二维直流电阻率与音频大地电磁自适应渐进联合反演

开展了非结构化三角网格条件下的二维直流电阻率与音频大地电磁自适应渐进正则化联合反演研究。通过研发以模型灵敏度信息为依据的反演网格自适应优化技术,构建由粗网格到细网格逐步反演的自适应渐进反演策略,减少了反问题对稳定因子的依赖,进而降低了正则化因子搜索的计算量;通过最小二乘算法求解非结构化三角网格的模型粗糙度,构建了非结构化网格条件下的最小结构稳定因子;采用高斯-牛顿法优化求解正则化反演目标函数,通过双共轭梯度稳定算法求解高斯-牛顿方程,确保反演稳定性,同时有效减少了反问题对内存的需求。理论模型与实测数据的联合反演试算表明,直流电阻率与音频大地电磁数据联合反演能够有效减少反演多解性,提高反演效果,实现音频大地电磁静态效应异常体的直接反演。     

直流电阻率法与音频大地电磁法二维联合反演

为提升电法勘探浅中部的分辨能力,降低单一地球物理数据反演的不确定性,将直流电阻率(DCR)数据和音频大地电磁(AMT)数据进行融合,基于正则化思想实现了DCR和AMT的OCCAM二维联合反演。在此基础之上,通过构建从简单到复杂的地电模型模拟野外实际地质情况,采用本文提出的联合反演技术对DCR和AMT理论数据进行联合反演,并与2种数据的独立反演结果进行对比分析。结果表明,研发的二维联合反演技术能够兼顾浅部和深部的地电信息,反演结果对整个勘探深度内电性变化的分辨能力更为显著。该技术的实现也在一定程度上提升了综合电法勘探地区有效数据的利用率,为直流电阻率法和音频大地电磁法的综合解释提供了一种新的手段。     

基于模糊C均值聚类的隧道电阻率反演方法及现场试验

突涌水灾害是隧道建设面临的主要威胁之一,地下含水体构造的定位和成像是灾害防治的关键.隧道电阻率探测方法对水体响应敏感,是一种有效的含水构造探测方法,能够对含水体位置与规模进行探测.近年来,隧道工程建设面临的地质条件愈加复杂,对探测精度的需求不断提高,亟需开展更高精度的隧道电阻率反演方法研究.基于模糊C均值聚类的隧道电阻率反演方法通过将聚类算法引入到隧道电阻率反演算法中,建立基于模糊C均值聚类算法的隧道电阻率反演目标函数和反演方程,实现了电阻率聚类反演成像.针对隧道前方典型含水体开展了数值模拟,并依托滇中引水工程香炉山隧洞开展了现场应用试验,研究结果表明:相较于传统电阻率反演结果,基于模糊C均值聚类的隧道电阻率方法能够较准确刻画不同尺度含水体的规模,提高了反演结果的分辨能力和物性值准确度.     

基于权重系数模糊C均值聚类

传统基于模糊C均值聚类图像分割算法易受复杂纹理和噪声干扰,无法准确分割图像。针对这一现象,提出一种基于权重系数模糊C均值聚类算法,并将其应用于图像分割中。算法定义权重系数矩阵,将每个像点的邻域信息引入到像点间相似性度量中,计算每个像点与聚类中心点的邻域相似程度,根据权重系数矩阵确定邻域中每个像点在邻域特征计算中所占权重,增强了算法对噪点和杂波的鲁棒性。实验结果表明,与传统模糊C均值聚类算法相比,该文算法获得更加精确的图像分割结果。     

基于PSO的模糊C均值聚类算法

在分析模糊C均值聚类算法存在不足的基础上,提出了一种新的聚类算法:基于粒子群的模糊C均值聚类算法.该算法利用粒子群强大的全局寻优能力,不仅克服了传统的模糊C均值聚类算法对初始值敏感、噪声数据敏感、易陷人局部最优的问题,而且有较快的收敛速度.试验证明,这种算法是一种很有潜力的模糊聚类算法.     

基于模糊C均值聚类约束的井-地磁法联合数据空间反演

针对井的数量和分布空间有限,磁法三维反演存在计算量大,反演多解性严重的问题,开展基于模糊C均值聚类约束的井-地磁法联合数据空间反演.采用数据空间反演方法,提高三维反演计算效率,然后在反演中引入模糊C均值聚类对反演迭代结果进行物性约束,提高反演结果可靠性.通过理论模型和冬瓜山矿区模型进行反演分析.结果表明:数据空间反演能...     

