期刊文献+
共找到374篇文章
< 1 2 19 >
每页显示 20 50 100
基于VMD和FCM聚类方法的电网负荷分类 预览
1
作者 贾志达 姜枫 +2 位作者 王海鑫 李铁 杨俊友 《东北电力技术》 2019年第5期1-6,共6页
针对电网数据提取中存在负荷特征不够显化导致负荷聚类精准度降低的问题,提出基于变分模态分解(variational mode decomposition,VMD)和模糊C均值聚类(fuzzy C-means,FCM)的电网负荷特征分类方法。利用VMD提取负荷特征,将负荷曲线转化... 针对电网数据提取中存在负荷特征不够显化导致负荷聚类精准度降低的问题,提出基于变分模态分解(variational mode decomposition,VMD)和模糊C均值聚类(fuzzy C-means,FCM)的电网负荷特征分类方法。利用VMD提取负荷特征,将负荷曲线转化为多个本征模态函数(IMF)曲线,并通过数据重构得到特征显化的合成曲线,以此提高FCM聚类函数收敛速度和聚类精准度。同时分析不同聚类中心数与本征模态数下的聚类指标结果,为选取最优的本征模态数提供参考。最后以某市电网夜间负荷数据为例,文中所提方法与传统FCM方法相比,聚类指标最多减小0.0224,提高了聚类精准度。 展开更多
关键词 变分模态分解(VMD) 模糊C均值(FCM) 负荷聚类 特征提取 数据重构
在线阅读 下载PDF
一种基于模糊神经网络–模糊C均值聚类的双偏振气象雷达降水粒子分类方法 预览
2
作者 李海 任嘉伟 尚金雷 《电子与信息学报》 EI CSCD 北大核心 2019年第4期809-815,共7页
对于地杂波存在情况下的降水粒子分类问题,传统方法在不同的天气及环境条件下会产生较大分类误差。该文提出一种基于模糊神经网络(FNN)-模糊C均值聚类(FCM)算法的双偏振气象雷达降水粒子分类方法。该方法首先利用双偏振气象雷达在晴空... 对于地杂波存在情况下的降水粒子分类问题,传统方法在不同的天气及环境条件下会产生较大分类误差。该文提出一种基于模糊神经网络(FNN)-模糊C均值聚类(FCM)算法的双偏振气象雷达降水粒子分类方法。该方法首先利用双偏振气象雷达在晴空模式下接收的地杂波数据训练FNN,自适应地计算地杂波各偏振参量隶属函数的参数,然后利用训练得到的地杂波隶属函数对降水模式下的地杂波进行抑制,最后采用模糊C均值聚类算法对地杂波抑制后的回波进行降水粒子分类。对实测数据的处理结果表明,该方法能够有效地抑制地杂波并获得较为精细的降水粒子分类结果。 展开更多
关键词 双偏振气象雷达 降水粒子分类 地杂波 模糊神经网络 模糊C均值聚类
在线阅读 免费下载
自适应蝙蝠算法优化的模糊聚类及其应用 预览 被引量:1
3
作者 崔芳怡 荆晓远 +2 位作者 董西伟 吴飞 孙莹 《计算机工程与应用》 CSCD 北大核心 2019年第7期16-22,共7页
随着信息网络技术的飞速发展,如何对规模庞大的网络数据准确高效聚类并合理应用显得尤为重要。虽然模糊C均值聚类算法(FCM)已具有良好的聚类效果,但其对初始化敏感,在处理高维大规模网络数据时易陷入局部极值问题还未被完全克服。为了... 随着信息网络技术的飞速发展,如何对规模庞大的网络数据准确高效聚类并合理应用显得尤为重要。虽然模糊C均值聚类算法(FCM)已具有良好的聚类效果,但其对初始化敏感,在处理高维大规模网络数据时易陷入局部极值问题还未被完全克服。为了解决这两个问题,提出一种分布熵和平均位距改进的自适应蝙蝠算法,利用该算法对模糊C均值的参数进行优化。在此之上,将自适应蝙蝠算法优化的模糊聚类应用于异常检测领域,提出了一种自适应蝙蝠算法优化的模糊聚类异常检测算法。理论分析和仿真实验表明,与前沿的粒子群优化FCM异常检测算法和FCM异常检测算法相比,该算法具有更好的聚类效果和检测性能。 展开更多
