基于遗传算法的模糊c-均值聚类算法

基于误差平方和准则的模糊c-均值算法(FCM)是一种典型的动态聚类算法,其求解结果通常是局部最优解;当模糊集合之间的并、交、包含运算采用传统定义时,在模糊c-均值聚类结果中还会存在无意义的聚类集.研究表明采用遗传算法进行模糊c-均值聚类(Fuzzy c-means algorithm over genetic algorithm,GFCM)时,不仅能够消除无意义的聚类集,而且还在一定程度上避免模糊c-均值算法收敛到局部最优解,为此设计编码、选择、配对交叉、变异等步骤.测试数据实验表明采用GFCM算法的结果优于FCM算法.     

一种基于量子粒子群算法的模糊c-均值聚类

把QPSO算法与模糊c-均值（FCM）算法相结合提出一种混合模糊聚类算法（QPSO—FCM）,将FCM算法中基于梯度下降的迭代过程用新算法进行替代,能够在一定程度上克服FCM算法易陷入局部极小的缺陷,降低FCM算法的初值敏感度．通过典型的Wine的数据实验结果证明,改进后的新算法具有良好的收敛性,聚类效果也有一定的改善．     

基于模糊c-均值算法和遗传算法的新聚类方法

为了得到最佳聚类数和相应的每一类中的样本,文中首先介绍了一种新聚类方法,用该方法构造了一个既考虑类与类之间的分散程度、又考虑同一类紧凑程度的目标评价函数;再运用模糊c-均值算法(FCM)进行迭代,求得每一类的中心和隶属度值;然后运用遗传算法搜索全局极值点;最后运用该算法对我国全要素生产力进行了模糊分类．     

基于马氏距离的模糊c-均值增量学习算法

提出一种基于Mahalanobis距离的模糊c-均值算法(FCM-M),它将经典的模糊c-均值中的欧式距离用Mahalanobis距离替代,利用Mahalanobis距离的优点,有效解决了FCM算法中的缺陷,并提高了训练精度.将其用于增量式学习中,结果对孤立点不敏感,实验结果显示了该算法的有效性和优越性.     

基于粒子群优化的核模糊属性c-均值聚类算法

为克服核模糊属性c-均值聚类算法易陷入局部最优解的缺点,提出一种新的基于粒子群优化的核模糊属性c-均值聚类算法.该算法根据核模糊属性c-均值聚类准则设计适应度函数,利用粒子群优化算法对聚类中心进行优化,在粒子迭代进化过程中采用动态调整学习因子,提高算法的优化性能.实验表明,本文算法优于单一使用核模糊属性c-均值聚类算法和基于粒子群优化的核模糊c-均值聚类算法,也优于目前常见的典型聚类算法.     

基于核可能性c-均值算法的支持向量机

提出一种基于核可能性c-均值算法的支持向量机分类算法,该算法改进了SVM训练过程中噪声和孤立点的敏感问题.其基本思想是:用核可能性c-均值算法对每个模式类训练样本进行聚类,得到不同的可能性度量值,根据得到的可能性度量值对训练样本进行修剪,删除具有较低可能性度量值的训练样本,最后用生成的新训练样本训练支持向量机.实验结果表明,该算法可以有效地解决由噪声和孤立点引发的分类错误问题以及重要样本的错分问题.     

两阶段模糊c-均值聚类算法及其应用

针对模糊c-均值算法对初始值敏感、收敛结果易陷入局部极小值的缺点,提出了两阶段模糊c-均值聚类算法.首先通过恰当的贴近度(满足相似相近性)估计分类数,选取初始聚类中心;然后通过模糊c-均值算法进行聚类,最后对所得的聚类中心采用逻辑斯谛型的灰色模型进行预测.由于聚类中心具有统计特征,因此较好地克服了样本间的随机误差,灰色逻辑斯谛模型较好地克服了每个样本内误差.采用上述方法对全国30个省市农村居民年收入进行了分析和比较,得出了具有参考价值的结果.     

基于小波变换和模糊c-均值聚类的图像边缘检测

提出一种结合小波变换和模糊聚类技术对图像边缘进行检测的新算法．首先,对图像进行小波变换。并将相邻尺度小波系数相乘以增强边缘和去除噪声,然后利用模板得到四个方向的小波模梯度值,并以其作为特征作成待分类点集,最后,采用模式识别中的模糊c-均值聚类技术进行自动分类,实现边缘检测．实验结果表明,该算法具有较好的边缘检测和抑制噪声的能力。     

模糊聚类算法的优化设计

文章阐述了模糊C-均值聚类算法(FCM)原理及存在的缺点,通过将粒子群优化算法思想应用到模糊聚类算法中,对模糊聚类算法进行了优化设计.实验证明,改进的算法具有较好的全局最优解,克服了传统模糊C聚类算法的不足,聚类效果优于单一使用FCM算法.     

