模糊聚类和模糊识别法的流动单元分类新方法

单纯应用聚类分析划分流动单元容易出现聚类指标的优劣交叉现象，从而给流动单元的分类带来困难。为此提出了基于模糊聚类和模糊识别相结合划分流动单元的新方法，并以CN油田C9井区流动单元研究为例，对两种方法的划分结果进行了对比。结果表明，新方法很好地解决了流动单元划分指标的匹配问题，同时还可以有效地实施人工干预，加入人脑思维信息，使分类结果更符合客观实际，在油田生产实际中取得了很好的应用效果。     

动态流动单元研究

动态流动单元是在前人关于流动单元研究基础上的发展。动态流动单元的研究不仅以岩石地质、物理性质为基础,还引入油藏流体性质参数。在开发过程中油藏流体是变化的,因此动态流动单元也是变化的。在开发的不同阶段有不同的流动单元分布特点,开发初期确定的动态流动单元代表着油藏原始状态。文中以某油田Ｊ２井为例,用三种不同的方法选用流动系数、存储系数、净／毛厚度比、含油饱和度和饱和度中值压力为特性指标,用模糊ＩＳＯＤＡＴＡ划分动态流动单元。把流动单元的静态和动态对比分析发现：动态流动单元更接近开发,可以直接为开发方案的调整提供依据。     

语音识别中基于模糊聚类分析的参数聚类

为减少语音识别中声学模型的参数量，提高参数训练的鲁棒性，基于声学决策树结构，提出利用模糊聚类分析方法对模型参数聚类，包括高斯聚类和方差共享．对大词汇量汉语连续语音识别的实验结果表明：高斯模糊聚类使高斯数减少25％时，识别率提高了0．15％．进一步做模糊方差共享，当方差减少到初始模型的24％，与同样参数量的未进行聚类的模型相比，误识率下降了3．01％，证明了模糊聚类分析在语音参数聚类中的有效性．     

基于核模糊聚类的遥感影像分类

基于模糊模式识别原理和核方法特性,提出了基于核的模糊聚类算法,用核目标函数取代模糊C均值中的目标函数,选用高斯核函数实例研究了模糊核聚类在遥感影像分类中 的应用。结果表明：与传统的模糊聚类算法相比,模糊核聚类算法能够有效改善遥感影像分类效果,从而拓宽了模糊模式识别的应用范围。     

一种基于模糊聚类的自动目标识别算法

研究利用低分辨率雷达视频回波信号实现可靠的自动目标识别问题 ,提出了一种基于模糊聚类的自动目标识别算法 .基于这种算法 ,对三类船目标进行实验 ,获得平均近 90 %的正确识别率 .理论和实验表明 ,采用这种算法可以设计出可靠的自动目标识别系统     

基于组合神经网络和模糊聚类的话者分类

基于话者分类的自适应语音识别是实现非限定人、大字表语音识别的一种很有前途的有效方法．本文设计了一种用于话者分类的主从式组合神经网络，以神经预测模型作为从网络，可以从短语音（一个音节，约０．３秒）中有效地提取、规正和压缩话者个人性信息；主网络采用具有很强聚类功能的自组织特征映射网络．针对话者个人性信息的模糊性，提出了模糊系统聚类算法和双类心聚类算法．实验验证了组合神经网络对于话者分类的有效性以及模糊聚类算法对不同文本的语音样本具有较好的适应性     

模糊聚类法用于聚乙烯材料的分类鉴别

探索聚乙烯材料的分类鉴别方法,用裂解气相色谱法对聚类样品进行分析,结合谱图数据,利用模糊聚类方法对聚乙烯材料进行分类鉴别。首次利用模糊聚类方法较好地对不同产地的高密度,低密度,线性低密度聚乙烯进行了分类。该方法对聚合物材料的裂解气相色谱谱图解析提供了有效途径。     

基于聚类中心分离的模糊聚类模型

在模糊C-均值聚类（FCM）目标函数的基础上按聚类中心分离原则增加一个聚类中心分离项来扩展FCM算法,提出基于聚类中心分离的模糊聚类模型(FCM_CCS)。该模型可使聚类过程中的聚类中心之间距离扩大,从而得到更好的聚类效果。由于该模型和FCM一样对噪声敏感我们提出它的可能性聚类模型(PCM_CCS),最后进一步扩展成它的可能性模糊聚类模型(PFCM_CCS)。基于聚类中心分离的可能性模糊聚类模型在处理噪声数据和克服一致性聚类问题方面表现出良好的性能。对数据集的测试实验结果表明了提出的PFCM_CCS能同时产生模糊隶属度和典型值,使聚类中心间距扩大,同时具有更好的聚类准确率。     

发声器件的模糊聚类

本文根据发声器件的频谱曲线建立模糊关系矩阵,然后分别采用传递闭包法和最大树法进行模糊聚类.两种方法所得聚类结果完全相同.     

一种基于灰色聚类和模糊聚类的集成方法

根据灰色聚类,模糊聚类,关联系数原理,提出一种新的综合集成方法,利用灰色关联系数将灰色聚类与模糊聚类集成,使聚类结果不仅反映了各聚类对象所属灰类的信息,还有效显化了各个对象间的相互关系的信息.     

