“模糊C均值聚类法”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果1722912个，建议您升级VIP下载更多相关专利

[发明专利]一种模糊非相关C均值聚类的茶叶红外光谱分类方法-CN201810468730.2有效
发明人：武小红;傅海军;陈勇;武斌;孙俊;戴春霞;翟艳丽 -专利权人：江苏大学
申请日： 2018-05-16 - 公布日： 2020-08-28 - 主分类号： G01N21/3563 文献下载
摘要：本发明公开了一种模糊非相关C均值聚类的茶叶红外光谱分类方法，本发明的方法能够在模糊C均值聚类过程中动态提取茶叶红外光谱数据的模糊非相关鉴别信息，可提高茶叶品种鉴别的准确率。首先用傅里叶红外光谱分析仪采集茶叶样本的红外光谱；接着对红外光谱进行多元散射校正预处理；然后用主成分分析法将光谱数据降维到20维；再利用线性判别分析提取光谱数据中的鉴别信息；最后用一种模糊非相关C均值聚类方法进行茶叶品种的分类本发明在模糊C均值聚类方法基础上设计了一种模糊非相关C均值聚类方法，具有检测速度快，分类速度快，分类准确率高等优点，可实现茶叶品种的正确分类。
一种模糊相关均值茶叶红外光谱分类方法

[发明专利]一种基于网格密度的模糊C-均值聚类方法-CN202310493544.5在审
发明人：张茗洋;万静 -专利权人：哈尔滨理工大学
申请日： 2023-05-05 - 公布日： 2023-08-08 - 主分类号： G06F18/23213 文献下载
摘要：本发明涉及一种基于网格密度的模糊C‑均值聚类方法，属于模糊聚类的基本算法之一，本发明旨在解决传统的模糊C‑均值聚类聚类算法在实际应用中存在的问题,传统的模糊C‑均值聚类方法直接对数据集中的数据进行处理,计算它们的目标函数,通过目标函数求出隶属度函数以及聚类中心函数，导致聚类精度不高,因此针对模糊C‑均值聚类算法需人工选取聚类中心的问题，引入了基于网格密度的优化方法，对FCM聚类算法进行了改进,从而改善了FCM聚类算法中存在的不足,提高了聚类的精确度,达到优化模糊C‑均值聚类算法效果的目的。
一种基于网格密度模糊均值方法

[发明专利]基于模糊C均值聚类算法的变压器故障诊断方法及系统-CN201910468729.4在审
发明人：王涛;方欣;孙志鹏;崔青;张志磊;王晟涛;彭菲;张丽芳;韩露;李瞳;李标;刘烨;张天伟 -专利权人：国网河北省电力有限公司石家庄供电分公司;国网河北省电力有限公司;国家电网有限公司
申请日： 2019-05-31 - 公布日： 2019-08-16 - 主分类号： G01R31/00 文献下载
摘要：本发明提供了基于模糊C均值聚类算法的变压器故障诊断方法，包括下列步骤：获取故障样本数据，对其进行特征气体归一化处理，得到包含所述特征气体的组分含量的数据集；构建基于模糊C均值聚类算法的变压器故障诊断模型同时，本发明提供了基于模糊C均值聚类算法的变压器故障诊断系统。采用本发明的技术方案，通过选用特征气体归一化法处理故障样本数据，降低归一化处理方法对聚类结果的影响程度，进而提高模糊C均值聚类算法的故障诊断准确率，最终实现提高变压器故障诊断准确性，为真正实现输变电设备状态检修提供了有力的技术手段
变压器故障诊断模糊C均值聚类算法特征气体归一化处理故障样本数据集输变电设备状态故障诊断结果故障诊断归一化法技术手段聚类结果输出故障准确率构建检修

