检索结果-内蒙古大学图书馆

计算机应用研究 2012年第8期29卷 2852-2853,2885页

作者：杭欣李雷南京邮电大学自动化学院南京210003

针对传统的模糊c-均值算法对于非球形分布的数据聚类效果不理想且易受到噪声数据的影响,利用可能性c-均值算法具有良好的抗噪声性能,将混合核函数引入到该算法中,提出了一种基于混合核函数的可能性c-均值(HKPcM)聚类算法。该算法将原空... 详细信息

针对传统的模糊c-均值算法对于非球形分布的数据聚类效果不理想且易受到噪声数据的影响,利用可能性c-均值算法具有良好的抗噪声性能,将混合核函数引入到该算法中,提出了一种基于混合核函数的可能性c-均值(HKPcM)聚类算法。该算法将原空间的待分类样本映射到一个高维的特征空间(核空间)中,使得样本变得线性可分,然后在核空间中进行聚类。实验结果证实了HKPcM算法的可行性和有效性。

关键词：聚类算法核函数模糊c-均值算法可能性c-均值算法

来源：评论

学校读者我要写书评

暂无评论

基于PcA与FcM的入侵检测样本数据压缩方法

引用

海军工程大学学报 2012年第5期24卷 25-30页

作者：叶清吴晓平叶晓慧郭江威海军工程大学信息安全系武汉430033

采用行列双向压缩的数据处理策略,提出了一种基于主成分分析与模糊c-均值聚类算法的入侵检测样本数据压缩方法。该方法首先采用主成分分析法对数据冗余特征进行压缩,然后采用模糊c-均值聚类算法对冗余样本进行压缩,由此可挖掘入侵检测... 详细信息

采用行列双向压缩的数据处理策略,提出了一种基于主成分分析与模糊c-均值聚类算法的入侵检测样本数据压缩方法。该方法首先采用主成分分析法对数据冗余特征进行压缩,然后采用模糊c-均值聚类算法对冗余样本进行压缩,由此可挖掘入侵检测样本数据中的关键特征和关键样本。通过KDD cUP99数据集测试证明:数据双向压缩可减少入侵检测分类器的计算量,进而可提高其实时检测性能和检测推断的准确性。

关键词：入侵检测主成分分析法模糊c-均值算法

来源：评论

学校读者我要写书评

暂无评论

基于改进模糊c-均值的遥感图像聚类分割算法

基于改进模糊C-均值的遥感图像聚类分割算法

引用

作者：顾英杰新疆大学

学位级别：硕士

模糊聚类分析是非监督模式识别的重要分支,在模式识别、数据挖掘、计算机视觉以及模糊控制等领域具有广泛的应用。模糊聚类算法中最常用的是模糊c-均值（FcM）聚类算法,它是一种结合无监督聚类和模糊集合概念的图像分割技术,比较有效。 ... 详细信息

模糊聚类分析是非监督模式识别的重要分支,在模式识别、数据挖掘、计算机视觉以及模糊控制等领域具有广泛的应用。模糊聚类算法中最常用的是模糊c-均值（FcM）聚类算法,它是一种结合无监督聚类和模糊集合概念的图像分割技术,比较有效。但是模糊c-均值（FcM）聚类算法存在着一定的缺陷,它易受初始聚类中心和初始隶属度矩阵的影响,可能收敛到局部极小值,影响着分割的效果;在大量数据集的情况下,比如说遥感图像,模糊c-均值（FcM）的反复迭代就会造成算法耗时过长。为了克服这些缺陷,有文献提出了遗传算法（GA）,蚁群算法（AcO）和粒子群（PSO）算法等与模糊c-均值（FcM）相结合。本文提出了两种算法对图像进行聚类分割:一种是基于混合蛙跳与模糊c-均值（FcM）结合的图像分割算法,该算法的主要思想是:用混合蛙跳（SFLA）结合模糊c-均值（FcM）算法来克服由于模糊c-均值（FcM）算法易受初始聚类中心和初始隶属度矩阵的影响而使图像分割效果不理想的缺陷。实验表明,该算法与近期提出的模糊c-均值（FcM）结合模糊粒子群（FPSO）算法对图像分割效果进行比较,得到了更好的图像分割效果。另一种算法是改进的模糊c-均值（FcM）与粒子群（PSO）结合的自适应图像分割算法,该算法的主要思想是:引入上下截集参数来动态调整隶属度函数,加快收敛速率,并且引入了自适应的聚类数算法,使在对图像聚类分割时能自适应的调整聚类数目。实验表明,用该算法与标准模糊c-均值（FcM）结合粒子群（PSO）算法比较,在分割效果相同的情况下,能够优化图像的聚类数并且使收敛速度更快。