关键词 模糊C均值 自适应蝙蝠算法 算法优化 模糊聚类 异常检测
在线阅读 下载PDF
抑制式非局部空间直觉模糊C-均值图像分割算法 预览
4
作者 兰蓉 林洋 《电子与信息学报》 EI CSCD 北大核心 2019年第6期1472-1479,共8页
针对传统的模糊C-均值(FCM)算法没有考虑图像像素的空间邻域信息,对噪声敏感,算法收敛较慢等问题,该文提出一种抑制式非局部空间直觉模糊C-均值图像分割算法。首先,通过计算像素的非局部空间信息提高抗噪能力,克服传统的FCM算法只考虑... 针对传统的模糊C-均值(FCM)算法没有考虑图像像素的空间邻域信息,对噪声敏感,算法收敛较慢等问题,该文提出一种抑制式非局部空间直觉模糊C-均值图像分割算法。首先,通过计算像素的非局部空间信息提高抗噪能力,克服传统的FCM算法只考虑图像单个像素的灰度特征信息的缺陷,提高分割精度。其次,根据直觉模糊集理论,通过“投票模型”自适应生成犹豫度作为抑制因子修正隶属度,提高算法的运行效率。实验结果表明,该算法对噪声鲁棒性较强并且有较好的分割性能。 展开更多
关键词 图像分割 模糊C-均值 直觉模糊集 非局部空间信息 犹豫度
在线阅读 免费下载
基于模糊谱聚类的不确定蛋白质相互作用网络功能模块挖掘 预览
5
作者 毛伊敏 刘银萍 +1 位作者 梁田 毛丁慧 《计算机应用》 CSCD 北大核心 2019年第4期1032-1040,共9页
针对谱聚类融合模糊C-means(FCM)聚类的蛋白质相互作用(PPI)网络功能模块挖掘方法准确率不高、执行效率较低和易受假阳性影响的问题,提出一种基于模糊谱聚类的不确定PPI网络功能模块挖掘(FSC-FM)方法。首先,构建一个不确定PPI网络模型,... 针对谱聚类融合模糊C-means(FCM)聚类的蛋白质相互作用(PPI)网络功能模块挖掘方法准确率不高、执行效率较低和易受假阳性影响的问题,提出一种基于模糊谱聚类的不确定PPI网络功能模块挖掘(FSC-FM)方法。首先,构建一个不确定PPI网络模型,使用边聚集系数给每一条蛋白质交互作用赋予一个存在概率测度,克服假阳性对实验结果的影响;第二,利用基于边聚集系数流行距离(FEC)策略改进谱聚类中的相似度计算,解决谱聚类算法对尺度参数敏感的问题,进而利用谱聚类算法对不确定PPI网络数据进行预处理,降低数据的维数,提高聚类的准确率;第三,设计基于密度的概率中心选取策略(DPCS)解决模糊C-means算法对初始聚类中心和聚类数目敏感的问题,并对预处理后的PPI数据进行FCM聚类,提高聚类的执行效率以及灵敏度;最后,采用改进的边期望稠密度(EED)对挖掘出的蛋白质功能模块进行过滤。在酵母菌DIP数据集上运行各个算法可知,FSC-FM与基于不确定图模型的检测蛋白质复合物(DCU)算法相比,F-measure值提高了27.92%,执行效率提高了27.92%;与在动态蛋白质相互作用网络中识别复合物的方法(CDUN)、演化算法(EA)、医学基因或蛋白质预测算法(MGPPA)相比也有更高的F-measure值和执行效率。实验结果表明,在不确定PPI网络中,FSC-FM适合用于功能模块的挖掘。 展开更多
关键词 不确定数据 蛋白质相互作用 谱聚类算法 模糊 C-MEANS 功能模块 期望稠密度
在线阅读 下载PDF
簇间可分的鲁棒模糊C均值聚类算法 预览
6
作者 高云龙 杨程宇 +2 位作者 王志豪 罗斯哲 潘金艳 《电子与信息学报》 EI CSCD 北大核心 2019年第5期1114-1121,共8页