基于模糊C均值聚类的工业企业经济效益评价

基于模糊C均值聚类算法,以安徽省的16个城市为研究对象,通过Matlab软件进行求解分析,对安徽省工业企业的经济效益进行了评价.得出的结论是:合肥市和芜湖市企业经济效益较好,滁州市和安庆市企业经济效益属于中等水平,其余城市属于较差水平.同时,对评价结果进行了分析,在此基础上提出了合理的政策性建议.最后,对模糊C均值聚类算法提出了不断优化和拓展应用到其它领域的设想.     

一种基于模糊C均值聚类的模糊规则提取方法

提出了一种基于模糊C均值聚类的模糊规则提取方法,给出了模糊系统的模糊规则库,基于此规则库,构造了一种新颖的分类算法,利用IRIS数据进行了测试,仿真结果表明,分类效果好,由此说明所提出的模糊规则生成方法有效。     

基于遗传算法的直觉模糊C均值聚类算法

 针对一般直觉模糊C均值聚类算法在寻优过程中易陷入局部最优解的问题,利用遗传算法具备全局寻优的优点,提出了一种基于遗传算法的直觉模糊C均值聚类算法。在该算法中聚类中心为直觉模糊数,这使得遗传过程中个体信息变得复杂,进而增大了约束问题的处理难度。本文对产生的个体采用适时分段的归一化方法,很好地解决了该问题。仿真结果表明该算法所得聚类结果不仅准确而且更为细致。     

一种基于改进型遗传算法的模糊聚类

针对模糊C均值算法(FCM算法)难以达到全局最优解的问题,引入了具有全局搜索能力的遗传算法以解决聚类问题,并在标准遗传算法基础上进行了改进。将该算法运用于IR IS数据的聚类,实现了较好的聚类,从而验证了算法的有效性。     

优化初始中心的模糊C-均值(FCM)算法

文章针对模糊C-均值(FCM)算法对初始中心敏感的缺点,通过计算样本的权重,提出基于权重的初始中心选取算法,选取有代表性的样本作为初始聚类中心,给出优化初始聚类中心的FCM算法.与传统算法比较,改进算法可以得到较稳定的结果,并且提高了聚类的准确率;实验证明了改进算法的有效性.     

基于遗传的改进模糊C均值入侵检测方法

为了克服模糊C均值(FCM)算法对初始化极为敏感且容易陷入局部最优的缺点,将遗传算法和改进的模糊C均值聚类算法相结合,并且以检测率和误检测率作为入侵检测算法性能评价的指标,对FCM、改进的FCM和基于遗传的改进FCM三种聚类算法的入侵检测性能进行仿真分析.结果表明:基于遗传的改进FCM算法(GIFCM),检测率有所提高,而误检测率有所下降.该算法应用于异常入侵检测是可行而有效的.     

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.     

基于模糊聚类的粒子群优化算法

粒子群优化算法(PSO)的基础上,提出了基于模糊C-均值聚类(FCM)算法的粒子群优化算法.该算法在每次迭代过程中首先通过FCM算法把粒子群体分成若干个子群体,然后粒子群中的粒子根据其个体极值和子群中的最优粒子更新自己的速度和位置值.通过典型复杂函数测试表明,基于模糊C-均值(FCM)的粒子群优化算法的优化性能和效率远远超过基本粒子群优化算法.     

基于模糊聚类分析的织物质量分级方法

织物性能的分类、分级信息是纺织品质量评估的直观表述。在织物客观评估的基础上，提出了基于减法聚类与模糊C-均值(FCM)聚类的集成方法用于纺织品质量评估分析。该方法以减法聚类算法得出的样本的最佳分类数为基础，用FCM聚类算法得到具体的分类结果。将聚类中心的特征值之和定义为分级指数，进一步用于解决织物质量的分级问题。通过对法国鲁贝高等纺织工程学院自织的43块棉针织物的分析，证明了以上方法在处理纺织品质量分类、分级问题中的有效性。     

基于C-均值聚类的分布式估计融合系统的量化器设计

针对观测统计量的联合概率分布未知的多传感器分布式估计融合系统,作者利用Megalooikonomou等提出的直和估计思想,基于C-均值聚类方法设计了一种量化器,改进了他们基于回归树设计量化器的融合效果.进一步,在系统整体优化条件下,作者同时考虑了各分站量化器的设计,建立了估计融合模型并通过实验验证了该模型的有效性.     

古建筑图像的分割方法与应用研究

图像分割技术是数字图像处理中的关键技术之一。它能将图像中有意义的特征部分提取出来,这对古建筑图像进一步进行识别、分析和理解有着非常独特的作用。通过采用基于混合距离的双指数模糊C均值算法(HDDIFCM)的图像分割技术来对无锡古建筑灰度图像进行多组分割应用,以此证明这种图像分割方法的有效性。