检索结果-内蒙古大学图书馆

公路交通科技 2025年第3期42卷 126-135页

作者：李斌斌王新辉王学良金超孙娟娟王赞河北工程大学地球科学与工程学院河北邯郸056038 北京洛斯达科技发展有限公司北京100029 中国科学院地质与地球物理研究所页岩气与地质工程重点实验室北京100029 中国科学院大学地球与行星科学学院北京100049 江汉大学精细爆破国家重点实验室湖北武汉430056 江汉大学爆破工程湖北省重点实验室湖北武汉430056

【目标】传统的模糊c均值算法在岩体结构面识别过程中存在明显的缺陷,即对出现的噪声和离群点较为敏感。此外,当前在岩体结构面间距和迹长等几何特征提取过程中,通常依赖手动方法或基于点云的技术。这些方法容易受到外部因素的干扰,从... 详细信息

【目标】传统的模糊c均值算法在岩体结构面识别过程中存在明显的缺陷,即对出现的噪声和离群点较为敏感。此外,当前在岩体结构面间距和迹长等几何特征提取过程中,通常依赖手动方法或基于点云的技术。这些方法容易受到外部因素的干扰,从而影响结果的准确性。为解决上述问题,提出了一套岩体结构面信息自动提取的方法。【方法】首先,提出一种改进的模糊c均值算法。该算法通过引入新的参数来自适应地调节算法的模糊度,从而增强算法的鲁棒性并优化聚类效果。在此基础上,利用Fast Marching算法识别出闭合结构面,并结合Matlab与ArcGIS软件,构建结构面几何特征参数的自动化提取方法,实现对结构面产状、间距和迹长的自动测量与统计。【结果】实际岩体结构面产状的标准差最高减小了4°,结构面间距与迹长的最大误差分别为1.1 cm和3.4 cm,满足区域信息提取的误差容许要求。【结论】相较于传统方法,所提出的算法在结构面信息的提取过程中展现出较高的精度,且大幅提高了效率,能够更好地应用于实际工程中,为岩体结构面分析提供了一种高效、准确的技术方案。

关键词：道路工程自动提取模糊c均值算法结构面识别几何特征岩体结构

来源：评论

学校读者我要写书评

暂无评论

基于混合距离学习的双指数模糊c均值算法

引用

软件学报 2010年第8期21卷 1878-1888页

作者：王骏王士同南京理工大学计算机科学与技术学院江苏南京210094 江南大学信息工程学院江苏无锡214122 南京大学计算机软件新技术国家重点实验室江苏南京210093

提出了一种基于DI-FcM(double indices fuzzy c-means)算法框架的无监督距离学习算法——基于混合距离学习的双指数模糊c均值算法HDDI-FcM(double indices fuzzy c-m eans with hybrid distance).数据集未知距离度量被表示为若干已有距... 详细信息

提出了一种基于DI-FcM(double indices fuzzy c-means)算法框架的无监督距离学习算法——基于混合距离学习的双指数模糊c均值算法HDDI-FcM(double indices fuzzy c-m eans with hybrid distance).数据集未知距离度量被表示为若干已有距离的线性组合,然后执行HDDI-FcM,在对数据集进行有效聚类的同时进行距离学习.为了保证迭代算法收敛,引入了Steffensen迭代法来改进计算簇中心点的迭代公式.讨论了算法中参数的选择.基于UcI(University of california,Irvine)数据集的实验结果表明该算法是有效的.

关键词：距离学习聚类模糊c均值算法混合距离 Steffensen迭代法

来源：评论

学校读者我要写书评

暂无评论

基于优化模糊c均值算法的锚泊船聚集特性

引用

交通运输工程学报 2019年第6期19卷 137-148页

作者：周世波唐基宏熊振南集美大学航海学院福建厦门361021

针对模糊c均值算法随机选择初始聚类中心导致聚类结果对噪声样本点敏感性的不足,采用局部密度加权的方法,将初始聚类中心的选择范围限制在局部密度较高样本点区域,优化初始聚类中心的选择方法;利用样本点的局部密度改进目标函数,提高局... 详细信息

针对模糊c均值算法随机选择初始聚类中心导致聚类结果对噪声样本点敏感性的不足,采用局部密度加权的方法,将初始聚类中心的选择范围限制在局部密度较高样本点区域,优化初始聚类中心的选择方法;利用样本点的局部密度改进目标函数,提高局部密度较高的样本点在目标函数迭代过程中的影响力,从而提升模糊c均值算法的聚类性能,并采用人造数据集和鸢尾花真实数据集验证优化的局部密度模糊c均值算法的聚类效果;通过计算锚泊船位置数据的局部密度,分析了船舶锚泊偏好。试验结果表明:对比模糊c均值算法,优化的局部密度模糊c均值算法聚类精准率提高了2.9%,召回率提高了3.8%,F度量值提高了3.9%,说明优化的局部密度模糊c均值算法的性能优于模糊c均值算法;在锚泊船位置数据上的聚类结果正确反映了天津港锚泊船的聚集特点和锚泊偏好,其结果与船舶的常规做法一致,说明优化的局部密度模糊c均值聚类算法是一种分析锚泊船聚集特性和锚泊偏好的有效方法。

