基于优化模糊C均值算法的锚泊船聚集特性

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。      

Kernel Generalized Noise Clustering Algorithm

IntroductionFuzzy clustering is one of the important methodsin pattern recognition. The most widely used fuzzyclustering is the fuzzy c-means (FCM) algorithm[1]which is conceived by Dunn[2]and generalized byBezdek[3]. Based on an objective function, the F…     

结合区域分割和Wishart分类器的机场跑道区域快速检测方法

提出了一种结合区域分割和Wishart分类器的极化合成孔径雷达图像机场跑道区域快速检测方法; 利用简单线性迭代聚类算法分割极化合成孔径雷达图像, 并将分割得到的超像素作为后续分类处理的基本单元; 采用一种优化后的距离度量方式给超像素分配类别标签, 解决了传统Wishart距离度量因子冗余运算量大的问题; 分析了机场跑道区域像素的极化散射特性, 利用机场跑道区域的弱散射特性从分类结果中提取感兴趣区域; 利用机场跑道的结构特征筛选辨识感兴趣区域, 进而确定机场跑道区域的准确位置; 利用极化合成孔径雷达实测数据测试了算法的有效性, 并与传统基于像素的检测结果进行对比。试验结果表明: 该算法在复杂大场景下能够快速有效检测出机场跑道区域, 检测出的跑道轮廓清晰, 结构比较完整; 采用简单线性迭代聚类算法预处理图像极大地降低了后续处理的复杂性; 针对墨西哥湾试验数据, Wishart分类器处理单元个数分别是Freeman+Wishart算法和FCM+Wishart算法的1.0%和2.4%, 整个检测过程耗时分别为Freeman+Wishart算法和FCM+Wishart算法的9.9%和27.1%;针对大岛试验数据, Wishart分类器处理单元个数分别是Freeman+Wishart算法和FCM+Wishart算法的1.0%和2.6%, 整个检测过程耗时分别为Freeman+Wishart算法和FCM+Wishart算法的14.0%和31.8%。可见, 所提检测方法的实时性能优于基于像素的检测方法。      

基于模糊C均值聚类的城市道路交通状态判别

为及时判别城市道路交通状态,考虑城市道路交通特征的差异性和交通流的波动特性,对状态指标的合理性进行分析;将交通状态划分为畅通、缓行、拥堵、阻塞4类,提出一种基于模糊C均值聚类（FC M ）判别城市道路交通状态的算法。选取车速、流量、占有率作为交通状态判断指标,根据不同指标设计3种方案,用MATLAB模糊逻辑工具箱分析出仿真数据的聚类中心,对不同指标组合下的各样本交通状态进行判断,验证算法判别的可行性。结果表明,以速度、流量、占有率为参数的FCM算法能较好地判别城市道路交通状态,精度较高。     

Improved Kernel Possibilistic Fuzzy Clustering Algorithm Based on Invasive Weed Optimization

Fuzzy c-means(FCM) clustering algorithm is sensitive to noise points and outlier data, and the possibilistic fuzzy c-means(PFCM) clustering algorithm overcomes the problem well, but PFCM clustering algorithm has some problems: it is still sensitive to initial clustering centers and the clustering results are not good when the tested datasets with noise are very unequal. An improved kernel possibilistic fuzzy c-means algorithm based on invasive weed optimization(IWO-KPFCM) is proposed in this paper. This algorithm first uses invasive weed optimization(IWO) algorithm to seek the optimal solution as the initial clustering centers, and introduces kernel method to make the input data from the sample space map into the high-dimensional feature space. Then, the sample variance is introduced in the objection function to measure the compact degree of data. Finally, the improved algorithm is used to cluster data. The simulation results of the University of California-Irvine(UCI) data sets and artificial data sets show that the proposed algorithm has stronger ability to resist noise, higher cluster accuracy and faster convergence speed than the PFCM algorithm.     

Magnetic Tile Surface Defect Detection Based on Texture Feature Clustering

In the field of magnetic tile surface detection, artificial detection efficiency is low, and the traditional image segmentation algorithm cannot show good performance when the gray scale of the magnetic tile itself is small, or the image is affected by uneven illumination. In view of these questions, this paper puts forward a new clustering segmentation algorithm based on texture feature. This algorithm uses Gabor function spectra to represent magnetic tile surface texture and then uses a user-defined local product coefficient to modify Gabor energy spectra to get the center number of fuzzy C-means(FCM) clustering. Moreover, the user-defined Gabor energy spectra image is segmented by clustering algorithm. Finally, it extracts the magnetic tile surface defects according to the changes of regional gray characteristics. Experiments show that the algorithm effectively overcomes the noise interference and makes a good performance on accuracy and robustness, which can effectively detect crack,damage, pit and other defects on the magnetic tile surface.     