与经典的K均值聚类算法相比,模糊C均值(FCM)聚类算法通过引入模糊因子,考虑不同聚类数据簇之间的相互关系,得到可分性更好的聚类结果。但是模糊因子的引入,使得任意一个样本点都存在模糊性,造成FCM极易受到噪声和离群点的影响,聚类结果... 与经典的K均值聚类算法相比,模糊C均值(FCM)聚类算法通过引入模糊因子,考虑不同聚类数据簇之间的相互关系,得到可分性更好的聚类结果。但是模糊因子的引入,使得任意一个样本点都存在模糊性,造成FCM极易受到噪声和离群点的影响,聚类结果泛化性能较差。因此,该文提出一种簇间可分的鲁棒FCM算法(RBI-FCM)。RBI-FCM利用K均值算法对模糊隶属度的稀疏特征,降低不同数据簇之间的相互作用,突出不同数据簇相邻区域的可分性;另外,RBI-FCM在极小化数据簇内部散布度的条件下,考虑不同数据簇之间的可分性,可提高聚类模型的泛化性能。该文设计了有效的模型求解迭代算法。实验结果表明,RBI-FCM算法提高了FCM的鲁棒性,有效降低FCM对数据簇分布差异性和抽样不均衡的敏感性,得到理想的聚类结果。 展开更多
关键词 聚类 模糊C均值 样本分布 簇间信息
在线阅读 免费下载
融合密度峰值和空间邻域信息的FCM聚类算法
7
作者 周世波 徐维祥 徐良坤 《仪器仪表学报》 EI CAS CSCD 北大核心 2019年第4期137-144,共8页
针对模糊C均值(FCM)算法聚类结果对初始中心点敏感以及聚类过程中没有考虑到不同密度样本点在聚类过程中影响力不同的缺陷,提出了一种密度峰值和样本点空间邻域信息优化的FCM算法。改进后的算法选择数据集中具有局部密度峰值的样本点或... 针对模糊C均值(FCM)算法聚类结果对初始中心点敏感以及聚类过程中没有考虑到不同密度样本点在聚类过程中影响力不同的缺陷,提出了一种密度峰值和样本点空间邻域信息优化的FCM算法。改进后的算法选择数据集中具有局部密度峰值的样本点或者局部密度较大的样本点作为初始聚类中心,充分考虑样本点邻域之间的关系,增加局部密度值大的样本点在聚类中心迭代计算过程中的影响力,从而达到优化FCM算法聚类效果的目的。理论分析和在人造数据集、加州大学欧文分校(UCI)机器学习数据库中真实数据上的实验结果表明,改进后算法的抗噪性、聚类效果和全局收敛能力均优于传统FCM算法。 展开更多
关键词 密度峰值 模糊C均值 局部密度 聚类
基于时空关联—网格聚类的多扩展目标跟踪算法 预览
8
作者 胡忠旺 丁勇 +1 位作者 杨勇 黄鑫城 《传感器与微系统》 CSCD 2019年第2期129-132,共4页
针对多扩展目标的跟踪问题,提出了基于时空关联—网格聚类的多扩展目标跟踪算法。根据时空相关性,将当前量测分为存活目标量测和新生目标量测。对存活目标,利用模糊C均值(FCM)算法进行量测划分,由高斯混合—概率假设密度(GM-PHD)滤波器... 针对多扩展目标的跟踪问题,提出了基于时空关联—网格聚类的多扩展目标跟踪算法。根据时空相关性,将当前量测分为存活目标量测和新生目标量测。对存活目标,利用模糊C均值(FCM)算法进行量测划分,由高斯混合—概率假设密度(GM-PHD)滤波器得到存活目标轨迹。对新生目标,用网格聚类完成量测集划分,由扩展目标—高斯混合—概率假设密度(ET-GM-PHD)滤波器得到新生目标的轨迹。仿真结果表明:所提算法能够对多扩展目标进行准确跟踪,特别是在目标交叉时刻,估计目标数目更准确,算法实时性更好。 展开更多
关键词 多扩展目标 时空关联 模糊C均值 网格聚类
在线阅读 下载PDF
基于多层聚类和改进BP神经网络的短期负荷预测
9
作者 赵云 高泽璞 +2 位作者 肖勇 常润勉 何恒靖 《武汉大学学报:工学版》 CAS CSCD 北大核心 2019年第7期622-629,共8页