一种改进的模糊C均值聚类算法

由于现有模糊C-均值聚类算法固有的局限性,本文提出了一种改进的模糊C-均值聚类算法.首先用概率密度函数来确定初始聚类中心点和聚类数,其次用竞争学习思想提出使对手增加抑制因子来修改隶属度得到加快收敛速度的效果,最后提出用一个类内差异与类间差异兼备的新的有效性指标来作为迭代条件的目标函数.通过实验获取参数的最优取值范围,通过与经典模糊C-均值聚类算法的比较,证明了该改进算法不仅加快了收敛速度,而且在聚类结果的质量上有一定程度的提高.     

基于模糊聚类方法的T-S模糊系统建模

提出了用一个聚类验证准则设计模糊C均值聚类算法，这个聚类验证准则是用来确定模糊C均值算法中合适的聚类数．针对T—S模糊模型，由模糊c均值聚类算法确定其逻辑前件参数，进而采用最小二乘算法确定模糊推理规则的后件参数．最后，应用本文建模方法对一个非线性实例进行仿真计算，并与其它方法进行了比较，结果表明本文方法是有效的．     

模糊目标的可达性

本文提出了Ｆｕｚｚｙ增量与增量式Ｆｕｚｚｙ控制的概念，给出一种Ｆｕｚｚｙ变量的动态描述方法，并给出Ｆｕｚｚｙ目标的可达性定理。     

GIS数据模型的模糊性质及操作算法

传统 GIS数据模型反映不了地理世界的连续性。该文以模糊集理论为基础 ,依据地理实体在时、空、属三域的物理性质和 GIS数据模型 ,提出了隶属度归一性。隶属度归一性是适用于多维 GIS数据模型的一个基本性质 ,传统模糊集理论中的“交”算子与“并”算子不能满足隶属度归一性。因此 ,在 GIS中有必要引入新的“叠加算子”。该文还给出了两个满足隶属度归一性的叠加算法。     

矢量量化与神经网络FSCL算法的收敛性

非监督的神经网络算法在矢量量化器的最佳设计上具有简单、存贮量 小、适合并行运算等优点，但算法的收敛性仍未得到证明。针对ＦＳＣＬ算法， 证明了当ｎ趋于无穷时，算法收敛于量化器的局部最佳解，并对算法的初始 值、学习速度控制函数ε（ｎ）和训练集的选取作了探讨。     

一种基于模糊量化直方图的图像检索方法

颜色直方图是一种重要的基于颜色特征的图像检索方法.本文在颜色量化中引入模糊集合理论以描述与人类视觉认知相关的模糊概念,提出了基于人的主观感知的模糊颜色量化方法,以及相对应的模糊匹配准则.归纳实验结果证明该方法可以减小量化误差和适应人的感知模糊性,该方法具有广泛的适应性和进一步提高检索精度的可能.     

郑州市城区环境空气质量的模糊综合评价

依照模糊数学的基本原理,对郑州市1997年度环境空气质量监测数据,运用模糊矩阵复合运算方法,对市区及各监测点区域环境空气质量进行综合评价,运用隶属度,进行单因子评价,再根据各污染因子对环境空气质量影响程度的不同,计算各指标的权值,根据最大隶属度原则,得出的1997年度市区及各监测点区域环境空气质量综合评价结果,其结论符合郑州市实际情况,它不仅能较好地描述郑州市环境空气污染程度的连续、渐变、模糊的特点,而且对污染程度有较清晰的认识,并能客观地刻划出郑州市环境空气质量在多因素共同作用下的结果。     

一种基于遗传算法的模糊C均值算法

模糊C-均值聚类(FCM)对初始值很敏感,易于陷入局部极小点而不能搜索到全局的聚类中心,遗传算法是一种通过模拟自然进化过程的搜索最优解的方法.因此,将FCM算法引入遗传算法的进化中,代替原来的交叉操作.实验结果表明,新方法明显优于传统 FCM算法.     

凤滩水电厂房可靠性的模糊综合评判

为了改进隶属度计算的主要依据（专家评分）的不足，结合湖南省凤潍水电厂某厂房安全性综合评估，对基于实测分析和专家评分相结合的建筑物可靠性模糊综合评判方法进行研究。根据定量评价因子的性质将其分为效益型因子和成本型因子，由评价结构的实测分析结果和专家评分构成原始数据矩阵，提出定量评价因子隶属度函数参数的求解原则，并由此推导计算2类因子隶属度的数学模型和建立基于实测分析和专家评分相结合的建筑物可靠性模糊综合评判方法。在湖南省凤滩水电厂一副厂房安全性综合评估中的应用表明，利用该模型可有效实现实测信息和专家评分主观信息的综合。