FCM聚类分析在公路边坡稳定性评价中的应用

在公路工程边坡稳定性评价过程中需要考虑很多因素的影响,这些影响难以用精确的数字来描述,因此很多情况下不适宜用定量的评价方法。鉴于此,主要采用FCM聚类分析方法研究公路边坡的稳定性评价,引入模糊聚类和改进的遗传算法,克服了传统FCM算法在模糊聚类分析中对初始化敏感的缺点,对于存在多个不确定因素的评价问题有明显的优势。通过实例分析表明,用该方法对公路工程中边坡稳定性评价是可行的、有效的。     

�������ܵ������ݵĹ���IC���˿��ϳ�վ���жϷ���

为了能够应用公交IC卡数据分析公交乘客的出行特征,对判断公交IC卡乘客上车站点的方法进行研究.以南宁市智能公交系统为例,采集公交IC卡收费系统和公交智能调度系统的运营数据,应用数据仓库技术建立智能公交数据分析平台.通过将智能调度系统数据与公交IC卡收费系统数据进行关联,判断公交IC卡乘客的上车站点,对提出的方法进行精度分析和算法实现,并应用海量的智能公交系统实际数据对算法进行了试验.研究结果表明,本文提出的方法判断公交乘客上车站点的准确率达到98%以上,算法效率满足实际应用需要,该方法能够用于公交系统的规划和管理工作.     

基于双层K近邻算法的短时交通流预测

双层K近邻算法在K近邻算法的基础上,增加了模式匹配步骤,从而提高了K近邻算法的预测精度.鉴于此,利用双层K近邻算法,对北京市微波检测器数据进行分析,进而标定算法的最优参数.同时定义了预测算法的滞后性,并将双层K近邻算法与自适应预测算法的滞后性进行了对比,从预测精度及滞后性两方面验证了双层K近邻算法的适用性.     

基于特征匹配和分箱技术的FCM算法研究

在基于聚类分析算法的入侵检测技术中,聚类的划分方法直接影响入侵检测的检测率。文章在基于分箱统计的HCM算法研究的基础上,针对模糊C-均值(FCM)算法的局限性,设计出一种改进的FCM算法。实验表明该算法比已有的FCM算法在对聚类的划分情况又有所改善,从而能提高检测率,且能较好地发现新的攻击类型。     

优化端元提取方法的高光谱混合像元分解

高光谱图像的混合像元分解将原始图像分解为多种纯净地物及相应的丰度,端元提取是混合像元分解的关键技术. 针对传统算法计算速度慢、搜索范围较大的特点,基于改进的ICA （independent component analysis）算法以及优化的候选端元判断方法,提出了一种优化的混合像元分解方法. 首先使用改进的算法优化端元提取方法;然后利用相邻像素的光谱特征和空间特征信息,结合并行算法对候选端元进行优化;最后利用真实的高光谱数据对该方法的性能进行了验证. 验证结果表明:该方法能有效提高端元提取精度,降低复杂度,与经典的端元提取算法N-FINDER相比,准确度提高了3.55%,解混后得到的地物分类精度有了明显改善（总体分类精度提高了2.88%）.      

基于融合模型动态权值的短期客流预测方法

针对传统交通系统中短期客流预测精度低的问题,考虑城市交通站点客流数据在横纵向时间序列的规律性,基于卡尔曼滤波算法和K近邻（K-Nearest Neighbor, ANN）算法,分别根据当日数据和历史数据对客流量进行预测,然后利用权重系数方程对两个预测值加以融合,从而构建基于融合模型动态权值的短期客流预测方法。以某城市的某公交站点客流数据为研究对象,对所建融合模型短期客流预测的准确性和适用性加以验证。结果表明,新建模型、单一的卡尔曼滤波模型和KNN模型的平均相对误差分别为3.6%, 9.0%和7.7%,可见新建模型能更好地拟合客流变化趋势且评价效率更高。     

Research of Improved Fuzzy c-means Algorithm Based on a New Metric Norm

For the question that fuzzy c-means(FCM)clustering algorithm has the disadvantages of being too sensitive to the initial cluster centers and easily trapped in local optima,this paper introduces a new metric norm in FCM and particle swarm optimization(PSO)clustering algorithm,and proposes a parallel optimization algorithm using an improved fuzzy c-means method combined with particle swarm optimization(AF-APSO).The experiment shows that the AF-APSO can avoid local optima,and get the best fitness and clustering performance significantly.     

快速查找初始聚类中心的K_means算法

传统的k_means算法对初始聚类中心十分敏感,聚类结果随不同的初始输入而波动,容易陷入局部最优.为消除这种敏感性,针对k_means算法,提出了一种新的基于数据样本分布选取初始聚类中心的方法,对公共数据库UCI里面的数据实验表明改进后的k_means算法能产生质量较高的聚类结果,并且消除了对初始输入的敏感性.     