随着电网规模的扩大,数据量的急剧增加,漏采、误采等不良数据及数据冗余会对短期负荷预测产生负面影响,造成预测准确度下降,预算结果无法正常使用.针对这些现象,提出一种基于多层聚类和改进BP神经网络的负荷预测模型.该模型基于多层聚... 随着电网规模的扩大,数据量的急剧增加,漏采、误采等不良数据及数据冗余会对短期负荷预测产生负面影响,造成预测准确度下降,预算结果无法正常使用.针对这些现象,提出一种基于多层聚类和改进BP神经网络的负荷预测模型.该模型基于多层聚类对原始数据进行预处理,选取形成与待预测数据相似的样本数据集,建立基于改进BP神经网络的预测模型.多层聚类模型减小了输入改进BP神经网络的数据量,避免了不良数据对预测模型造成的影响,预测模型更贴近待预测数据特点;改进BP神经网络避免了在训练过程中陷入局部最小解.预测结果表明:相比模糊C均值聚类方法,多层聚类与改进BP神经网络的负荷预测方法提高了预测精度与预测速度. 展开更多
关键词 模糊C均值聚类 多层聚类 气象因素 改进BP神经网络
基于自适应人工鱼群FCM的异常检测算法 预览
10
作者 席亮 王勇 张凤斌 《计算机研究与发展》 EI CSCD 北大核心 2019年第5期1048-1059,共12页
异常检测算法在诸多领域都发挥着重要的作用.基于模糊C-均值(fuzzy C-means, FCM)的异常检测是其代表方法之一.FCM对初始值的选取很敏感,而且容易陷入局部极值.基于此的异常检测算法检测效果也不甚理想.因此,引入具有较强全局搜索能力... 异常检测算法在诸多领域都发挥着重要的作用.基于模糊C-均值(fuzzy C-means, FCM)的异常检测是其代表方法之一.FCM对初始值的选取很敏感,而且容易陷入局部极值.基于此的异常检测算法检测效果也不甚理想.因此,引入具有较强全局搜索能力的人工鱼群算法,对其加入自适应机制,自适应调整 Visual 取值范围,从而提高AFSA局部和全局寻优能力,减少算法迭代的次数.然后将其应用于FCM中,利用自适应人工鱼群算法得到的最优解进行FCM聚类分析,从而解决以上FCM存在的种种问题.最后,设计基于自适应人工鱼群FCM的异常检测算法,充分利用自适应人工鱼群的优势来提高异常检测算法的检测性能.实验表明:该算法在提高对数据的检测效率的基础上,检测性能也表现出了很好的水平,为解决异常检测模型中的检测率和虚警率相关问题提供了一种有效解决方案. 展开更多
关键词 异常检测 模糊C-均值 人工鱼群算法 自适应 全局寻优
在线阅读 下载PDF
基于模糊c均值算法和改进归一化的变压器故障诊断方法 预览
11
作者 崔青 方欣 +2 位作者 张志磊 王涛 张天伟 《电气技术》 2019年第11期46-48,67共4页
溶解气体分析法是诊断变压器故障的重要方法。本文建立了基于模糊c均值算法的变压器故障诊断模型。为了研究模糊c均值算法模型中样本的不同归一化法(即考虑到不同气体反应故障的灵敏程度不同)对聚类结果的影响程度,首先对溶解气体成分... 溶解气体分析法是诊断变压器故障的重要方法。本文建立了基于模糊c均值算法的变压器故障诊断模型。为了研究模糊c均值算法模型中样本的不同归一化法(即考虑到不同气体反应故障的灵敏程度不同)对聚类结果的影响程度,首先对溶解气体成分样本使用3种方法进行归一化,这3种方法是离差变换法、一般浓度归一化法和特征浓度归一化法。然后将归一化后的样本作为FCM算法的输入,以所求的隶属度矩阵确定样本所属故障类型。实例计算结果表明,采用特征浓度归一化可提高故障判断准确度。 展开更多
关键词 电力变压器 故障诊断 归一化 模糊聚类法
在线阅读 下载PDF
一种改进的变权重MRF遥感图像变化检测方法 预览
12
作者 戚凯丽 范奎奎 +1 位作者 宗琪 杨朦朦 《北京测绘》 2018年第6期686-691,共6页
