导读:本文包含了模糊散度论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:模糊,算子,边缘,准则,直觉,加权平均,火箭发动机。
模糊散度论文文献综述
吴成茂,孙佳美[1]（2019）在《基于全散度的自适应鲁棒图形模糊聚类算法》一文中研究指出针对图形模糊聚类对灰度分布不均匀及噪声干扰图像无法获得满意分割结果的不足,提出一种基于全散度的自适应鲁棒图形模糊聚类分割算法。全散度和像素邻域信息相结合,得到一种改进的全散度;改进的全散度引入图形模糊聚类最优化模型,并嵌入像素空间邻域信息。当前聚类像素与邻域像素均值的偏差作为该鲁棒聚类分割模型的正则因子,促使该聚类对强弱噪声具有自适应抑制能力。测试结果表明,与现有的图形模糊聚类、鲁棒模糊聚类等算法相比,自适应鲁棒全散度图形模糊聚类分割算法的分割效果和抗噪鲁棒性均有明显改善。(本文来源于《兵工学报》期刊2019年09期）
刘祎,张权,张鹏程,宋胜涛,陈阳[2]（2017）在《基于直觉模糊散度的噪声图像边缘检测》一文中研究指出针对传统图像边缘检测算法抑制噪声能力差的问题,提出一种基于直觉模糊集(Intuitionistic Fuzzy Set,IFS)的边缘检测算法。该算法设定了一个表示平坦区域的模板图像,并在图像窗口内构造了一种同时考虑了图像梯度和图像窗口的方差信息的隶属度函数,然后通过计算图像窗口与模板图像之间的模糊直觉散度(Intuitionistic Fuzzy Divergence,IFD)对边缘进行定位和输出。实验结果表明,对于被高斯噪声或均匀噪声严重污染的图像,该算法能够得到较好的检测结果。(本文来源于《计算机工程与应用》期刊2017年23期）
唐兴艳,崔卫花[3]（2013）在《基于类内最小模糊散度的边缘扫描算法》一文中研究指出边缘检测在图像研究领域是一个重要的研究方向。针对边缘检测算法Canny算法中阈值需要人为干预设置等缺点,首先利用边缘保持滤波器替代原有的高斯滤波器,避免了对原图像的过度平滑现象,且有效地抑制了噪声;其次利用基于类内最小模糊散度的概念确定高低阈值,不需要人为干预,具有一定的自适应性。实验表明本算法在抑制噪声和边缘连续等方面具有良好的性能。(本文来源于《计算机工程与科学》期刊2013年06期）
张雪征,裴峥[4]（2012）在《模糊诱导有序加权平均算子的散度》一文中研究指出在复杂系统中,模糊诱导有序加权平均算子是一种重要的聚合多源信息工具。借鉴信息熵理论,分析研究了模糊诱导有序加权平均算子的偏好散度和分布散度及它们的相关性质。从实际应用的角度,给出了基于偏好散度和分布散度的选择模糊诱导有序加权平均算子权重向量的优化模型。(本文来源于《西华大学学报(自然科学版)》期刊2012年02期）
王珉,胡茑庆,秦国军[5]（2011）在《LRE试车数据挖掘中基于最大散度差的模糊聚类分析方法》一文中研究指出在对液体火箭发动机试车数据进行聚类分析时,为解决故障数据样本与正常样本类间差异不大的问题,引入最大散度差准则,提出基于最大散度差的聚类算法MSD-CA。该算法以散度度量样本间的相似性,使样本的类内散度最小化和类间散度最大化同时进行。在此基础上,应用模糊理论对最大散度差准则进行模糊化,提出基于最大散度差的模糊聚类算法MSD-FCA,用于对试车样本进行"软划分",以提高聚类的正确性。实验结果证明了MSD-FCA的有效性。(本文来源于《国防科技大学学报》期刊2011年03期）
支晓斌,范九伦[6]（2011）在《基于模糊最大散度差判别准则的自适应特征提取模糊聚类算法》一文中研究指出指出皋军等人提出的基于模糊最大散度差判别准则(Fuzzy Maximum Scatter Difference Discriminant Criteri-on,FMSDC)的聚类算法(Fuzzy Maximum Scatter Difference Discriminant Criterion Based Clustering Algorithm,FMSDCA)中聚类中心表达式的推导错误及相关结论的错误,在修改该错误的基础上提出新的基于FMSDC的模糊聚类算法:FMSDC-FCS(Fuzzy Compactness and Separation Clustering Algorithm Based on Fuzzy Maximum Scatter Difference Discriminant Criterion).FMS-DC-FCS利用FMSDC产生最佳投影矢量,利用模糊紧性分离性(Fuzzy Compactness and Separation,FCS)算法对降维数据聚类,通过交替运行原数据空间中的FMSDC和投影空间中的FCS来优化投影矢量和聚类结果,最终通过对降维数据的聚类实现对原始数据的聚类.实验结果表明,FMSDC-FCS总体性能优于原有的FCS算法、FMSDCA算法以及经典的模糊C-均值算法.(本文来源于《电子学报》期刊2011年06期）