混合型模糊聚类分析方法及其应用

在动态聚类方法和模糊ISODATA方法的基础上,提出了混合型模糊聚类分析方法.该方法首先利用传统的传递闭包方法得到1个初始分类,并在此基础上提出初始分划矩阵,根据考虑权重因子的模糊ISODATA方法对相关数据进行迭代计算,从而对数据进行有效分类.以股票分类为例对该方法进行实证分析,分析结果表明,应用该方法可以对股票进行有效分类优选.     

可变模糊聚类及模式识别统一理论与模型

提出了可变模糊聚类及模式识别的统一理论与模型.统一模型的特点是可变模糊模式识别模型为可变模糊聚类模型的特例.给出了可变模糊模式识别模型的4种参数组合:(1)α=1,p=1;(2)α=1,p=2;(3)α=2,p=1;(4)α=2,p=2.给出了c=2时模糊模式识别4种优选决策模型之间的关系.统一理论与模型可以提高模糊聚类、模式识别、优选决策的可靠性.     

熵权模糊聚类信息流法在渗漏探测中的应用

针对小浪底水库左坝肩渗漏问题,采用熵权模糊聚类信息流法对采集的14个样本进行分析,以确定渗漏水的补给来源,并结合温度和电导探测、连通试验等方法确定集中渗漏通道。结果表明：1号排水洞3号孔、1号排水洞35号孔、2号排水洞28号顶孔、2号排水洞94号顶孔、4号排水洞28号底孔、30号排水洞D-18号孔、30号排水洞RD-7号孔中的水由浅层库水补给;30号排水洞D-133号孔中的水由深层库水补给;30号排水洞D-194号孔中的水由深层库水、尾水、地下水补给;30号排水洞RD-37号孔中的水由地下水和尾水补给。通过对集中渗漏通道实施灌浆补强、断层封堵等防渗加固措施,各级水位下总排水量均比以前减少,减少幅度为25%~40%,因此熵权模糊聚类信息流法用于判别渗漏水的补给来源是行之有效的。     

A dynamic fuzzy clustering method based on genetic algorithm

A dynamic fuzzy clustering method is presented based on the genetic algorithm. By calculating the fuzzy dissimilarity between samples the essential associations among samples are modeled factually. The fuzzy dissimilarity between two samples is mapped into their Euclidean distance, that is, the high dimensional samples are mapped into the two-dimensional plane. The mapping is optimized globally by the genetic algorithm, which adjusts the coordinates of each sample, and thus the Euclidean distance, to approximate to the fuzzy dissimilarity between samples gradually. A key advantage of the proposed method is that the clustering is independent of the space distribution of input samples, which improves the flexibility and visualization. This method possesses characteristics of a faster convergence rate and more exact clustering than some typical clustering algorithms. Simulated experiments show the feasibility and availability of the proposed method.     

一种有监督的模糊模式识别模型

给出了一种有监督的两类模式识别模型，该模型允许选取模糊特征，其学习或训练方法是模拟人们认识事物的过程实现的，它是Ｃｏｒａ－３模式识别方法的一种拓广。因此可作为较复杂的智能系统或专家系统的识别模型．     

基于gλ模糊测度的加权模糊聚类方法及其应用

文章从传统的目标函数聚类方法的思想出发,在基于gλ模糊测度的聚类方法基础上,提出基于gλ模糊测度的加权模糊聚类方法,并给出基于统计特性的权值计算方法;分别利用图像的一维灰度特征与一维灰度直方图加权和二维灰度特征与二维灰度直方图加权,将2种加权的模糊聚类方法应用于图像分割;分别给出带有强高斯白噪声灰度图像和强黑白像素点噪声灰度图像的加权前后分割结果比较。     

卫星云图云分类的一种综合优化聚类方法

为了改进和提高目前卫星云图云分类中客观性、定量性和自动化程度的不足,运用遗传算法（GA）全局寻优、模糊C均值聚类（FCM）局部寻优、模糊减法聚类（FSC）客观估算聚类数等优势互补的思想和途径,进行卫星云图的云分类判别。试验结果表明,综合优化方法（FSC-GA-FCM）的云分类效果明显优于单一的FCM和GA算法,可有效弥补FCM和GA算法在云分类中存在的不足,可运用于实况云图的云分类客观、自动判别。     

模糊超椭球分类算法及其在无约束手写体数字识别中的应用

为获得具有强推广能力、高效的识别算法 ,提出了基于模糊超椭球聚类的模糊超椭球分类算法 ,并且用于无约束手写体数字的识别。模糊超椭球聚类能充分利用训练样本集的分布信息 ,运用较少的类别个数来表征复杂的样本分布 ,获得良好的识别效果和推广能力。在此基础上 ,模糊超椭球分类算法加入了有监督的控制 ,使算法在聚类过程中可以确定合适的类别数 ,使学习结果能更好地反映训练集的概率分布。然后 ,采用学习矢量量化等算法对其进行进一步有监督训练 ,从而取得更好的训练效果。在国际通用的 NIST字库和实际采集的手写体数字集进行的实验中 ,模糊超椭球分裂算法获得了令人满意的结果 ,而且具有进一步发展的潜力。