基于内存并行化聚类的用户用电行为分析

针对经典K-means选取初始值具有一定的盲目性和不确定性,提出了基于Canopy+算法的改进K-means聚类算法。首先对实验数据进行预处理,并从每条日负荷数据提取六个特征值;然后搭建Spark大数据集群,利用集群具有的内存并行化特点,提升改进聚类算法处理大规模数据的能力;最后将预处理后的用户日负荷数据进行单机K-means以及改进后算法的集群聚类。实验结果表明,在降低迭代次数的基础上,改进后集群聚类算法误差平方和降低3 659.906、轮廓系数提高0.03、DB指数下降0.06。使用改进后算法将电力用户划分为五个类别,其中具有调峰潜力、较优质的需求侧响应用户为第5类用户。     

基于特征加权的模糊聚类新算法

在聚类分析中,针对不同类型的数据,人们设计了模糊k-均值、k-mode以及k-原型算法以分别适合于数值型、类属型和混合型数据.但无论上述哪种方法都假定待分析样本的各维特征对分类的贡献相同.为了考虑样本矢量中各维特征对模式分类的不同影响,本文提出一种基于特征加权的模糊聚类新算法,通过ReliefF算法对特征进行加权选择,不仅能够将模糊k-均值、k-mode以及k-原型算法合而为一,同时使样本的分类效果更好,而且还可以分析各维特征对分类的贡献程度.对各种实际数据集的测试实验结果均显示出新算法的优良性能.     

基于模糊K均值聚类的高校网络用户行为分析

随着网络科技的迅猛发展,互联网用户的规模正在以指数的速度不断增长。高校网络用户的规模也随着互联网兴起而出现大规模增长。对高校网络用户的上网行为进行分析,能够更好地掌握在校学生的动态,为学校制定科学、高效的互联网管理方式奠定了更加客观的数据基础。本文首先将高校网络用户上网行为进行分类,然后通过模糊K均值聚类算法对学生的上网行为进行分类。实践表明,通过对某高校的学生上网行为展开分析,为该校的互联网管理和学生的精细化管理提供了有利的数据支撑。     

模糊聚类的有效性分析

聚类算法在数据分析与图象处理等许多方面应用十分广泛,尤其是模糊C均值(FCM)聚类算法受到人们的普遍重视。象其它聚类算法一样,进行FCM聚类时,需事先确定一些参数,如:聚类类别数C模糊加权指数m、向量范数等。如何确定数据的最佳分类,使之能准确真实地反映实际数据的内部结构,这就是聚类的有效性问题。本文在实验的基础上对FCM聚类算法进行有效性分析,并提出了一个能表征FCM聚类有效性的启发性函数,得到了一些有用结论。     

一种基于传感器加权的模糊聚类数据关联方法

提出一种用于传感器网络中信息融合的模糊数据关联新方法,该方法利用传感器的观测性能的先验知识对观测样本进行加权,通过加权模糊聚类算法实现数据的正确关联.同时,引入模糊聚类有效性函数自动确定每个观测时刻的目标数目.实验结果表明与传统基于模糊c均值聚类算法相比,本文提出的数据关联方法不仅具有更高的关联精度,而且具有较好的可靠性和有效性.     

基于二维直方图的图象模糊聚类分割方法

本文提出了一个基于二维直方图的图象分割模糊聚类方法,它除了考虑象素点的灰度信息外还考虑了象素点与其邻域的空间相关信息,利用模糊C均值(FCM)聚类算法得到象素点的隶属度,并由各象素点的隶属度实现图象分割.实验结果表明,本文提出的方法与Otsu法和熵函数法相比,错分的象素点数大约减少了四分之三.     

高阶异构数据模糊联合聚类算法

为了更有效地分析聚簇重叠部分高阶异构数据的聚簇结果,提出了一种高阶异构数据模糊联合聚类（HFCC）算法,该算法最小化每个特征空间中对象与聚簇中心的加权距离。推导出对象隶属度和特征权重的迭代更新公式,设计出聚类过程的迭代算法,并且从理论上证明了该迭代算法的收敛性。另外,通过泛化XB指标,提出适用于评估高阶异构数据聚类质量的指标GXB,用于判断聚簇数目。实验表明,HFCC算法能够有效探测数据内部隐藏的重叠聚簇结构,并且HFCC算法聚类效果明显优于5种有代表性的硬划分算法,此外GXB指标能够有效判定高阶异构数据的聚簇数目。     

一种模糊C均值聚类算法及实现

模糊聚类是一种重要数据分析和建模的无监督方法。本文对模糊聚类进行了概述, 从理论和实验方面研究了模糊 c 均值聚类算法,并对该算法的优点及存在的问题进行了分析。该算法设计简单,应用范围广,但仍存在容易陷入局部极值点等问题,还需要进一步研究。     

