公共文化服务平台

搜索到19163篇“ 模糊聚类算法“的相关文章

基于区块链与模糊聚类算法的区域大数据分析技术研究: 2025年; 金融数据具备非线性、高维度的特点,同时对安全性有较高的要求。文中结合区块链技术和模糊聚类算法,提出一种面向区域互联网金融的异常数据分析模型,该模型由异常数据分析算法和隐私保护算法组成。异常数据分析算法针对模糊均值聚类算法处理高维非线性数据能力弱的缺点,使用深度信念网络进行改进,进而提升模型的数据处理能力。隐私保护使用差分隐私保护算法,在不利用背景知识的前提下完成数据的保护,同时保证了数据的可用性。在实验测试中,将所提模糊聚类算法与常用的主流K-Means算法、DPC算法进行了对比,结果表明:所提算法的性能在所有对比算法中最优;与此同时,加入隐私保护算法后对聚类结果的影响保持在0.021以内,充分证明了该算法性能的优越性。; 何颖; 关键词：模糊聚类算法

基于改进模糊聚类算法和LSTM算法的变压器油色谱分析方法: 本发明公开了一种基于改进模糊聚类算法和LSTM算法的变压器油色谱分析方法，包括获取样本数据；S2：将样本数据随机划分若干聚类簇集；S3：获取聚类簇集的初始聚类中心；S4：获取各聚类簇集的初始聚类中心与样本数据之间关于欧式...; 黄学民庄小亮田方园关启元谷裕刘春涛程冠錤马叔阳陈宇涛赵兴梁陆昶安曾丽

构建基于模糊聚类算法的网络情绪动态分析系统: 2025年; 网络情绪动态分析研究可以通过分析网络文本中的情绪语义表达来实现。构建基于模糊聚类算法的网络情绪动态分析系统,需要以情绪语义模板为基础,利用爬虫软件获取个体或群体在社交网络上的文本数据。在对情绪状态进行数值化处理的基础上,利用模糊聚类(FCM)算法进行情绪状态的聚类分析,并根据聚类结果识别网民的情绪状态及其变化趋势。该系统由情绪语义模板生成模块、数据采集模块、数据预处理模块和模糊聚类分析模块组成,可为社会管理和危机干预提供决策支持。; 薛淼段立娟; 关键词：模糊聚类算法标准分网络情绪

基于时间序列形态的模糊聚类算法: 2025年; 针对现有时间序列聚类分析较少考虑到各簇时间序列的相似形态对聚类结果的影响,提出一种基于时间序列形态的模糊聚类算法.该算法使用线性时间复杂度的Jeffreys复合距离度量时间序列之间的距离,利用迭代过程中的隶属度为各簇选择能够映射簇内时间序列相似形态的核心特征,并在下一次迭代中对距离进行特征加权.当隶属度不再显著变化时,算法停止迭代,根据隶属度最大原则对时间序列进行簇划分.在14个公开时间序列数据集上与10种对比算法的实验结果表明,所提算法具有精确的聚类结果和较好的鲁棒性,综合性能优于对比算法.; 陈梅柳博雅王钰姚怡莹尤远毓秀王松; 关键词：时间序列模糊聚类特征加权

基于信念子簇切割的模糊聚类算法: 2024年; 信念峰值聚类(BPC)算法是一种基于模糊视角的密度峰值聚类(DPC)算法的新变体,它用模糊数学的观点刻画数据的分布特征与相关性。但BPC算法的信念值计算主要基于局部数据点信息,未考察数据集整体的分布和结构,且原始的分配策略鲁棒性弱。针对以上问题,提出一种基于信念子簇切割的模糊聚类算法(BSCC),所提算法结合了信念峰值和谱方法。首先,通过局部信念信息将数据集划分为众多高纯度子簇;其次,将子簇视作新样本,通过簇间的相似关系,利用谱方法进行割图聚类,从而耦合局部信息与全局信息;最后,将子簇内的点分配至子簇所在类簇以完成最终聚类。与BPC算法相比,BSCC在带有多子簇结构的数据集上具有明显优势,如在americanflag数据集和Car数据集上的准确率(ACC)分别提高了16.38个百分点和21.35个百分点。在合成数据集和真实数据集上的聚类实验结果表明,BSCC在调整兰德系数(ARI)、归一化互信息(NMI)和ACC这3个评价指标上整体优于BPC和其他7种聚类算法。; 丁雨张瀚霖罗荣孟华; 关键词：聚类分析谱聚类

结合软约束的演化数据流模糊聚类算法: 2024年; 多源局部放电检测中,不同类型的局放信号同时存在且不断变化使得信号的分离更具挑战,而这种情况同样存在于许多数据流的聚类分析场景中。为了能够适应类簇内的不均匀密度和类簇间的重叠边界问题,同时对数据流的漂移和演化进行及时跟踪,提出了一种结合软约束的实时数据流模糊聚类算法。算法引入2种模糊性软约束来描述微簇距离和密度上的不确定度,通过阈值划分出核心微簇、边界微簇和离群微簇;在类簇边缘使用模糊隶属度,给予微簇分属不同类簇的可能性,保证类簇的完整性并提高聚类效果;使用两阶段的流程结构和2种时间窗口模型,赋予算法具有对可变化数据流的适应能力和更低的时间空间占用率。在多种数据集上的实验表明,该算法相比同类型算法在聚类效果上提升了1%~3%,且平均运行时间缩短5%~20%,在实际硬件平台的测试中也验证了算法的聚类分离性能。; 代少升边志奇袁中明; 关键词：数据流聚类密度聚类模糊聚类概念漂移

基于模糊聚类算法的图像分割方法及系统: 本公开了一种基于模糊聚类算法的图像分割方法及系统，涉及图像分割技术领域。该方法包括：通过图像特征提取器对获取的待处理目标图像进行分析和目标图像不同层次的特征提取；然后对空间显著化目标图像浅层特征图和目标图像语义特征图进行...; 刘璐吴成茂刘凯韩丹

基于模糊聚类算法的图像分割方法及系统: 本公开了一种基于模糊聚类算法的图像分割方法及系统，涉及图像分割技术领域。该方法包括：通过图像特征提取器对获取的待处理目标图像进行分析和目标图像不同层次的特征提取；然后对空间显著化目标图像浅层特征图和目标图像语义特征图进行...; 刘璐吴成茂刘凯韩丹

一种基于自适应策略的多视角模糊聚类算法: 本发明公开了一种基于自适应策略的多视角模糊聚类算法，本发明首先利用密度峰值聚类算法得到初始聚类中心，避免了随机初始聚类中心陷入局部最优解的问题；本发明采用模糊加权指数自适应选取方法，根据加权指数对不同多视角模糊聚类过程的...; 张香香孙冬璞

基于改进模糊聚类算法的大数据随机挖掘仿真被引量：3: 2024年; 大数据挖掘是从大量有噪声的、随机模糊的大数据中提取有价值信息的过程,由于海量大数据具有多维性、稀疏性以及动态性等特点,准确获取其分布特征的难度较大,随机挖掘难以直接实现。为此提出基于改进模糊聚类算法的大数据随机挖掘方法。利用建立的语义概念树模型获取大数据的特征分布关系,并根据模糊语义分析法得出大数据的语义相似性、关联性条件,提取大数据特征。优先确定最佳聚类数,采用改进模糊聚类算法对其聚类,实现基于改进模糊算法的大数据随机挖掘。实验结果表明,上述方法的大数据模糊聚类效果较好,随机挖掘准确率可达到95%以上,实验所得结果验证了上述方法较强的应用有效性。; 李萍刘金金; 关键词：特征提取特征聚类

相关作者