公共文化服务平台

搜索到3947篇“ C-均值算法“的相关文章

基于自适应模糊C-均值算法的退役锂离子电池快速聚类: 2024年; 梯次利用处理退役锂离子电池具有巨大的经济和环境价值,而如何高效、准确地对退役电池进行分选重组是梯次利用中突出的技术挑战。首先,为准确反映退役电池的一致性,提取最大可用容量(MAC)、放电欧姆内阻(DOIR)和容量增量曲线的弗雷歇距离(FD)3个因素共同作为聚类因子。然后3个聚类因子结合自适应模糊C-均值(AFCM)算法构建退役电池聚类方法。结果表明:AFCM算法聚类簇内MAC的最大误差为79 mA·h,DOIR小于45 mΩ;三因素的聚类方法成组的电池一致性较好;并且在117颗电池聚类时,AFCM算法聚类耗费的时间最短。; 陈琳何熳平吴淑孝陈德乾赵铭思潘海鸿

基于模糊c-均值算法的水耕人为土土系预测制图被引量：1: 2020年; [目的]本文旨在研究模糊c-均值算法(fuzzy c-means,FCM)在平原农区水耕人为土土系预测制图中的应用。[方法]挖掘28个标准土壤剖面,深度100 cm,并根据中国土壤系统分类体系与各大成土因素对水耕人为土土系空间变异的影响,遴选13种土壤类型诊断依据。结合FCM对所有土壤剖面样点数据进行模糊聚类分析,利用2种地统计学插值方法对其输出结果进行插值,并去模糊化得到土系预测图。利用土钻采集48个土系类型验证点,计算土系预测图与验证样点的混淆矩阵。[结果]28个土壤剖面共被分为10种土系类型,与手动检索建立的土系类型一致。比较利用2种插值技术得到的土系预测图,发现利用反距离加权插值(inverse distance weighted,IDW)获取的土系预测图更为准确、合理。选择基于IDW方法获取的土系预测图进行制图精度验证,发现验证点参与模糊连续聚类或不参与模糊连续聚类,其Kappa系数均为0.61,总分类精度均为0.65,满足土壤制图精度的基本要求。[结论]FCM算法与地统计学插值方法相结合能很好地实现平原农区水耕人为土土系的制图预测。在土壤诊断依据选择合理的前提下,可以广泛应用于平原农区景观变化较小区域土系的空间预测与制图。; 白浩然赵美芳王飞张培育谢龙涛朱燕香潘剑君; 关键词：模糊C-均值算法平原农区水耕人为土

基于Canopy聚类的噪声自适应模糊C-均值算法被引量：4: 2019年; 针对局部空间信息的模糊C-均值算法中空间影响因子容易受到噪声影响出现错误标志的问题,提出一种融合局部和非局部空间信息的模糊C-均值聚类图像分割算法(NLWFLICM)。在WFLICM算法的模糊影响因子中引入非局部空间信息,根据噪声程度自适应地设置局部和非局部信息权重,并重新标记中心点的模糊影响因子。实验结果表明,NLWFLICM算法具有比WFLICM算法更强的鲁棒性和自适应性,并在一定程度上提高了WFLICM算法对含有大量噪声图像进行分割的鲁棒性,同时保留了图像的纹理。为了提高算法的聚类性能和收敛速度,结合Canopy算法能够快速对数据进行粗聚类的优点,提出基于Canopy聚类与非局部空间信息的FCM图像分割改进算法(Canopy-NLWFLICM),可以在NLWFLICM算法聚类前对聚类中心进行预处理,从而提高收敛速度和图像分割精度。; 陈凯陈秀宏孙慧强; 关键词：聚类算法模糊C-均值算法

基于模糊C-均值算法和人工蜂群聚类算法的混合聚类算法: 本发明涉及人工蜂群算法技术领域，具体涉及基于模糊C‑均值算法和人工蜂群聚类算法的混合聚类算法，该算法包括初始化阶段、引领蜂阶段、跟随蜂阶段和侦查蜂阶段，还包括如下步骤：步骤一：跟随蜂阶段结束后，判断当前算法是否是第一次循...; 李宏伟卫建华田智慧赫晓慧郭恒亮王晓蕾赵姗; 文献传递

