遗传模糊C-均值聚类算法应用于MRI分割

通过分析知经典的将图像分割成C类的常用的模糊C-均值聚类算法(FCMA)依赖于初始聚类中心的选择,通常得到的是局部最优解而并非全局最优解,又由于遗传算法能搜索到全局最优解,因此将遗传算法(GA)与FCMA相结合,对MRI直接进行聚类,利用遗传算法搜索全局最优解,从而有效地避免了模糊C-均值聚类算法收敛到局部最优的问题,并在此基础上实现了对MRI的分割,得到了比较满意的效果。     

一种基于改进型遗传算法的模糊聚类

针对模糊C均值算法(FCM算法)难以达到全局最优解的问题,引入了具有全局搜索能力的遗传算法以解决聚类问题,并在标准遗传算法基础上进行了改进。将该算法运用于IR IS数据的聚类,实现了较好的聚类,从而验证了算法的有效性。     

改进的模糊聚类算法

隐节点中心的选取一直是各种RBF神经网络学习算法面临的主要问题之一,主要针对隐节点中心的选择问题,在研究减法聚类和模糊C-均值聚类算法优缺点的基础上,提出了改进的模糊聚类算法.仿真实验表明,改进的算法增强了网络对离群点的鲁棒性,同时缩短了网络的训练时间.     

基于加权模糊c均值聚类的快速图像自动分割算法

图像分割是指将一幅图像分解为若干互不交迭的区域的集合，是图像处理和计算机视觉的基本问题之一。为了提高图像分割的效率，提出了一种基于2维直方图加权的塔形模糊c均值（FCM）聚类图像快速分割算法。该方法先通过构造合理的2维直方图对噪声进行抑制；然后通过塔形分解来缩减聚类样本集；最后利用加权FCM聚类算法进行分类。仿真结果表明，该方法的效率明显优于标准的FCM算法。此外，为确定分割的最优类别数c，还引入了一种基于该快速算法的聚类有效性评价函数——修正划分模糊度，实现了最佳图像分割类别数c的自动确定。基于人造图像和实际图像的测试实验结果表明该方法是有效的。     

二型模糊系统在音频信号分类中的应用

针对数字音频信号分类问题提出了基于二型模糊集合理论的C均值聚类算法,并在此基础上应用跳跃基因遗传算法对聚类得到的初始模糊模型进行优化,最后采用向量相似性测度准则对优化后的模糊规则集合进行简化,得到最终的模糊分类器模型。与传统的一型模糊集合相比,二型模糊集合可以掌控更多的不确定性信息。基于二型模糊集合理论的C均值聚类算法对样本分布不均匀、结构不规则的样本集的聚类效果更精确。实例仿真结果对比显示,应用二型模糊C均值聚类算法的音频信号分类器比应用一型模糊C均值聚类算法的分类器得到的分类结果更准确。     

云计算中基于群体智能算法的大数据聚类挖掘

为了提高数据挖掘的精度和效率,提出了一种基于群体智能算法的大数据聚类挖掘算法。首先对聚类算法中的模糊C-均值聚类算法进行分析,然后将亚启发式群体智能优化技术中的混合蛙跳算法与模糊C-均值聚类相结合,以便在调整的参数少的条件下优化全局搜索能力。仿真实验结果显示:相比其他聚类挖掘算法,提出的算法能解决局部陷阱问题,具有较好的聚类效果、准确率和收敛速度,同时算法的稳定性较高。     

遗传聚类算法及其改进

本文给出了一种改进的基于遗传算法的聚类算法。传统的KMeans算法具有较强的局部搜索能力,但是对初始化聚类中心很敏感,容易陷入局部收敛性。基本遗传算法具有全局优化性,但局部搜索能力较差,收敛速度慢。针对二者算法的优缺点,利用了面向对象程序设计思想,结合二者的优点,提出了一种改进的遗传聚类算法。数据实验表明,该方法有效地提高了基于遗传算法的聚类算法的局部搜索能力和收敛速度。     

一种基于最大模糊熵的高斯聚类算法

介绍了一种新的模糊聚类方法，定义了模糊熵，提出了基于最大模糊熵的模糊聚类的方法，得到了一种新的聚类算法——GCM算法。该算法的物理意义清晰，有明确的数学含义，相对于传统的FCM聚类算法，其聚类效果更好。     