关键词：聚类分割混合蛙跳算法模糊c-均值算法粒子群算法上下截集

来源：评论

学校读者我要写书评

暂无评论

蛙跳结合模糊c-均值的图像分割算法

引用

通信技术 2011年第2期44卷 118-119,122页

作者：顾英杰贾振红覃锡忠杨杰庞韶宁新疆大学信息科学与工程学院新疆乌鲁木齐830046 上海交通大学图像处理与模式识别研究所上海200240 新西兰奥克兰理工大学知识工程与开发研究所

实现了基于混合蛙跳与模糊c-均值结合的图像分割算法。克服了由于FcM算法易受初始聚类中心和隶属度矩阵的影响而使图像分割效果不理想的缺陷。蛙跳算法(SFLA)是一种全新的后启发式群体优化算法,具有高效的计算性能和优良的全局搜索能力... 详细信息

实现了基于混合蛙跳与模糊c-均值结合的图像分割算法。克服了由于FcM算法易受初始聚类中心和隶属度矩阵的影响而使图像分割效果不理想的缺陷。蛙跳算法(SFLA)是一种全新的后启发式群体优化算法,具有高效的计算性能和优良的全局搜索能力。实验表明:该方法与FPSO结合既提高了图像分割的效率又能得到更好的图像分割效果。

关键词：图像分割混合蛙跳算法模糊c-均值算法模糊粒子群算法全局优化

来源：评论

学校读者我要写书评

暂无评论

改进的FcM算法在医学中的应用

引用

电脑知识与技术 2012年第1X期8卷 668-672,683页

作者：徐丽佳唐德玉广东药学院医药信息工程学院广东广州510000

为解决传统的模糊c-均值(FcM)算法容易陷入局部最优解的问题,该文提出了一种基于平滑技术改进的FcM算法,考虑到处于不同位置的样本点对分类的影响程度不同及聚类个数对聚类结果有很大影响,新算法结合了点密度及最佳聚类数确定方法,最后... 详细信息

为解决传统的模糊c-均值(FcM)算法容易陷入局部最优解的问题,该文提出了一种基于平滑技术改进的FcM算法,考虑到处于不同位置的样本点对分类的影响程度不同及聚类个数对聚类结果有很大影响,新算法结合了点密度及最佳聚类数确定方法,最后用有效性评价函数评估算法的有效性。实验证明,新方法聚类效果更好。以帕金森疾病为例对新方法在医学中的应用进行了探讨。

关键词：模糊c-均值算法平滑技术点密度聚类数有效性评价函数

来源：评论

学校读者我要写书评

暂无评论

基于数据的人机系统操作员功能状态模糊分类

基于数据的人机系统操作员功能状态模糊分类

引用

第一届全国神经动力学学术会议

作者：张建华彭小迪华东理工大学信息科学与工程学院自动化系

本文基于实测的操作员电生理数据,提取了与操作员功能状态(OFS-Operator Functional State)最相关的特征变量,采用模糊c-均值算法(FcM-Fuzzyc-Means)对OFS进行模式分类。并根据分类正确率的比较,对候选特征进行恰当的选择。对11个被试的... 详细信息