[发明专利]一种融合多特征的面向对象变化检测方法-CN201710699957.3有效
发明人：史文中;蔡利平 -专利权人：香港理工大学深圳研究院
申请日： 2017-08-16 - 公布日： 2020-01-24 - 主分类号： G06K9/62 文献下载
摘要：影像预处理；S102、纹理特征提取；S103、影像分割；S104、对象特征提取；S105、生成差分影像；S106、初始变化检测结果获取；S107、计算特征权重；S108、得到对象变化检测结果，通过加权模糊C均值法融合多维特征，将各个检测对象聚类为变与不变的两类。本发明实施例通过对两期图像进行上述步骤的处理，分析并确定各维特征的权重，并通过Relief算法提取各维特征的权重，将权重加入模糊C均值法中形成加权模糊C均值法，通过加权模糊C均值法融合多维特征，将各个检测对象聚类为变与不变的两类
变化检测均值法面向对象融合权重加权模糊多维特征检测对象聚类初始变化检测对象变化检测纹理特征提取影像预处理遥感技术对象特征结果获取特征权重影像分割有效地影像图像分析

[发明专利]一种基于CNN和FCMC的滚动轴承智能故障诊断方法-CN202010387072.1在审
发明人：张丹;陈永毅;宣琦;郭方洪 -专利权人：浙江工业大学
申请日： 2020-05-09 - 公布日： 2020-08-21 - 主分类号： G01M13/045 文献下载
摘要：本发明公开了一种基于CNN和FCMC的滚动轴承智能故障诊断方法，克服现有技术的滚动轴承震动信号具有非平稳性、非线性和特征提取困难的问题，首先利用构建的卷积神经网络模型对原始振动信号进行特征提取，并通过主成分分析法对提取出的特征进行降维，然后将已知故障样本的特征输入模糊C均值聚类模型，对模糊C均值聚类模型进行训练，最后根据训练好的模糊C均值聚类模型，对待测故障样本进行故障识别，从而实现对滚动轴承的故障诊断。本发明通过将卷积神经网络和模糊C均值聚类算法进行结合，既发挥出了卷积神经网络在特征提取方面的优势，也弥补了传统硬性聚类算法对故障类别无法进行有效划分的不足，并能够有效且准确的实现滚动轴承的故障检测。
一种基于 cnn fcmc 滚动轴承智能故障诊断方法

[发明专利]一种改进模糊C均值聚类的肉类品种分类方法-CN202310274879.8在审
发明人：朱兴晨;武小红;傅海军;吉奕;戴春霞;芦兵 -专利权人：江苏大学
申请日： 2023-03-20 - 公布日： 2023-08-08 - 主分类号： G06F18/24 文献下载
摘要：本发明公开了一种改进模糊C均值聚类的肉类品种分类方法，包含以下步骤：(1)对不同种类的肉类进行中红外光谱采集；(2)用多元散射校正对肉类中红外光谱进行预处理；(3)采用主成分分析法对肉类样本中红外光谱数据进行降维；(4)采用模糊线性鉴别信息提取方法实现对肉类中红外光谱数据鉴别信息提取；(5)使用改进模糊C均值聚类对肉类品种进行分类处理。本发明解决了使用传统模糊C均值聚类在噪声环境下处理效果较差的问题，减少噪声点对聚类效果的影响。本发明能够实现对肉类品种的分类准确度高，检测速度快等优点。
一种改进模糊均值肉类品种分类方法

[发明专利]一种基于杂交水稻算法优化的模糊C均值聚类方法及系统-CN201811080424.8在审
发明人：叶志伟;金灿;王春枝;苏军;孙一恒;郑逍;杨娟;孙爽;陈凤;张旭 -专利权人：湖北工业大学
申请日： 2018-09-17 - 公布日： 2019-01-18 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于杂交水稻算法优化的模糊C均值聚类方法及系统，方法包括：初始化该优化算法参数，预处理待聚类的数据集；构建目标函数，即对可行解的评价函数；对目标函数进行最优值求解，得到最优值并确定对应的最优初始聚类中心；根据最优初始聚类中心进行模糊C均值聚类，最终得到聚类结果。系统包括初始化模块、编码模块、适用度值计算模块、最优值计算模块、最优初始聚类中心计算模块、模糊C均值聚类模块、输出模块；采用本发明对模糊C均值聚类进行基于杂交水稻算法的初始聚类中心优化，解决了模糊聚类效果极易受随机初始聚类中心的影响
初始聚类中心模糊计算模块杂交水稻目标函数算法优化预处理初始化模块编码模块聚类结果模糊聚类评价函数输出模块优化算法初始化可行解适用度数据集求解构建聚类算法优化