免疫接种粒子群的聚类算法

将粒子群优化算法和K均值算法结合进行聚类分析,同时引入了免疫系统中的免疫接种和免疫选择机制来指导粒子的迭代过程,提出了一种基于免疫接种粒子群的聚类算法,在粒子群迭代的过程中加入免疫接种机制指导粒子的飞行方向,再通过免疫选择机制对接种的结果进行选择,确保粒子种群向更优的方向移动。实验结果证明,基于免疫接种粒子群的聚类算法基本克服了K均值算法容易受初始聚类中心影响的缺点,聚类结果稳定,而且比基于粒子群优化的聚类算法取得了更好的聚类效果。     

余弦度量和适应度函数改进的聚类方法

K-均值算法因其简单和高效性,在文本聚类中占有重要地位。针对传统的K-均值算法对初始点敏感、易陷入局部最优的问题,结合遗传算法已经成为一种趋势。在充分发挥K-均值算法的高效性的同时,该文利用遗传算法的全局自适应优化特点克服了对初始点敏感的问题。同时,以余弦度量评价对象间的相似性并以此构造新的遗传算法适应度函数、收敛准则以及遗传算法种群更新方式,提高了K-均值和遗传算法这种结合方式的聚类精度,并增强了该结合算法的稳定性。     

基于FCM的动态结合全局图像阈值分割

全局阈值分割对于小目标物效果不理想,动态阈值容易产生阴影等干扰,但综合考虑全局阈值和动态阈值可以达到比较理想的结果。模糊C均值算法用于灰度图像分割是一种非监督模糊聚类后再标定的过程,该文在不明显增加运算量的前提下,利用模糊C均值自动聚类的功能分别得到全局阈值和动态阈值,完成对阈值矩阵的构造和图像的分割。     

基于信息熵原理与FCM算法的市场细分方法

市场细分是现代企业制定营销战略的关键环节。根据市场细分变量的具体特点，将信息熵原理与FCM算法相结合，构造了适于市场细分的模糊聚类分析方法，并通过案例分析验证了该方法的有效性。     

基于聚类描述的培养算子与TSP求解

首先提出用聚类树描述ＴＳＰ对象的新方法；并在此基础上，提出了培养算子的基本概念和方法，以进一步改进解的质量。对多个ＴＳＰ实例求解的实验表明，基于聚类描述的培养算子对ＴＳＰ的求解具有良好的效果。     

基于负载均衡的免疫遗传算法网格调度研究

将现有基本遗传算法对网格任务调度进行研究，在此基础上提出解决资源负载均衡问题的方案，并对算法的终止条件进行改进。针对改进后的遗传算法可能出现的问题，在算法初始阶段引入免疫原理，利用免疫机制保证种群多样性，使算法能在更快找到最优解的基础上达到一定的负载均衡，最后通过仿真环境对算法进行验证，结果证明改进后的算法有效。     

高效实时的抽取滤波器的FPGA实现

介绍了分布式算法实现乘积和运算的原理及工程上的实现方式,提出了适合现场可编程门阵列器件基本查找表结构的改进分布式算法,通过计算机仿真,在具体器件上实现了抽取滤波器。实验结果表明:该分布式算法结构可以充分利用现场可编程门阵列器件的资源,并且只引入固定的流水线延迟,具有很好的高效性和实时性。     

乳制品巴氏杀菌温度智能控制算法模拟及实验研究

采用热水箱模拟乳制品巴氏杀菌容器,研究热水箱水温的开环响应特性,建立了数学模型.运用MATLAB软件对该模型进行PID控制算法仿真研究,得到了PID控制参数的基本范围.在仿真研究所得参数的基础上,运用改进的有监督Hebb学习的单神经元自适应PID算法对热水箱水温进行控制,将其精确保持在目标温度,并且使其在有扰动的情况下具有良好的动态性能.该改进方法用于巴氏杀菌过程中的温度控制,可以确保乳制品的品质,并且降低了能耗.     

K—means聚类算法分析及在教师授课质量评价中的应用

K—means聚类算法是一种基于样本间相似性度量的间接聚类方法。应用K—means聚类算法,选取适当的k值,对教师授课效果进行分析,可以较好地实现量化评价与综合评价相结合,提高评价水平,为确定评价指标提供了可靠的依据。     

番石榴4个品种间的遗传多样性RAPD分析

应用RAPD技术对番石榴4个品种的遗传多样性和亲缘关系进行分析,从50个随机引物中筛选出7个多态性明显、反应稳定的引物,共扩增出49条谱带,且全部为多态性谱带,对扩增出来的49条带进行统计分析、计算遗传距离,并PAUP4.0b10软件包选择UPGMA法对所得到数据矩阵进行聚类分析.结果表明4个品种之间的遗传距离为0.154 74-0.451 61,存在明显遗传差异,并且它们可以被分为两大类.