基于马尔科夫随机场(Markov Random Field,MRF)模型下的遥感图像变化检测因固定组合能量函数导致的边缘分割模糊问题,提出了一种改进的变权重MRF遥感图像变化检测方法。该方法首先通过模糊C均值(Fuzzy C-means,FCM)算法对差值图像... 基于马尔科夫随机场(Markov Random Field,MRF)模型下的遥感图像变化检测因固定组合能量函数导致的边缘分割模糊问题,提出了一种改进的变权重MRF遥感图像变化检测方法。该方法首先通过模糊C均值(Fuzzy C-means,FCM)算法对差值图像进行聚类分割,并依此分割结果作为变权重MRF的初始分割条件进行最终的分割;最后对分割结果进行掩膜处理,得到最终的变化检测结果。采用真实遥感影像进行对比实验,结果表明所提方法变化检测精度更高,边缘检测更加平滑,区域一致性更好。 展开更多
关键词 马尔科夫随机场(MRF) 遥感图像 变化检测 模糊C均值(FCM) 聚类分割
在线阅读 下载PDF
基于聚类神经网络算法的故障诊断系统研究 预览
13
作者 陶雯 朱月 李荣雨 《自动化仪表》 CAS 2018年第7期24-28,33共6页
以化工行业生产设备的故障诊断为研究背景,探讨了故障诊断的研究现状和研究方法。为了提高故障诊断的准确度,将模糊C均值算法与神经网络相结合,提出了基于聚类神经网络(FCM-ANN)算法的故障诊断方法。该故障诊断方法能显著降低数据集... 以化工行业生产设备的故障诊断为研究背景,探讨了故障诊断的研究现状和研究方法。为了提高故障诊断的准确度,将模糊C均值算法与神经网络相结合,提出了基于聚类神经网络(FCM-ANN)算法的故障诊断方法。该故障诊断方法能显著降低数据集的复杂度,在一定程度上减轻了神经网络学习的压力。与传统的神经网络方法相比,该故障诊断方法的诊断率有了较大提高,误报率和漏报率也较低,诊断效果较为显著。对该故障诊断方法的有效性和实用性进行了验证,即在某化工企业故障诊断系统平台上进行了测试和使用。将该故障诊断方法运用到该企业的故障诊断系统中,从数据采集、数据处理出发,对如何在系统中使用FCM-ANN算法进行了阐述。运行结果表明,该系统提高了系统的准确率,增强了系统的实用性。 展开更多
关键词 模糊C均值 神经网络 三层架构模型 化工设备 模糊聚类 故障诊断
在线阅读 下载PDF
基于聚类和自适应神经模糊推理系统的数控机床绿色度评价方法 预览
14
作者 王宇钢 修世超 《中国机械工程》 CSCD 北大核心 2018年第23期2845-2849,2858共6页
为了实现对数控机床绿色度的智能评价,提高数控机床绿色度预测精度,提出了一种基于聚类和自适应神经模糊推理系统(ANFIS)的评价方法.采用改进的粒子群优化模糊C均值聚类算法实现样本的自适应分类,生成辅助ANFIS学习的训练样本集;建立基... 为了实现对数控机床绿色度的智能评价,提高数控机床绿色度预测精度,提出了一种基于聚类和自适应神经模糊推理系统(ANFIS)的评价方法.采用改进的粒子群优化模糊C均值聚类算法实现样本的自适应分类,生成辅助ANFIS学习的训练样本集;建立基于ANFIS的评价模型,通过对训练样本集的学习自动生成模糊规则,消除评价指标的模糊性和随机性对评价结果的影响;训练后的评价模型可用于评价样本的自适应推理.最后利用提出的评价方法对数控机床绿色度进行实例分析,验证了该评价方法的有效性. 展开更多
关键词 数控机床 绿色度 粒子群 模糊C均值 自适应神经模糊推理系统
在线阅读 下载PDF
基于FCM优化神经网络的办公楼空调负荷预测 被引量:2
15
作者 张梦成 刘兆辉 谭洪卫 《建筑科学》 CSCD 北大核心 2018年第6期23-30,共8页