基于直方图的图像模糊聚类分割算法

针对传统模糊C-均值聚类算法对复杂的医学、遥感图像难以获得满意分割效果问题,将图像模糊C-均值聚类引入图像分割问题研究中,提出了基于直方图的图像模糊聚类快速分割算法。将越南学者Le提出的分布式图像模糊聚类算法目标函数进行简化,得到图像模糊聚类算法目标函数;采用拉格朗日乘子法获取其迭代求解所对应的隶属度、中立度、拒分度和聚类中心表达式,设计图像模糊聚类算法并对其收敛性进行了证明。通过复杂医学和遥感图像的分割测试结果表明,新的分割算法相比现有的模糊C-均值聚类分割算法和直觉模糊C-均值聚类分割算法具有更好的分割性能。     

基于模糊聚类的家庭成员识别算法

同一家庭的成员,相貌相似度高,不同家庭的成员,相貌相似度低。而聚类算法就是对数据进行分类,使同一类的数据对象相似度高,不同类的数据对象相似度低。本文构造相貌相似的模糊相似矩阵,计算出传递闭包,获得准确的聚类结果。本文提供了模糊传递闭包的理论和具体的应用实例,有较好的参考价值。     

基于模糊聚类的传感网络失效节点检测

针对当无线传感网中的传感节点分配随机性较强,节点能量不能得到有效的补充,一旦节点能量耗尽,会造成节点失效.传统检测方法因为无法准确提取节点失效特征,造成失效节点检测的准确度不高.为了解决这一问题,提出一种基于模糊聚类失效节点搜索的检测算法,通过计算无线传感节点能量消耗的特征模糊聚类概率,运用模糊概率判定失效节点位置.实验证明,该方法能有效的对无线传感网络中失效节点进行检测,取得了不错的效果.     

一种基于改进K-means聚类的文本特征选择模型

介绍了文本聚类中基于划分的方法,针对该算法对孤立点的过于敏感问题,提出了一种用于特征选择的算法改进模型,通过对特征集里孤立点的剔除改善了特征聚类效果.随后的文本分类试验表明,提出的改进的算法具有较好的特征选择效果,文本分类的效率较高.     

基于模糊聚类的攻击预警

为提高攻击预警的准确性,本文在基于攻击意图的攻击预警方法的基础上提出了一种基于模糊聚类的攻击预警方法.该方法通过聚类攻击行为,量化和反映攻击者的攻击意图,从而对攻击者的下一步攻击行为进行准确预警.实验表明,该方法能够在有效的时间内更加准确地预测并报警攻击者下一步攻击行为,满足攻击预警时效性和准确性要求.     

基于模糊聚类的Linux网络动态入侵检测

提出基于模糊聚类的Linux系统异常入侵检测方式,通过对网络动态信息进行分类检测,能够降低入侵检测的漏检率,动态检测出网络数据入侵程序,避免了传统方式的缺陷.实验证明,利用基于模糊聚类的入侵检测方式能够快速、准确的检测出入侵程序,保证Linux系统安全.     

基于模糊聚类的客户分类评价方法

本文通过对商业销售记录流水分析,利用聚类方法,可以实现对商业客户的分类。本文以某航空公司客户分类为例,针对特征特点进行分类归一化,使用模糊C均值聚类方法实现对客户分类,并与使用Kmeans方法聚类的结果进行了对比。实验结果证明模糊C均值聚类方法更适用于商业客户分析。     

基于模糊聚类的航空物流资源优化配置算法设计

针对目前航空物流资源使用效率较低,不能充分发挥航空运力的问题,提出了一种基于模糊聚类的航空物流资源优化配置算法。该算法通过模糊聚类PCM算法对航空物流任务需求进行分类,提高物流资源服务的检索效率。通过特征匹配使物流任务需求与物流服务平台中的物流资源相匹配,进而得到最满足物流任务需求的资源及服务,实现航空物流资源的优化配置。实验测试结果表明,该算法能够以较高的效率（单个对象处理耗时24.68 ms）以及95.27%的准确率完成对航空物流资源的优化配置。     

基于形态学操作和模糊聚类技术的超声图像分割

针对医学超声图像对比度低和噪声强的特点,提出了多尺度形态学操作和模糊聚类技术相结合的图像分割方法.该方法利用多尺度形态变换提取图像的结构特征,通过对不同尺度结构特征数量的统计分析,估计图像中噪声尺度大小,并修改不同尺度结构特征的强度,从而实现对图像局部对比度的增强和噪声抑制.同时,使用新的模糊C均值聚类算法对增强后图像进行分割,从而进一步地减少图像中噪声对分割的影响,完成超声图像的有效分割.实验结果表明该方法对超声图像的分割是有效的.     

基于核模糊聚类的雷达信号分选算法

在现代战争中,随着新体制雷达的不断涌现,电磁环境变得越来越复杂,这就对雷达信号分选提出了新的挑战。对核模糊聚类进行了研究分析,并将其应用到雷达信号分选当中。仿真实验证明能够取得很好的雷达信号分选效果,为雷达信号分选提供了新的思路。     

基于模糊聚类和时域跟踪的视频分割

本文提出了一种基于模糊聚类和时域跟踪的视频分割方法。它把视频序列的连续7帧图像作为一组,对每组中间那一帧图像进行初始分割,对组内其他帧图像采用时域跟踪方法进行分割。初始分割采用了改进的多特征模糊聚类方法：时域跟踪是利用上一帧的分割结果通过运动估计向下一帧投影,作为下一帧的初始分割来完成的。