关于模糊C-均值（FCM）聚类算法的改进

对模糊C-均值聚类算法的改进,即在原有的模糊C-均值算法的基础上,用一种新的定义距离的方法替代欧氏空间中距离的定义,改进模糊聚类算法。并且用数据仿真验证这种改进的模糊聚类算法与原来算法相比,聚类效果更好,分类更清晰。     

基于K-均值算法的模糊分类器设计

基于K-均值算法的模糊分类器具有很好的分类效果，用它可以很准确的对训练样本进行分类，此方法是将K-均值算法应用于训练数据的聚类，对每个聚类的半径和聚类的中心都是可计算的，而模糊系统设计方法就是用模糊度来描述聚类，对训练数据进行高效且准确的分类，这种方法有下面几个特点：(a)不要预定义参数；(b)训练时间短；(c)简单；最后用一个例子对这种模糊分类器进行分析验证。     

基于灰狼优化的模糊C-均值聚类算法

针对模糊C-均值聚类算法(FCM)存在易受初始聚类中心影响和容易陷入局部最优的问题,提出了一种将灰狼优化算法(GWO)和模糊C-均值相结合的新聚类算法（GWO-FCM）。该算法利用GWO算法强大的全局寻优能力对FCM算法的聚类中心进行优化,模拟灰狼优秀的搜寻猎物行为找到一组最佳聚类中心来提高FCM的聚类效果。通过UCI数据集的仿真结果和算法比较验证了该算法的有效性。     

模拟退火算法在模糊模式识别中的应用研究

本文首先对模糊C-均值聚类作了简要分析和评论，在此基础上将模拟退火机制引入其中，以克服模糊C-均值聚类的局部性和对初始聚类中心的敏感性；然后，采用了基于贴近度和择近原则的模糊识别方法，文中分析了格贴近度的不足之处，并对之进行了改进；最后，详细设计了上述各算法。仿真结果说明，该方法在识别速度和准确率方面都达到了令人满意的效果，为种子的在线检测提供了一种新思路，也拓展了模糊理论的应用范围。     

改进的模糊聚类在分类器设计中的应用

提出了一种基于改进的模糊C均值算法的分类器设计方法。该方法解决了分类过程中样本点分散和样本错分的问题。其基本思想是:在样本决策函数中引入隶属度函数,为了避免传统的隶属度函数归一化问题,引入放松的归一化条件,利用决策函数根据条件求偏导,得到经过训练的分类器。采用UCI标准进行数据集实验,实验结果表明,该算法具有一定的优越性。     

一种改进的核模糊聚类算法

针对核模糊C-均值聚类算法中隶属度的计算特点,提出了一种改进的核模糊C-均值算法。改进后的算法是,在更新对象类的隶属度之前先判断对象是否可能属于该类。如果对象可能属于该类,则为其分配一个大于0的隶属度,否则直接将其隶属度置为0。针对不同测试数据集的实验结果表明,改进后的核模糊C 均值算法提高了聚类效果,是一种可行有效的算法。     

基于模糊C-均值聚类方法的石油钻井工作状态分析

采用鄂北6个录井样本点的钻头位置、井深、大钩负荷、立压、钻压、出口流量等指标共100个实际钻井数据进行了模糊C-均值聚类分析;在经验知识匮乏、存在无效数据和干扰的情况下,计算出了较为符合实际情况的聚类中心矩阵和聚类结果矩阵;根据标志样本点工作状态对样本进行了基本正确的分类,画出了模糊聚类关系图.     

对k均值算法和硬C-均值算法的对比分析

通过比较目标函数、聚类原型模式P(0)的初始化方法、划分矩阵U和聚类原型P的更新方法等4个方面,得出k均值算法和硬C-均值算法的区别.     

基于层次的模糊K均值聚类算法研究

通过对K均值聚类算法的研究,本文提出了一种基于层次聚类与模糊聚类思想的K均值聚类算法。算法首先使用层次方法对数据进行初始聚类,然后用得到的聚类数作为模糊K均值聚类中的K值,对聚类进行修正。最后通过实验,验证了该算法不需要人为假设聚类算法中的K值,而且引入了模糊隶属关系使类别的划分更接近于事实,从而证明了该算法的有效性。     

模糊模式识别的基本方法及其应用

介绍模糊模式识别的基本方法及其应用,模糊模式识别的基本步骤,并总结出模糊模式识别的优点.     