空调负荷预测对于优化空调系统运行具有重要指导价值,本文针对传统神经网络在预测空调负荷时精度较低、泛化能力弱和物理意义不明晰的缺点,建立了模糊C均值算法(Fuzzy C-means)优化的BP神经网络复合模型。模型先采用FCM算法对输入参... 空调负荷预测对于优化空调系统运行具有重要指导价值,本文针对传统神经网络在预测空调负荷时精度较低、泛化能力弱和物理意义不明晰的缺点,建立了模糊C均值算法(Fuzzy C-means)优化的BP神经网络复合模型。模型先采用FCM算法对输入参数进行聚类,针对不同类建立BP神经网络预测模型,将待测样本分类后进行预测,最后使用决策树算法筛选预测结果中聚类不佳的部分进行加权优化。以珠海某办公楼空调系统实际运行数据为例验证了模型,结果显示随机负荷样本预测的精度指标即标准差率(Coefficient of Variance)为0.191相较于不聚类神经网络提高了51.4%;典型工作日、休息日日均负荷样本预测标准差率为0.08和0.14相对于不聚类神经网络则分别提高了73.0%和39.7%。 展开更多
关键词 负荷预测 FCM算法 BP神经网络 决策树算法 加权优化
基于改进模糊C-均值聚类的DDoS攻击安全态势评估模型 预览
16
作者 张瑞芝 唐湘滟 程杰仁 《计算机工程与科学》 CSCD 北大核心 2018年第11期1957-1966,共10页
新型网络环境下,传统的网络态势评估方法已经不能有效地评估分布式拒绝服务攻击DDoS的安全态势。提出了基于改进模糊C-均值FCM聚类的DDoS攻击的安全态势评估模型。该模型根据新老用户网络流IP地址状态变化和单双向网络流的融合特征,计... 新型网络环境下,传统的网络态势评估方法已经不能有效地评估分布式拒绝服务攻击DDoS的安全态势。提出了基于改进模糊C-均值FCM聚类的DDoS攻击的安全态势评估模型。该模型根据新老用户网络流IP地址状态变化和单双向网络流的融合特征,计算出网络系统各节点的风险指标,通过汇聚网络中各个节点的风险指标生成整个网络的安全态势信息,再用改进的模糊C-均值聚类算法将融合的安全态势信息分为五个安全等级,最后采用风险等级识别模型对整个网络的DDoS攻击安全态势进行定量评估。实验结果表明,该模型能够合理有效地评估DDoS攻击的安全态势,比现有的评估方法更准确灵活。 展开更多
关键词 分布式拒绝服务 安全态势评估 模糊C-均值 风险评估
在线阅读 下载PDF
基于模糊C均值聚类及群体智能的WSN分层路由算法 预览 被引量:2
17
作者 戚攀 包开阳 马皛源 《计算机应用》 CSCD 北大核心 2018年第7期1974-1980,1988共8页
为了提高无线传感器网络(WSN)的能量效率并延长其生命周期,提出了一种基于模糊C均值聚类(FCM)和群体智能的WSN分层路由算法(FCM-SI)。首先采用FCM聚类算法对网络进行分簇,优化普通节点与簇头(CH)间距离;然后采用三参数的人... 为了提高无线传感器网络(WSN)的能量效率并延长其生命周期,提出了一种基于模糊C均值聚类(FCM)和群体智能的WSN分层路由算法(FCM-SI)。首先采用FCM聚类算法对网络进行分簇,优化普通节点与簇头(CH)间距离;然后采用三参数的人工蜂群(ABC)算法选取每个簇的最优簇头;最后采用蚁群优化(ACO)算法搜索簇头至基站(BS)的多跳路径,路径综合考虑了网络的能耗和负载均衡性能。仿真结果显示,与基于均匀分簇的改进的低功耗自适应分簇(I-LEACH)算法、基于ABC的低功耗自适应分簇(ABC-LEACH)算法和基于ACO的低功耗自适应分簇(ANT-LEACH)算法相比,FCM-SI在100 m100 m,100个节点的初始网络条件下将网络生命周期分别提高了65.2%、49.6%和29.0%。FCM-SI能够有效地延长网络寿命,提高能量利用效率。 展开更多
关键词 无线传感器网络 模糊C均值聚类 群体智能 人工蜂群 蚁群优化
在线阅读 下载PDF
基于节点重要性与相似性的重叠社区发现算法 预览
18
作者 付饶 孟凡荣 邢艳 《计算机工程》 CSCD 北大核心 2018年第9期192-198,共7页