Two-Factor Fuzzy Time Series for Equipment Data Prediction

The data forecasting of plant equipment plays an important role in assurance of the safe and reliable operation of the plant equipment. Thus, it is necessary to improve the accuracy of data forecasting of the equipment. A new two-factor fuzzy time series algorithm is proposed to forecast the data of the plant equipment. This method not only overcomes the limitations of one factor fuzzy time series algorithm, but also overcomes the drawbacks of traditional two-factor fuzzy time series algorithm. The collected data is used in the power plant to conduct experiments, where the metrics is Mean Absolute Percentage Error (MAPE). The results show that this method is superior to the existing two-factor fuzzy time series algorithms, and yields good results in the equipment prediction.     

基于GPU并行处理的图像快速旋转算法

提出了一种在CUDA架构上实现基于Bresenham画线算法的图像快速旋转算法.该算法避免了复杂的数学运算,并融入Bresenham画线算法的优点,解决了大量的浮点的取整运算问题,并且减少了图片旋转过程中精度的损失,使得算法的精度和时间复杂度达到相互平衡,极大提升了旋转算法的性能.实验证明,在当前的硬件平台下,与传统旋转算法相比,该算法极大的提高了旋转算法的速度并减少精度的损失.     

Two States CBR Modeling of Data Source in Dynamic Traffic Monitoring Sensor Networks

Real traffic information was analyzed in the statistical characteristics and approximated as a Gaussian time series. A data source model, called two states constant bit rate (TSCBR), was proposed in dynamic traffic monitoring sensor networks. Analysis of autocorrelation of the models shows that the proposed TSCBR model matches with the statistical characteristics of real data source closely. To further verify the validity of the TSCBR data source model, the performance metrics of power consumption and network lifetime was studied in the evaluation of sensor media access control (SMAC) algorithm. The simulation results show that compared with traditional data source models, TSCBR model can significantly improve accuracy of the algorithm evaluation.     

基于金字塔多尺度融合的交通标志检测算法

为了解决传统交通标志检测算法针对小目标交通标志检测时存在误检与漏检的问题,提出了一个基于金字塔多尺度融合的交通标志检测算法;为了提高算法对交通标志的特征提取能力,引入ResNet残差结构搭建算法的主干网络,并增加网络浅层卷积层数,以提取较小尺度交通标志目标更准确的语义信息;基于特征金字塔结构的思想,在检测结构中引入4个不同预测尺度,增强深层和浅层特征融合;为了进一步提高算法检测精度,引入GIoU损失函数定位交通标志的锚点框,利用k-means算法对交通标志标签信息进行聚类分析并生成更精准的先验框;为了验证算法的泛化性与解决试验所用数据集TT100K的类间不平衡问题,增强与扩充了数据集。试验结果表明:本文算法的精确率、召回率与平均精度均值分别达到了86.7%、89.4%与87.9%,与传统目标检测算法相比有显著提高;多尺度融合检测机制、GIoU损失函数与k-means的引入能够不同程度提高算法的检测性能,使算法检测精确率分别提升4.7%、1.8%与1.2%;提出算法针对不同尺度交通标志检测时均有更优越的性能表现,在TT100K数据集中的(0, 32]、(32, 96]与(96, 400]尺度下的检测召回率分别达到90%、93%与88%;与YOLOv3相比,提出算法在不同天气、噪声与几何变换等干扰下均能实现对交通标志的正确定位与分类,证明了提出算法具有良好的鲁棒性与泛化性,适用于道路交通标志检测。      

北京市浮动车交通状况信息实时计算系统

为应用于复杂城市路网的浮动车系统建设,提出了利用浮动车数据实时计算路网速度的系统建设流程,包括GPS数据接收、数据预处理、数据在电子路网底图上的匹配以及路段运行车速计算。并从数据过滤合理性、地图匹配效率、路网覆盖率及结果可信度等方面验证了该方法的可行性与实际效果。经验证,原始GPS数据经过预处理过滤后能显著提高点匹配率,而改进的路径匹配算法能使过滤后的数据达到95％左右的匹配率,基本覆盖大部分北京市快速路和主干路。     

基于Kittler最小误差分割算法的小视场星图分割

小视场星图易受光照不均和噪声影响，常用阈值分割算法存在处理效果不佳或效率较低的不足. 针对星图灰度的高斯分布特征，基于贝叶斯最小误差理论，提出利用Kittler最小误差分割算法处理小视场星图. 以视频测量机器人为测量平台，以 "优度法"、区域一致性、区域对比度和时间复杂度为评价指标，对比了常用的阈值分割算法和一维最大熵法，验证了Kittler算法在确保星图良好分割的同时，星图处理效率可以提高70%左右. 基于半仿真星图和真实星图的室内试验表明，Kittler算法可以准确提取星点质心坐标，水平和垂直方向均方根误差分别为0.025像素和0.019像素；采用该算法的野外天文定位实测表明，经纬度内符合平均精度分别优于0.015 s和0.22″，外符合精度分别优于0.025 s和0.35″，可以满足一等天文测量的精度要求.