基于蚁群优化模糊C均值聚类算法的疲劳驾驶研究

通过收集大数据对汽车驾驶员的疲劳特征和疲劳参数进行学习,根据学习的参数将驾驶员的疲劳程度进行分类,提出了蚁群优化的模糊C均值聚类算法。在初步聚类中运用蚁群聚类产生聚类中心和簇的个数,提供给模糊C均值聚类;利用模糊C均值聚类再次进行聚类,克服了单个聚类算法的缺点。仿真结果表明:文中方法比一般方法具有更好的性能和聚类效果。利用BP神经网络模式识别功能可以识别疲劳驾驶类别。     

基于GA-KFCM算法的高速公路交通运行状态评价研究

为提升高速公路交通运行状态评价的效果,提出GA-KFCM(genetic algorithm-kernel fuzzy C-means,基于遗传算法改进的核模糊C均值)聚类算法,并结合实例数据对不同方案的分类效果开展验证分析。首先,分析高速公路交通运行状态评价的范围及等级;然后,提出核函数改进的KFCM(kernel fuzzy C-means,核模糊C均值)聚类算法。在此基础上,采用遗传算法弥补初始化聚类中心随机的缺陷,考虑到在选取不同参数时判别模型的差异较大,结合实例数据对改进前后模型的交通运行状态开展聚类分析,并采用综合指标评估不同试验方案的优劣。试验结果表明：与FCM(fuzzy C-means,模糊C均值)聚类算法相比,GA-KFCM算法的聚类效果提升5倍左右;三维交通参数的交通运行状态判别可靠度最高。     

基于模糊聚类的城市快速路交通流状态划分

针对城市快速路交通流状态分类的问题,提出了一种改进的模糊C均值(FCM)算法.结合层次聚类算法和FCM聚类算法,运用层次聚类算法得到最佳聚类数和初始聚类中心,并通过Relief F特征加权对影响交通状态的不同特征指标赋予相应的权值,最终用FCM算法再次聚类得出交通流状态的分类结果.以VISSIM为工具,对该方法进行了模拟.对比分析结果显示,所提出的方法能够提高城市快速路交通流状态分类的效果.     

基于模糊聚类的城市快速路交通流状态划分

针对城市快速路交通流状态分类的问题,提出了一种改进的模糊C均值(FCM)算法。结合层次聚类算法和FCM聚类算法,运用层次聚类算法得到最佳聚类数和初始聚类中心,并通过Relief F特征加权对影响交通状态的不同特征指标赋予相应的权值,最终用FCM算法再次聚类得出交通流状态的分类结果。以VISSIM为工具,对该方法进行了模拟。对比分析结果显示,所提出的方法能够提高城市快速路交通流状态分类的效果。     

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。      

基于模糊C均值聚类的城市道路交通状态判别

根据城市道路交通流特性,针对同一交通状态下交通流参数分散在一个二维区域的现象,将交通流划分为4个状态,讨论了不同状态之间的转变情况;针对城市道路交通状态存在模糊性的特点,以流量、速度、占有率作为样本数据的特征属性,提出了基于模糊C均值聚类(FCM)的交通状态实时判别方法,该方法首先采用模糊聚类技术对历史数据进行分类,得到不同交通状态的聚类中心,然后对新观测到的交通数据所属类别进行实时判别以确定交通状态。以赣州市文明大道为实例进行分析,其结果与实测交通运行状况结果一致,验证了方法的有效性。     

自行小车悬挂输送系统无线定位算法

针对WKNN算法中未知节点的定位中邻近参考点参数固定、定位不灵活且误差较大的问题,提出了基于RSSI的加权近邻改进算法.首先对RSSI值进行高斯滤波处理,通过FCM聚类确定未知节点所属类别,采用隶属度阈值对聚类结果进行修正.然后根据FCM的聚类子样本数设定WKNN算法的近邻值,实现了WKNN算法的自适应计算.实验结果表...     

模糊聚类法对我国划拨土地使用权交易上的应用研究

选用模糊聚类分析法对我国建设用地中划拨土地使用权交易现状进行了分类和综合评价。通过对各省市划拨土地使用权交易的分析，从两个方面对我国划拨土地使用权交易现状进行了分类，分别把我国３０个省市划分为五个等级，并在此基础上实现了对我国划拨土地使用交易的综合评价。     

基于货物时间价值的空铁联运转运枢纽选址优化

高效合理的联运网络是空铁联运快递服务产品创新的重要支撑。本文在考虑货物时间价值的基础上,以空铁联运转运枢纽的位置以及运输方式选择为决策变量,构建以综合成本最低为目标的空铁联运转运枢纽选址模型,并设计变邻域遗传算法进行模型求解。以截至2019年开通高铁并设有机场的200个地级城市为例,采用复杂网络和优劣解距离法结合的方法选取空铁联运转运枢纽的备选城市,验证模型和算法的实用性及有效性。结果表明,运输时间限制和折扣系数是影响空铁联运网络综合成本的重要因素。随着运输时间限制的增加以及折扣系数的降低,空铁联运网络综合成本分别降低了15%和11%。空铁联运转运枢纽的空间布局主要受运输时间限制的影响。运输时间限制较低时,空铁联运转运枢纽布局以东北地区和西部地区为主,以提高快递运输的时效性。运输时间限制较高时,空铁联运转运枢纽布局向中东部地区转移,为经济服务趋势明显。空铁联运网络最优枢纽数量则受运输时间限制和折扣系数的综合影响,但运输时间限制对于最优枢纽数量的影响更为显著。合理布局空铁联运转运枢纽和提升空铁联运规模效益是提高空铁联运服务时效性和竞争力的重要途径。     