在复杂网络中进行重叠社区发现时,现有模糊C均值算法(FCM)采用随机策略导致社区划分结果不一致。为此,提出一种新的重叠社区发现算法。引入节点重要性来量化复杂网络中节点的重要程度,根据节点重要性排序和节点间最短路径选取若干核心... 在复杂网络中进行重叠社区发现时,现有模糊C均值算法(FCM)采用随机策略导致社区划分结果不一致。为此,提出一种新的重叠社区发现算法。引入节点重要性来量化复杂网络中节点的重要程度,根据节点重要性排序和节点间最短路径选取若干核心节点作为FCM初始的聚类中心节点,从而提高FCM的不稳定性。利用基于s-跳最短路径的节点相似度量方法得到信息更丰富的相似矩阵,以提高算法的准确率。采用谱聚类对相似矩阵处理得到节点的隶属度矩阵,并依据阈值分配各节点的社区归属。实验结果表明,该算法能够得到唯一的社区划分结果,且在Karate、Dolphins数据集上的NMI指标比GCE、INFOMAP和GOPRA等算法高8%以上。 展开更多
关键词 模糊C均值 节点重要性 最短路径 社区发现 谱聚类
在线阅读 下载PDF
基于模糊C-均值的相似性特征转换光滑支持向量机 预览 被引量:1
19
作者 方佳艳 刘峤 +1 位作者 吴德 秦志光 《电子学报》 CSCD 北大核心 2018年第11期2714-2724,共11页
在用于非线性分类的光滑支持向量机(SSVM)模型中,核函数必须满足Mercer’s条件,由此限制了核函数的选择范围;并且在面对大规模数据集时,SSVM模型的计算复杂度很高,训练时间长.针对这两点缺陷提出了基于模糊C-均值的相似性特征转换光滑... 在用于非线性分类的光滑支持向量机(SSVM)模型中,核函数必须满足Mercer’s条件,由此限制了核函数的选择范围;并且在面对大规模数据集时,SSVM模型的计算复杂度很高,训练时间长.针对这两点缺陷提出了基于模糊C-均值的相似性特征转换光滑支持向量机模型(SFT-SSVM-FCM).首先,运用基于相似性的特征转换,使得核函数不需要再满足Mercer’s条件,从而拓宽了核函数的选择范围;其次,运用模糊C-均值(FCM)分群技术,将完整的训练数据集划分成若干子簇,分别在每一个子簇上进行已经过相似性特征转换的SSVM模型训练.实验表明:与传统的SVM、SSVM模型及一系列变体模型相比较,该新模型在训练时间、分类精度方面都具有更好的表现. 展开更多
关键词 光滑支持向量机 模糊C-均值 相似性 特征转换
在线阅读 下载PDF
基于模糊C均值的低空风切变预警算法 预览 被引量:3
20
作者 熊兴隆 杨立香 +1 位作者 马愈昭 庄子波 《计算机应用》 CSCD 北大核心 2018年第3期655-660,共6页
针对新一代多普勒天气雷达CINRAD在径向或切向检测风切变时容易丢失小切变的问题,提出了一种基于模糊C均值(FCM)的低空风切变预警算法用于阵风锋和龙卷风引起的风切变识别中。该算法的核心思想是运用8邻域系统,根据风速梯度识别不... 针对新一代多普勒天气雷达CINRAD在径向或切向检测风切变时容易丢失小切变的问题,提出了一种基于模糊C均值(FCM)的低空风切变预警算法用于阵风锋和龙卷风引起的风切变识别中。该算法的核心思想是运用8邻域系统,根据风速梯度识别不同程度切变,从而实现高切变及低切变预警。首先,采用全变分(TV)模型对雷达速度基数据进行去噪,同时保持速度基数据的细节特征;其次,采用每个速度基数据及其8邻域系统分别对应的速度值依次与4个方向模板卷积,获取4个方位速度梯度值;然后,采用FCM算法将梯度值分为高低两类,实现不同强度的风切变预警。采用武汉暴雨研究所提供的实测基数据进行测试和验证,能较为准确地识别出小切变。实验结果表明,该算法检测出来的风切变在定位精度和边缘识别两个方面均优于基于径向或切向的风切变识别算法,这对判断风切变的位置和强度以及分析不同天气引起的风切变具有重要指导意义。 展开更多
关键词 CINRAD 低空风切变 模糊C均值 全变分模型 小切变
在线阅读 下载PDF
上一页 1 2 19 下一页 到第
使用帮助 返回顶部 意见反馈