本文基于实测的操作员电生理数据,提取了与操作员功能状态(OFS-Operator Functional State)最相关的特征变量,采用模糊c-均值算法(FcM-Fuzzyc-Means)对OFS进行模式分类。并根据分类正确率的比较,对候选特征进行恰当的选择。对11个被试的OFS分类结果表明了所选特征和FcM方法的可行性和有效性。

关键词：操作员功能状态模糊c-均值算法操作员电生理测量特征选择

来源：评论

学校读者我要写书评

暂无评论

粗糙模糊c-均值算法及其在图像聚类中的应用

引用

国防科技大学学报 2007年第2期29卷 76-80页

作者：王丹吴孟达国防科技大学理学院湖南长沙410073

提出一种新的粗糙模糊c均值算法(RFcM),该算法基于粗糙集的上、下近似的概念改进了FcM的目标函数,从而改变了隶属度函数的分布,使得隶属度函数的分布更加合理,同时RFcM的时间复杂性比FcM更低。将RFcM用于图像的聚类,相对于FcM算法,图像... 详细信息

提出一种新的粗糙模糊c均值算法(RFcM),该算法基于粗糙集的上、下近似的概念改进了FcM的目标函数,从而改变了隶属度函数的分布,使得隶属度函数的分布更加合理,同时RFcM的时间复杂性比FcM更低。将RFcM用于图像的聚类,相对于FcM算法,图像的边缘更光滑,同时对初始隶属度矩阵敏感度更低。该算法具有较好的稳定性,是一种实用的算法。

关键词：粗糙集模糊c-均值算法粗糙模糊c-均值算法

来源：评论

学校读者我要写书评

暂无评论

模糊c-均值算法在入侵检测系统中的应用研究

模糊C-均值算法在入侵检测系统中的应用研究

引用

作者：王勇哈尔滨理工大学

学位级别：硕士

随着计算机网络技术的不断发展,网络在我们的日常生活及工作中扮演着越来越重要的角色。与此同时,日益严重的网络安全问题成为制约网络技术发展的一大障碍。传统的网络安全技术,诸如防火墙、安全路由器、身份认证系统等,已不能完全满足... 详细信息

随着计算机网络技术的不断发展,网络在我们的日常生活及工作中扮演着越来越重要的角色。与此同时,日益严重的网络安全问题成为制约网络技术发展的一大障碍。传统的网络安全技术,诸如防火墙、安全路由器、身份认证系统等,已不能完全满足网络安全的需要。入侵检测作为一种主动防御的安全技术,己成为网络安全技术的一个重要手段,并成为当前的热点研究领域。聚类分析是数据挖掘技术中的关键技术,但传统的c-均值聚类算法对入侵检测数据进行处理有很多不尽人意的地方,如该聚类算法是局部寻优算法,聚类的结果对数据输入顺序比较敏感等。针对以上问题本文进行了较深入的研究,给出了相应的解决方法。本论文的主要工作如下: 论文在分析了当前常用的入侵检测方法和入侵方法的基础上,对基于聚类技术的入侵检测技术进行了研究,着重研究了数据挖掘中的聚类分析技术在异常入侵检测中的可行性和有效性,并且提出了一种基于数据挖掘聚类技术的入侵检测智能结构模型。在运用聚类分析算法对网络记录进行分析时,根据入侵检测的具体情况,对模糊c-均值算法进行了分析和研究,将其应用于入侵检测中,并提出了一种改进的模糊c-均值算法。在改进的模糊c-均值算法的基础上,引入遗传算法以克服模糊c-均值算法对初始化比较敏感和所求解是局部最优解的不足,并通过实验仿真验证了这种混合算法的有效性。