模糊推理基本算法的数学基础

Algorithm of fuzzy reasoning has been successful applied in fuzzy control, but its theoretical foundation of algorithms has not been thoroughly investigated. In this paper, structure of basic algorithms of fuzzy reasoning was studied, its rationality was discussed from the viewpoint of logic and mathematics, and three theorems were proved. These theorems shows that there always exists a mathematical relation (that is, a bounded real function) between the premises and the conclusion for fuzzy reasoning, and in fact various algorithms of fuzzy reasoning are specific forms of this function. Thus these results show that algorithms of fuzzy reasoning are theoretically reliable.     

多胞胎量词运用刍议

要词丰富的汉语中却存在着多胞胎量词缺位的困扰。现实选择的多胞胎量词“对”“家”“户”“例”和“个”以及可能选择的多胞胎量词“胞”和怀”均不可行。与“对”既有共性又有差异的“组”似可作为计量多胞胎的量词。     

一种可自适应优化模糊控制规则的控制系统

提出一种模糊控制规则可自适应调整的控制算法.该算法利用模糊逻辑系统构建模糊辨识器和模糊控制器,依据辨识器在线预估输出误差与模糊控制规则相关参数优化之间的内在联系及自适应优化模糊控制规则.仿真实验表明了该算法的有效性.     

规则几何图形的识别分析与算法实现

对规则几何图形进行了分析，并对识别的算法和实现进行了分析与研究．在此基础上提出了利用图形的面积和周长的比值范围来识别出图形的形状。最后利用VC＋＋给出该算法的实现过程，利用此程序能识别出计算机中的规则几何图形。     

Design of fuzzy adaptive washout algorithm based on the novel tilt coordinate

Motion simulator usually appears the phenomenon of false cues and the workspace is limited in the process of washout. The proposed washout algorithm combines fuzzy logic control with the vestibular system to design the tilt coordination fuzzy adaptive filter, in order to minimize the vestibular sensory error below the human perception threshold. Owing to tilt coordination angular velocity limiter, the loss of low-pass acceleration must be compensated by the acceleration transform model. The translational channel decreases the possibility of the workspace beyond limitation and expands the scope of motion platform simulating input acceleration by using third-order filter. The simulation results show that the proposed algorithm can effectively overcome the phase retardation of classical washout algorithm, and then prevent the produce of false cues, decrease the displacement of motion platform simultaneously; in addition, white Gaussian noise simulates large variations in acceleration. The proposed washout algorithm can have maximal extreme value of acceleration and accurate simulating performance in general. It also proves that the proposed washout algorithm has a strong adaptability and reliability, which can effectively improve the dynamic fidelity for motion simulator.     

Fault diagnosis model based on fuzzy support vector machine combined with weighted fuzzy clustering

A fault diagnosis model is proposed based on fuzzy support vector machine (FSVM) combined with fuzzy clustering (FC).Considering the relationship between the sample point and non-self class,FC algorithm is applied to generate fuzzy memberships.In the algorithm,sample weights based on a distribution density function of data point and genetic algorithm (GA) are introduced to enhance the performance of FC.Then a multi-class FSVM with radial basis function kernel is established according to directed acyclic graph algorithm,the penalty factor and kernel parameter of which are optimized by GA.Finally,the model is executed for multi-class fault diagnosis of rolling element bearings.The results show that the presented model achieves high performances both in identifying fault types and fault degrees.The performance comparisons of the presented model with SVM and distance-based FSVM for noisy case demonstrate the capacity of dealing with noise and generalization.     

区间直觉模糊集相似性测度及其在模式识别中的应用

定义了区间直觉模糊集相似度的概念,并且基于Hamming距离、标准化的Hamming距离、加权的Hamming Euclidean距离、Euclidean距离、标准化的Euclidean距离、加权的Euclidean距离等,定义了一些区间直觉模糊集距离测度.然后,通过把Hamming距离和Euclidean距离以及它们的加权形式与Hausdorff度量相结合,给出了2种组合的区间直觉模糊集距离测度,即基于Hausdorff 度量的加权Hamming距离和基于Hausdorff 度量的加权Euclidean距离,并且研究了它们的性质.最后,基于上述距离测度,给出了区间直觉模糊集相似性测度,并且把它们应用于模式识别领域.     

基于C#的模糊数学实验设计与开发

从模糊数学课程性质、目的入手,阐述了在模糊数学课程教学中引入数学实验的必要性,并以模糊数学课程中2个典型问题为例,较详细地介绍了基于C#平台设计、开发模糊数学实验的过程。在模糊数学课程中引入数学实验,可以激发学生学习兴趣,提高学生分析、解决问题及计算机编程能力和创新能力。