[发明专利]基于模糊C均值聚类的空中交通区域划分方法-CN201811235486.1有效
发明人：谢华;陈海燕;王也;袁立罡;陈平;张洪海;张颖;赵征;王兵;李杰 -专利权人：南京航空航天大学
申请日： 2018-10-22 - 公布日： 2022-06-28 - 主分类号： G06Q10/06 文献下载
摘要：本发明涉及一种基于模糊C均值聚类的空中交通区域划分方法。基于模糊C均值聚类的空中交通区域划分方法包括：采集航班的ADS‑B数据并构建经纬度矩阵；利用模糊C均值聚类对经纬度矩阵中的每个数据进行聚类分析；依据分析结果计算每个数据的最佳聚类；通过聚类边缘绘制方法对每个数据的最佳聚类绘制航空系统边界通过将模糊C均值聚类算法与聚类评价指标进行结合，可以有效评价聚类有效性，得出最佳空中交通区域划分结果，优化了航空的区域划分。
基于模糊均值空中交通区域划分方法

[发明专利]基于决策树的模糊C聚类的负荷分类方法-CN201810382946.7在审
发明人：王敏;姜远志;石逸;赵康宁;吕龙祥;李明 -专利权人：河海大学
申请日： 2018-04-26 - 公布日： 2018-09-18 - 主分类号： H02J3/00 文献下载
摘要：本发明公开了一种基于决策树的模糊C聚类的负荷分类方法，包括以下步骤，步骤1，用户负荷数据采集；步骤2，以轮廓值为评价参数，采用凝聚型层次聚类算法确定最优分类数目；步骤3，根据最优分类数目，采用模糊C均值聚类算法对负荷数据进行聚类本发明先通过凝聚型层次聚类算法确定最优分类数目，然后采用模糊C均值聚类算法对负荷数据进行聚类，有效实现了负荷分类；同时本发明有效克服了传统模糊C均值聚类算法中分类数目不易确定的问题，提高了分类精度。
聚类模糊C均值聚类算法负荷分类分类层次聚类算法负荷数据决策树模糊评价参数数据采集用户负荷有效实现凝聚

[发明专利]一种基于樽海鞘群算法优化的模糊C均值聚类方法-CN202011294923.4在审
发明人：严忠贞;江元璋;周可薇;张军;张俊杰;严赛男;朱信远;陈豪 -专利权人：湖北工业大学
申请日： 2020-11-18 - 公布日： 2021-02-19 - 主分类号： G06K9/62 文献下载
摘要：本发明公开一种基于樽海鞘群算法优化的模糊C均值聚类方法，该方法包括：初始化该优化算法参数，预处理待聚类的数据集；构建目标函数，即对可行解的评价函数；对目标函数进行最优值求解，得到最优值并确定对应的最优初始聚类中心；根据最优初始聚类中心进行模糊C均值聚类，最终得到聚类结果。采用本发明方法或系统对模糊C均值聚类进行基于樽海鞘群算法的初始聚类中心优化，解决了模糊聚类效果极易受随机初始聚类中心的影响。
一种基于海鞘算法优化模糊均值方法

[发明专利]一种配电自动化开关故障诊断方法、设备及可读存储介质-CN202010496156.9有效
发明人：刘博文;杨霖;王军华;王松;刘士齐;韩学森;田丰;范莹;王波;孙昶;张毅;牛晓磊 -专利权人：国网北京市电力公司;国家电网有限公司;武汉大学
申请日： 2020-06-03 - 公布日： 2022-08-05 - 主分类号： G01R31/327 文献下载
摘要：本发明公开了一种配电自动化开关故障诊断方法、设备及可读存储介质，包括：步骤1，选取特征量建立状态评价指标体系的评语集和故障诊断故障集，构成配电自动化开关状态评价指标体系；步骤2，建立模糊评判模型因子集及分层，评判因子隶属度函数，最终建立基于分层模糊综合评价的配电自动化开关状态评估模型；步骤3，根据模糊C均值的改进灰色关联度法，建立模糊C均值聚类的配电自动化开关故障诊断模型。本发明利用模糊C均值聚类法对参考序列进行聚类选择最具代表性的序列，改进后的分析方法提高了计算效率，达到了利用系统信息完成高效故障诊断的目的；又能够很好的区分结果，不容易产生判断偏颇的错误，提高了故障识别的准确度和效率
一种配电自动化开关故障诊断方法设备可读存储介质