关键词：入侵检测聚类模糊c-均值算法遗传算法

来源：评论

学校读者我要写书评

暂无评论

多核环境下的图像分割并行算法研究

引用

计算机工程 2011年第15期37卷 197-200页

作者：刘张桥王成良焦晓军重庆大学计算机学院重庆400044 重庆大学软件学院重庆400044 重庆科技学院电气与信息工程学院重庆401331

对多核环境下的图像分割并行算法进行研究,在基于正交小波分解的多分辨率图像锥中引入模糊c-均值(FcM)算法,采用OpenMP语言设计P-FcM多核并行模型,并给出该模型的算法实现步骤。在对初始图像数据预处理时,采用矩形块数据分割法进行图像... 详细信息

对多核环境下的图像分割并行算法进行研究,在基于正交小波分解的多分辨率图像锥中引入模糊c-均值(FcM)算法,采用OpenMP语言设计P-FcM多核并行模型,并给出该模型的算法实现步骤。在对初始图像数据预处理时,采用矩形块数据分割法进行图像分块,将分块后的子图像数据作为并行运算时的输入数据由主线程分给不同的处理器。实验结果表明,在处理较大图像时,该算法效率较高。

关键词：图像分割多核处理器 OpenMP语言模糊c-均值算法

来源：评论

学校读者我要写书评

暂无评论

c-均值聚类算法的改进研究

C-均值聚类算法的改进研究

引用

作者：王慧河南大学

学位级别：硕士

聚类分析是一种无监督的学习方法,是数据挖掘领域进行数据处理的重要分析工具和方法。聚类的目标是把一个无类别标记的数据集按某种准则划分成不同的类,使得同一类中数据尽可能相似,而不同类间数据相似性尽可能小。聚类在商业、金融、... 详细信息

聚类分析是一种无监督的学习方法,是数据挖掘领域进行数据处理的重要分析工具和方法。聚类的目标是把一个无类别标记的数据集按某种准则划分成不同的类,使得同一类中数据尽可能相似,而不同类间数据相似性尽可能小。聚类在商业、金融、图像处理、信息检索等领域,都得到了有效的应用。聚类分析的研究主要集中在聚类算法上,其最终目标是产生性能好而且实用的聚类算法。 c-均值聚类算法是一种典型的基于划分的方法,包括K-均值算法(硬c-均值聚类算法)和模糊c-均值聚类算法。该方法的主要优点是,算法思想简单易行、快速而高效;但是该方法也存在其固有的缺陷:要求预先给定聚类个数;容易陷入局部极小值而得不到全局最优解;初始中心的选择对聚类结果有很大影响;对孤立点和噪声比较敏感等。对聚类算法的优化研究将不仅有助于算法理论的完善,更有助于算法的推广和应用。本文研究了K-均值聚类算法和模糊c-均值聚类算法,总结其优缺点,并针对上述算法对初始聚类中心的敏感性、图像分割运算代价大等问题,提出了两种改进算法。本文的主要研究工作包括以下两个方面: (1)传统K-均值聚类算法由于对初始聚类中心、孤立点和噪声的敏感性,往往导致聚类结果不稳定、准确率低。针对以上问题,利用分类领域中的特征选择及特征加权方法,提出了一种改进的特征加权K-均值聚类算法。该算法首先对数据进行预处理,并基于数据样本的分布特点选取初始聚类中心,然后设计特征加权的K-均值聚类算法。实验结果证明,所提出的算法能产生质量较高的聚类结果。 (2)选取Ohta等人提出的彩色特征集中的第一个分量作为图像像素的一维特征向量,用来替代经典模糊c-均值聚类图像分割中的像素,大大降低了运算量。基于粗糙集理论,求出初始聚类中心与聚类个数。选用特征距离,因为它对数据特征空间结构无特殊要求。使用基于以上思想的改进的模糊c-均值聚类算法对样本数据进行聚类,从而实现对彩色图像的快速自动分割。实验表明,该图像分割算法具有分割精度、准确度高,运算代价小,收敛速度快等优点。

关键词：聚类分析 K-均值算法模糊c-均值算法特征加权

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：