基于改进模糊C-均值算法对图像分割的研究: 图像分割是通过把图像划分为各具特性区域的一种技术与过程，是对图像进行分析和理解的基础，它可以使图像各具特色，在图像工程中具有十分重要的地位。模糊理论知识对于图像分割具有不确定性有个很好的解释，从而近些年来关于模糊聚类的图...; 龚雁鹏; 关键词：图像分割峰值信噪比

改进的模糊C‑均值算法实现搜索引擎关键词优化: 改进的模糊C‑均值算法实现搜索引擎关键词优化，根据企业业务确定核心关键词，搜索关键词对应的数据项，如本国每月搜索量、竞争程度和估算每次点击费用（CPC）等，对上述关键词集合进行再降维处理，每个关键词用一五维向量表示，即增...; 金平艳; 文献传递

改进的c‑均值算法实现搜索引擎关键词优化: 改进的c‑均值算法实现搜索引擎关键词优化，根据企业业务确定核心关键词，搜索关键词对应的数据项，如本国每月搜索量、竞争程度和估算每次点击费用<Image file="DEST_PATH_IMAGE001.GIF" he="...; 金平艳; 文献传递

基于模糊C-均值算法粗糙集理论的云模型在岩爆等级评价中的应用被引量：20: 2016年; 岩爆等级评价具有模糊性和不确定性,而粗糙集理论的云模型对处理模糊性和不确定性问题具有独特优势,由此提出了基于模糊C均值(简称FCM)算法粗糙集的云模型理论在岩爆等级评价中的新模型。该模型选用岩石单轴抗压强度σ_c、洞室围岩最大的切向应力σ_θ、岩石单轴抗拉强度σ_t和岩石弹性能量指数W_(et)作为岩爆等级评价因子,依据岩爆分级标准计算各评价因子隶属于不同岩爆等级的云数字特征。同时,以国内外40例岩爆工程为研究对象,运用基于FCM算法的粗糙度理论进行因子属性重要性评价,计算各评价因子权重。根据正向正态云发生器,得到待评样本的综合确定度,由最大综合确定度判定岩爆级别。研究表明:该模型的评价结果与实际情况基本一致,具有一定的可行性,为岩爆预测提供了一种新的研究方法与思路。; 郝杰侍克斌王显丽白现军陈功民; 关键词：云模型粗糙集

模糊C-均值算法在任务调度问题上的应用: 本文针对任务调度领域在现阶段存在的问题,即资源和任务的匹配程度低的问题。提出了用模糊C-均值聚类算法对任务进行聚类而后与已有分类的资源进行匹配的方法来解决此问题。实验表明,在对任务进行FCM聚类的基础上进行任务调度无论在...; 刘家志孙斌朱春鸽; 关键词：任务调度 FCM 聚类

基于区间值模糊C-均值算法的土地覆盖分类被引量：7: 2014年; 用区间值数据描述聚类原型特征更符合遥感数据的模糊性特点,即传感器获取的地物反射光谱的不确定性和不均匀性在影像上的反映.本文以遥感影像数据为基础构建了区间值数据模型,并提出一种区间最大相异度量方法,进而进行基于区间值数据的模糊C-均值聚类.利用珠三角地区SPOT5卫星和青海玉树附近的TM影像数据进行基于区间值模糊C-均值算法的土地覆盖分类实验.结果表明区间值数据的模糊C-均值算法兼顾了模糊聚类的泛函特性和地物反射光谱的条带特点,从而可以明显改善聚类效果,尤其可以降低"同物异谱"现象对聚类结果的不利影响,而区间最大相异度量可实现基于多波段遥感影像构建的区间向量的最大可分离度,有效抑制类间光谱混叠造成的错分现象,进一步改善聚类效果,最终结果明显优于传统的模糊C-均值聚类方法.; 余先川贺辉胡丹周伟; 关键词：模糊C-均值聚类区间值数据遥感影像土地覆盖分类

加载更多 ∨

相关作者

用户反馈

相关作者

用户登录

用户反馈