关键词：水路交通锚泊船模糊c均值算法位置数据数据挖掘聚集特点锚泊偏好

来源：评论

学校读者我要写书评

暂无评论

论模糊c均值算法的模糊指标

引用

计算机学报 2003年第8期26卷 968-973页

作者：于剑北方交通大学计算机与信息技术学院北京100044

模糊c均值算法 (FcM)是经常使用的聚类算法之一 .模糊指标m的选取对FcM的性能有重要影响 .但使用模糊c均值算法时 ,理论上如何选取模糊指标m一直是一个问题 .该文指出当一个数据被聚集成c个子类时 ,每个子类一般情形下应有不同的类中心 ... 详细信息

模糊c均值算法 (FcM)是经常使用的聚类算法之一 .模糊指标m的选取对FcM的性能有重要影响 .但使用模糊c均值算法时 ,理论上如何选取模糊指标m一直是一个问题 .该文指出当一个数据被聚集成c个子类时 ,每个子类一般情形下应有不同的类中心 .据此作者通过研究FcM算法的收敛点集的性质 ,得到了FcM算法的平凡解的稳定性判据 ,由此证明了如何选取模糊指标m理论上依赖于数据本身 ,并给出了理论上选取模糊指标m的规则 .

关键词：模糊c均值算法模糊指标模糊聚类分析收敛性信息处理

来源：评论

学校读者我要写书评

暂无评论

基于改进模糊c均值算法的电力负荷特性分类

引用

电力系统保护与控制 2012年第22期40卷 58-63页

作者：周开乐杨善林合肥工业大学过程优化与智能决策教育部重点实验室安徽合肥230009 合肥工业大学管理学院安徽合肥230009

为了提高负荷分类的精确性和有效性,提出了将基于模拟退火遗传算法的模糊c均值(Simulated Annealing Genetic Algorithm Based Fuzzy c-Means,SAGA-FcM)算法用于电力系统负荷特性分类。SAGA-FcM算法以模糊c均值(Fuzzy c-Means,FcM)算法为基础,融合了模拟退火算法较强的局部搜索能力和遗传算法较强的全局搜索能力,克服了传统FcM算法对初始聚类中心敏感和容易陷入局部最优的问题。将其与系统聚类法、K均值(K-Means)算法和传统FcM算法分别用于电力系统负荷特性分类实验,对比分析表明了SAGA-FcM算法用于负荷特性分类的有效性和优越性。

关键词：负荷分类 SAGA-FcM算法模糊c均值算法聚类

来源：评论

学校读者我要写书评

暂无评论

基于自适应模糊c均值算法的电力负荷分类研究

引用

电力系统保护与控制 2010年第16期38卷 111-115,122页

作者：杨浩张磊何潜牛强重庆大学输配电装备及系统安全与新技术国家重点实验室重庆400044 重庆市电力公司重庆400014

针对当前负荷建模中存在的负荷时变性问题,提出了基于自适应模糊c均值聚类的电力负荷动特性分类方法。探讨了聚类分析方法在负荷动特性分类中的应用,包括聚类特征向量的选取和分类方法研究两个方面。对原始模糊c均值聚类算法中的聚类数... 详细信息

针对当前负荷建模中存在的负荷时变性问题,提出了基于自适应模糊c均值聚类的电力负荷动特性分类方法。探讨了聚类分析方法在负荷动特性分类中的应用,包括聚类特征向量的选取和分类方法研究两个方面。对原始模糊c均值聚类算法中的聚类数c进行了研究,在原始算法中融入新的聚类有效性函数,对算法进行了改进,改进算法不需要预先选择类的数目作为先验值。通过动模实验数据的负荷分类实例,表明该方法可自动获取最佳分类数,且分类效果要好于原始算法。

关键词：电力负荷模糊c均值算法自适应动态特性聚类负荷建模

来源：评论

学校读者我要写书评

暂无评论

基于模糊c均值算法和人工蜂群算法的无监督波段选择

引用

系统科学与数学 2018年第12期38卷 1417-1428页

作者：谢福鼎雷存款李芳菲嵇敏辽宁师范大学城市与环境学院大连116029 辽宁师范大学计算机与信息技术学院大连116081

波段选择是高光谱影像处理中一种重要的降维方法.在类标签不可获得的情况下,如何选择出一个具有代表性的波段子集是一个挑战性的问题.为了解决高光谱数据维数灾难以及光谱空间冗余的问题,基于模糊c均值算法(Fuzzy c-means,FcM),人工蜂... 详细信息

