多元时间序列聚类算法分析

为解决高多元时间序列聚类算法的问题,采用了一种基于主元分析方法的多元时间序列聚类分析方法,利用MTS序列的前z个主元与每个簇的代表元素之间的Eros距离,将原有的复杂数据降维.在此基础上通过改进K-means算法对选取的多元时间序列的主元进行聚类分析,最后得到K个MTS聚类.理论分析和实验结果表明该算法能有效解决聚类问题.     

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LMD近似熵和SVM的自适应重合闸方法

自适应重合闸的功能是快速、准确地辨识故障性质及捕捉电弧熄灭时刻.在分析瞬时性故障和永久性故障断路器跳闸后的端电压波形复杂性的基础上,提出了局部均值分解(LMD)、近似熵和线性支持向量机(SVM)相结合的自适应重合闸整体实现方案.利用LMD分解故障信号得到若干个PF分量,选取前3个PF分量算出其近似熵值构成三维特征向量,将三维特征向量作为SVM的输入量来区分故障性质和捕捉电弧熄灭时刻.线路故障仿真结果表明,该方案可智能识别故障性质和捕捉电弧熄灭时刻且具有一定的抗噪能力.     

一种视觉显著性引导的模糊聚类图像分割方法

传统的模糊C均值聚类算法利用图像的灰度、颜色、纹理、强度等底层特征进行聚类,实现图像的分割,它容易受到噪声的影响,且计算量大,不能提供理想的彩色图像分割结果。针对这些问题,提出一种视觉显著性引导的模糊聚类图像分割方法。首先使用显著性检测对图像进行初始化分割,得到带有区域级标注信息的引导图,然后将引导图作为指导信息,引导模糊聚类算法对图像进行细分割。在公共数据集上的实验结果表明,本文方法与其他改进的FCM算法和深度网络分割模型相比,可以取得较好的分割效果,有效减少了分割时间。     

Toeplitz矩阵填充的尾端修正增广拉格朗日乘子算法

基于均值的增广拉格朗日乘子（MALM）算法,提出了一种尾端修正的Toeplitz矩阵填充新算法.该算法利用增广拉格朗日乘子（ALM）算法迭代速度较快的优点,对迭代矩阵序列进行结构化与尾端修正.在一定程度上减少了每步均值处理所产生的数据传输量,从而降低了计算代价.同时详细讨论了新算法的收敛性.最后通过数值实验证明了新算法比l步修正的增广垃格朗日乘子（l-MALM）、MALM以及ALM算法在计算时间上有较大程度的减少.     

统计平均拟合正态分布曲线的迭代算法及其应用

在自然科学中,许多独立的均匀微小的随机变量的总和近似地服从正态分布.讨论了在正态分布参数(均值、方差)未知的情况下,利用统计平均来拟合正态分布曲线的思想,并给出了具体的迭代算法.     

均值定理应用中的一些常见错误

均值不等式在中学数学中应用非常广泛,尤其是在证明不等式、求函数值域时经常用到,但一定要注意每个均值不等式使用的前提条件及等号成立的条件,否则容易出现错误.通过举例,对学生在应用定理解题时常见的几种错解进行分类、分析,探求错误思维的原因.同时给出正确解法加以比较,进一步明确应用的前提条件及等号成立条件在检验定理是否运用得当的重要性和必要性.     

数据融合在瓦斯安检系统中的应用

从提高监测精度的角度阐述了数据融合技术在瓦斯气体安全监测系统中的应用.介绍了数据融合的基本知识和一般的融合方法,对直接取平均值的加权融合方法进行了改进,并通过仿真实验证明了改进的加权融合方法比直接取平均值融合方法更接近于实际值.     

一个数论函数均值余项的改进

设p为素数,ep(n)表示的标准分解式中p的指数,设d(n)为Dirichlet除数函数.应用初等方法得到了∑n≤xep(n)d(n)的一个更加精确的均值公式,从而改进了相关文献中的对应结果.     

基于核的多超球面—类支持向量机分类算法

为了降低单超球面一类支持向量机（One Class—SVMs,简称OC—SVMs）分类算法的错分率,提出了一种基于核的多超球面一类支持向量机分类算法。算法利用核空间中样本特征差异突出的特性,首先对样本在核空间进行K-均值聚类,然后使用OC—SVMs对各子类训练建立多超球面分类模型,实现分类判决。实验结果表明,算法有效地提高了分类精度。