基于混合遗传模拟退火的模糊C-均值聚类算法

一般模糊C-均值聚类算法存在易于陷入局部最优的缺陷,基于此,提出了一种基于混合遗传模拟退火的模糊C-均值聚类算法,并利用UIC机器学习数据库中的Car、Iris和Wine数据集验证了算法的有效性。     

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。     

基于改进遗传算法的模糊聚类应用于路面压实度控制研究

压实度不达标作为高速公路路面病害发生的主要原因,基于此通过针对沥青路面压实度及模糊聚类算法、遗传算法的研究,对沥青路面压实度影响因素进行深入分析,其目的主要是为了通过原始的采集数据进行预测,以提高沥青路面的压实度和路面的耐久度,保障沥青路面的质量,而传统的模糊C-均值聚类算法容易导致局部最优解,且对初始值较敏感,通过利用基于改进的遗传算法的模糊聚类算法应用于路面压实度研究,不仅克服了模糊C-均值聚类算法的缺点,同时也提高了数据分类的质量及预测的效果。     

基于K-means算法的铁路运输设备单元划分方法

铁路运输设备是铁路运输生产的基础,管理单元是铁路运输设备进行设备监控、维修、管理及分析决策的基础对象,是运输设备专业管理与综合应用的基本分析单位.为满足运输设备管理的业务需求,本文在分析铁路运输设备构成的基础上,总结提出铁路运输设备单元划分原则,基于K-means聚类算法开展铁路运输设备单元划分方法研究,并利用该方法对电务通信设备进行单元划分,实践结果证明,该方法比传统的设备类别分类方式更适合设备技术状态管理与分析评价,方法合理可行,具有很好的实用价值     

基于两次聚类的PWARX驾驶行为辨识模型

针对传统基于聚类的PWARX模型依赖先验知识和子空间划分精度不高的问题,提出一种基于两次聚类的PWARX辨识模型改进算法,并将其应用于驾驶行为建模。首先通过近邻传播算法在样本空间上进行聚类,在所得类簇上用线性模型进行拟合,并通过K-means算法在线性模型的参数空间上进行聚类,以获得PWA子模型的区域划分,最后在各个子空间上对PWA子模型进行求解。该算法合理利用了近邻传播算法和K-means算法的特点,通过在样本和参数空间上的两次聚类获得了良好的子模型区域分割效果。并对10名驾驶员的驾驶行为的建模实验结果表明,所提算法的模型辨识的平均准确率达到了91.5%。     

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。     

一种自动获得k值的聚类算法

针对k均值算法局限于k值和初始中心点选取的情况,提出了一种基于k均值的自动获得k值的KDM算法.该算法整体沿用k均值算法的思想,利用最大最小距离法选择初始聚类中心,并且选择聚类中心与划分对象同时进行.通过不断改变类中心,来达到较好的聚类效果.     

一种自动获得k值的聚类算法

针对k均值算法局限于k值和初始中心点选取的情况,提出了一种基于k均值的自动获得k值的KDM算法.该算法整体沿用k均值算法的思想,利用最大最小距离法选择初始聚类中心,并且选择聚类中心与划分对象同时进行.通过不断改变类中心,来达到较好的聚类效果.     

考虑连接性的路网划分算法

针对传统K均值聚类算法在非均质路网划分应用中的不足,将路网连接性融入算法,解决其在路网划分应用中聚类结果不连续的问题.先使用最大最小距离算法确定初始聚类中心和路段差异性,并以聚类评价指标ANSK确定K值;然后统计连续时间间隔下路网划分结果的动态频数,合并和拆分不稳定的“噪声”路段,提高划分子区内路网的紧凑性.最后,基于现实路网中的车牌照自动识别实测数据,对改进的聚类方法进行了验证.将算法得到的划分效果与K均值聚类算法和Ncut算法进行对比,并对子区做宏观基本图分析.结果表明,改进后的K均值聚类算法在保证自身原有聚类优势下,可以有效实现连接性约束下的路网划分.     

基于改进K均值聚类POS算法的应急物资分类研究

为了提高突发事件应急救援的效率,应急物资分类的科学性是应急物资调拨与配送的关键环节之一.通过分析既有应急物资分类以及聚类算法存在的问题,提出了基于改进K均值聚类的应急物资分类方法,构建了基于K均值的粒子群优化算法设计.最后,选取了206种最为常用的应急物资为例,采用Matlab软件平台分析计算.结果表明:基于改进K均值聚类POS算法全局寻优能力明显要强于其他聚类算法.为应急决策者提供一定的理论依据.     

基于HSI空间的模糊C均值彩色图像分割方法

给出了一种在HSI空间上基于模糊C均值的彩色图像分割方法．首先对每个像素根据H分量和I分量计算出4个隶属度,然后将其中的两个隶属度结合形成一个二雏特征矢量来表征像素的全部颜色特征,最后对二维矢量运用模糊C均值聚类算法得到最终的彩色图像分割结果．