 文章利用CIE DE2000色差公式计算两种颜色的色差。提取主色时先均匀选取特征像素点，然后对这些特征像素点进行谱系聚类，将谱系聚类得到的类心作为FCM聚类的初始类心，最后对所有像素使用FCM聚类算法提取背景的主色.仿真实验通过与其他算法的对比，证明了该算法的优越性，和比较重要的实用价值。

摘要： 为了使伪装目标更好地与背景融合，在设计仿造迷彩时须准确提取背景的主色.提出了一种结合CIE DE2000色差公式和改进的模糊c-均值(FCM)聚类算法的仿造迷彩主色提取方法.rn 文章利用CIE DE2000色差公式计算两种颜色的色差。提取主色时先均匀选取特征像素点，然后对这些特征像素点进行谱系聚类，将谱系聚类得到的类心作为FCM聚类的初始类心，最后对所有像素使用FCM聚类算法提取背景的主色.仿真实验通过与其他算法的对比，证明了该算法的优越性，和比较重要的实用价值。

摘要： 为了使伪装目标更好地与背景融合，在设计仿造迷彩时须准确提取背景的主色.提出了一种结合CIE DE2000色差公式和改进的模糊c-均值(FCM)聚类算法的仿造迷彩主色提取方法.rn 文章利用CIE DE2000色差公式计算两种颜色的色差。提取主色时先均匀选取特征像素点，然后对这些特征像素点进行谱系聚类，将谱系聚类得到的类心作为FCM聚类的初始类心，最后对所有像素使用FCM聚类算法提取背景的主色.仿真实验通过与其他算法的对比，证明了该算法的优越性，和比较重要的实用价值。

摘要： 合成孔径雷达(SAR)系统中地面运动目标由于自身存在沿航向速度和径向速度导致了目标在聚焦时出现位置偏移和散焦现象。SAR-GMTI体制下实测数据处理过程中，用DPCA方法实现杂波相消，设置相应的门限进行恒虚警(CFAR)检测后，检测到的动目标位置将围绕真实位置占据多个像素单元，为解决动目标真实位置不确定性的问题，提出一种基于模糊c均值(FCM)的算法实现运动目标真实位置的确定，进而有利于动目标的精确定位。仿真数据和实测数据的处理结果验证了本文算法的有效性。

摘要： 本申请公开了一种基于EM‑FCM算法的电力员工画像侧写方法及系统，其方法根据所有待侧写员工的日常行为数据对所有待侧写员工赋予多个标签，并进行评分，得到各个标签对应的标签分值，并构建标签评价矩阵，对标签评价矩阵归一化后，得到聚类对象数据，基于EM算法对聚类对象数据计算并输出EM算法获得的最佳聚类中心，基于EM算法，以最佳聚类中心构建适应度目标函数，通过聚类对象数据计算适应度目标函数值，通过适应度目标函数值进行迭代计算，直至迭代收敛，输出所有待侧写员工的标签分类结果，从而可以全面地考察员工的表现特点及个性化标签，并对其进行分类，提高员工侧写的公平性。

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： 本申请涉及一种基于改进PSO‑FCM算法的脱硫系统运行优化方法，方法包括：采用改进的PSO‑FCM算法对样本数据进行聚类，并建立脱硫系统运行目标工况库；采用ARIMA模型对脱硫边界条件进行预测；指导脱硫运行参数的调节。与现有技术相比，同时考虑了pH、浆液密度等与脱硫运行成本密切相关的参数，同时解决了目前电厂变频泵与普通定频泵结合的调循泵调度问题，可进行多参数同步调节，调节方式更加灵活。对传统的FCM算法进行了改进，针对传统FCM中受初始聚类中心影响大，易陷入局部最优，聚类数目不确定的缺点，使用PSO算法对其进行优化，可避免陷入局部最优，同时引入聚类有效性评价函数，可确定聚类效果最好的聚类数目。

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： 在平滑海上风电场出力波动的应用场景下，本发明提出一种基于云模型和FCM算法的海上风电场储能系统优化配置方法。该方法首先基于小波包分解算法对海上风电出力数据处理得到储能系统每日运行曲线，针对模糊C均值(fuzzy c‑means,FCM)算法进行储能典型出力曲线提取时存在聚类数目难以确定、对初始聚类中心敏感、算法稳定性较差等问题，采用云模型理论将自动确定FCM算法的初始聚类中心和聚类数目，然后应用FCM算法从储能运行曲线中聚合出最具代表性的储能典型运行曲线集合，从而代入储能配置模型确定储能配置方案。本发明对海上风电场储能系统进行优化配置，可有效节约储能系统投资成本，使海上风电安全稳定并网。

摘要： 本发明公开了一种基于FCM算法融合GSA算法的医学图像分割方法，该方法的大致过程为：通过将FCM算法的最优化聚类中心确定方法与改进GSA算法融合，通过适当调整粒子的主动引力质量、被动引力质量和惯性质量，逐步求出最重粒子的空间位置，就是最优解，聚类时将该最优解作为像素的最优聚类中心。本发明通过利用空间模糊c均值聚类算法将图像像素分成均匀的区域，融合GSA算法，将改进GSA算法纳入模糊c均值聚类算法中，以找到最优聚类中心，使模糊c均值聚类的适应度函数值最小，从而提高分割效果，实验结果显示相对于传统的聚类算法，本发明方法在分割复杂的医学图像方面更具有有效性。

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： 本发明公开了一种基于IHHO‑FCM算法的网络流量分类方法，包括对网络流量聚类问题的聚类中心进行编码，从网络流量数据集中选取c个样本点作为聚类中心,组成一个个体；针对网络流量分类问题进行建模，并构建网络流量分类问题的目标函数f(x)来评价分类效果；将每个个体映射为一种聚类中心的集合，个体位置即对应聚类中心的选取方式，通过多种策略改进哈里斯鹰优化算法，从而更新个体位置；执行FCM聚类操作，得到最优的隶属度矩阵，然后按照最大隶属度原则对网络流量数据集进行分类操作。本发明能够在较短时间内收敛到最优解，将此解作为FCM算法的初始聚类中心，解决FCM固有缺陷，有效提高网络流量的分类的准确性和稳定性。