[发明专利]高效智能空中交通区域划分系统-CN201811235490.8有效
发明人：谢华;张姝;袁立罡;张颖;陈平;赵征;王也;张洪海;李杰;王兵 -专利权人：南京航空航天大学
申请日： 2018-10-22 - 公布日： 2022-06-28 - 主分类号： G06Q10/06 文献下载
摘要：本发明涉及一种基于模糊C均值聚类的空中交通区域划分系统。基于模糊C均值聚类的空中交通区域划分系统包括：经纬度矩阵构建模块适于采集航班的ADS‑B数据并构建经纬度矩阵；模型建立模块适于利用模糊C均值聚类对经纬度矩阵中的每个数据进行聚类分析；最佳聚类计算模块适于依据分析结果计算每个数据的最佳聚类；航空边界绘制模块适于通过聚类边缘绘制对每个数据的最佳聚类绘制航空系统边界。通过将模糊C均值聚类算法与聚类评价指标进行结合，可以有效评价聚类有效性，得出最佳空中交通区域划分结果，优化了航空的区域划分。
高效智能空中交通区域划分系统

[发明专利]一种电力系统负荷数据的辨识及修正方法-CN201610614563.9有效
发明人：孔祥玉;胡启安 -专利权人：天津大学
申请日： 2016-07-26 - 公布日： 2020-02-21 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种电力系统负荷数据辨识及修复方法：首先，根据用户历史负荷数据，基于爬山法确定样本数据的聚类数及初始聚类中心；其次，基于模糊C均值聚类算法获取历史负荷数据的最终聚类中心及特征曲线；然后，对每一类负荷特征曲线进行加工，获得该类负荷曲线正常数据所处于的可行域区间；随后，根据与每一类负荷特征曲线的相关系数，确定待测负荷曲线的所属类别；最后，基于可行域区间及判定出所属类别的待测负荷曲线，对待测负荷数据进行不良数据辨识及修正本发明方法以模糊C均值算法为基础，运用爬山函数法，同时确定聚类数和聚类中心以提高聚类效率，并且解决了在初始聚类中心确定及不良数据的辨识效果判断的随机性。
一种电力系统负荷数据辨识修正方法

[发明专利]基于非负矩阵分解和模糊C均值的聚类方法-CN201911332634.6在审
发明人：陶性留;俞璐;王晓莹;姚艳艳 -专利权人：中国人民解放军陆军工程大学
申请日： 2019-12-22 - 公布日： 2020-05-22 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于非负矩阵分解和模糊C均值的聚类方法，用于实现对拥有大量的高维特征的数据样本的聚类，包含利用非负矩阵分解方法对高维特征进行降维处理的技术手段和利用模糊C均值实现模糊聚类的算法内容。考虑到运行NMF算法可以节省更多的时间和存储空间，但也有可能破坏数据样本之间的本质结构，影响聚类效果。为了减少负面影响，提出了一种新的聚类算法FCM‑NMF，实现在NMF压缩样本数据的过程中的模糊聚类，利用交替迭代法并给出多个更新规则，再根据隶属度划分矩阵判断数据样本所属的簇团。相较于传统的聚类算法的方案，具有更优性能。
基于矩阵分解模糊均值方法

[发明专利]一种模糊聚类图像分割方法-CN201310072342.X有效
发明人：沈建新;高玮玮 -专利权人：南京航空航天大学
申请日： 2013-03-07 - 公布日： 2013-06-12 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种模糊聚类图像分割方法，利用K-means算法对初始图像进行聚类，获得K个聚类中心；再将获得的K个聚类中心作为模糊C-均值聚类算法的初始聚类中心对图像再进行聚类，实现图像的分割，解决了传统模糊C-均值聚类算法中随机选取初始聚类中心而使得其计算复杂度高的缺陷同时也提高了分割精度。
一种模糊图像分割方法

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 100000 条