波段选择是高光谱影像处理中一种重要的降维方法.在类标签不可获得的情况下,如何选择出一个具有代表性的波段子集是一个挑战性的问题.为了解决高光谱数据维数灾难以及光谱空间冗余的问题,基于模糊c均值算法(Fuzzy c-means,FcM),人工蜂群算法(Artificial Bee colony, ABc)与极大熵准则(Maximum Entropy, ME),文章提出了一种新的无监督波段选择方法.该方法首先通过FcM算法将相似的波段划分到一个波段子集中,然后以ME为ABc算法中的适应度函数,寻找优化的波段子集.为验证该算法的有效性,在三个典型的高光谱数据集上,将所提出的方法和其它一些有效的波段选择算法进行了分类精度和计算时间对比.实验结果表明,所提出的算法不但可以得到高的分类精度,同时在计算时间上也具有明显的优势.

关键词：高光谱图像波段选择模糊c均值算法人工蜂群算法分类

来源：评论

学校读者我要写书评

暂无评论

基于模糊c均值算法的类合并聚类算法研究

引用

计算机工程与应用 2009年第24期45卷 122-124页

作者：张玉芳罗俊玮熊忠阳重庆大学计算机学院重庆400044

针对FcM(Fuzzy c-Means)算法对于初始聚类中心敏感,并只适合于发现球状类型簇的缺陷,提出采用冗余聚类中心初始化的方法降低算法对初始聚类中心的依赖,并先暂时将大簇或者延伸形状的簇分割成用多个小类表示,再利用隶属度矩阵提供的信息... 详细信息

针对FcM(Fuzzy c-Means)算法对于初始聚类中心敏感,并只适合于发现球状类型簇的缺陷,提出采用冗余聚类中心初始化的方法降低算法对初始聚类中心的依赖,并先暂时将大簇或者延伸形状的簇分割成用多个小类表示,再利用隶属度矩阵提供的信息合并相邻的小类为大类,对FcM算法进行改进。实验结果显示改进的FcM算法能够在一定程度上识别不规则的簇,并减小FcM算法对初始聚类中心的依赖。

关键词：模糊聚类模糊c均值算法隶属度矩阵

来源：评论

学校读者我要写书评

暂无评论

基于模糊c均值算法的云南草药聚类分析

引用

计算机应用 2012年第A2期32卷 32-33,81页

作者：黄超何晋云南民族大学电气信息工程学院昆明650500

针对云南草药识别方法的简单性、不科学性问题,提出一种基于模糊c均值算法的聚类方法。利用高效液相色谱法提取云南特色草药肉桂的指纹图谱,再通过模糊c均值算法对指纹图谱数据进行聚类。通过与传统K均值算法进行对比,实验结果证明模糊... 详细信息

针对云南草药识别方法的简单性、不科学性问题,提出一种基于模糊c均值算法的聚类方法。利用高效液相色谱法提取云南特色草药肉桂的指纹图谱,再通过模糊c均值算法对指纹图谱数据进行聚类。通过与传统K均值算法进行对比,实验结果证明模糊c均值算法具有较高的分类识别能力。

关键词：云南草药指纹图谱聚类分析模糊c均值算法 K均值算法

来源：评论

学校读者我要写书评

暂无评论

带特征权重的混合特征模糊c均值算法

引用

计算机工程与应用 2008年第6期44卷 182-183,233页

作者：谢信喜王士同江南大学信息工程学院江苏无锡214122

针对模糊数据,Hathaway提出了模糊c均值算法(FcM);针对符号数据,El-Sonbaty和Ismail提出了符号数据模糊c均值算法(FScM);Miin-ShenYang等人对FScM进行了改进,提出了混合特征的模糊c均值算法(MVFcM),MVFcM比FScM更有效更具有实用性。在MV... 详细信息

针对模糊数据,Hathaway提出了模糊c均值算法(FcM);针对符号数据,El-Sonbaty和Ismail提出了符号数据模糊c均值算法(FScM);Miin-ShenYang等人对FScM进行了改进,提出了混合特征的模糊c均值算法(MVFcM),MVFcM比FScM更有效更具有实用性。在MVFcM的基础上,给出了带特征权重的混合特征的模糊c均值算法(WMVFcM),并通过实验比较,说明WMVFcM比MVFcM更有效。

关键词：模糊c均值算法符号数据符号模糊c均值算法混合特征模糊c均值算法

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：