张旭慧,辛小龙[7]（2010）在《模糊集上局部散度测度的几种构造法》一文中研究指出散度测度是度量模糊集的重要指标。首先给出了有限论域X上模糊集上散度测度和局部散度测度的定义,进而给出了局部散度测度的几个等价性条件,重点研究了局部散度测度的几种构造方法。(本文来源于《计算机工程与应用》期刊2010年35期）
兰蓉,范九伦[8]（2010）在《基于α-型相对信息的模糊散度》一文中研究指出模糊散度可用于度量两个模糊集之间的差别。本文基于α-型相对信息提出两类新的模糊散度,并借助Csiszar提出的f-散度观点对这两类模糊散度的性质进行研究。这两类模糊散度所具有的性质显示它们均为模糊集上的区别度。(本文来源于《工程数学学报》期刊2010年04期）
周丽,刘琼荪[9]（2010）在《一种基于散度的模糊数排序方法》一文中研究指出引用一种距离测度及模糊数的权重面积,建立了一种基于散度的模糊数排序指标。新的排序指标不仅引入了两个参考对象,即两个模糊数的极大和极小M,N,同时还考虑了模糊数本身的影响和决策者的决策态度。排序方法不仅计算简单、易于操作,而且还具有良好的性质。算例分析表明本文所提出的排序方法在一定程度上克服了现有方法的缺陷。(本文来源于《模糊系统与数学》期刊2010年03期）
皋军,王士同[10]（2009）在《基于模糊最大散度差判别准则的聚类方法》一文中研究指出基于最大散度差判别准则提出了一种模糊最大散度差准则,并根据模糊最大散度差准则提出一种聚类方法(fuzzy maximum scatter difference discriminant criterion based clustering algorithm,简称FMSDC).该方法通过迭代优化方法实现聚类的同时还可以实现特征降维.该方法首先在最大散度差判别准则中引入模糊概念;然后通过具体原则设定模糊最大散度差判别准则中的参数η,从而在一定程度上降低了由参数η引起的敏感性;最后分别根据模糊隶属度μik、最优鉴别矢量ω进行聚类和特征降维.实验结果表明,FMSDC方法不但具有基本的聚类功能,而且具有较好的鲁棒性和较强的特征降维能力.(本文来源于《软件学报》期刊2009年11期）
模糊散度论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对传统图像边缘检测算法抑制噪声能力差的问题,提出一种基于直觉模糊集(Intuitionistic Fuzzy Set,IFS)的边缘检测算法。该算法设定了一个表示平坦区域的模板图像,并在图像窗口内构造了一种同时考虑了图像梯度和图像窗口的方差信息的隶属度函数,然后通过计算图像窗口与模板图像之间的模糊直觉散度(Intuitionistic Fuzzy Divergence,IFD)对边缘进行定位和输出。实验结果表明,对于被高斯噪声或均匀噪声严重污染的图像,该算法能够得到较好的检测结果。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
模糊散度论文参考文献
[1].吴成茂,孙佳美.基于全散度的自适应鲁棒图形模糊聚类算法[J].兵工学报.2019
[2].刘祎,张权,张鹏程,宋胜涛,陈阳.基于直觉模糊散度的噪声图像边缘检测[J].计算机工程与应用.2017
[3].唐兴艳,崔卫花.基于类内最小模糊散度的边缘扫描算法[J].计算机工程与科学.2013
[4].张雪征,裴峥.模糊诱导有序加权平均算子的散度[J].西华大学学报(自然科学版).2012
[5].王珉,胡茑庆,秦国军.LRE试车数据挖掘中基于最大散度差的模糊聚类分析方法[J].国防科技大学学报.2011
[6].支晓斌,范九伦.基于模糊最大散度差判别准则的自适应特征提取模糊聚类算法[J].电子学报.2011
[7].张旭慧,辛小龙.模糊集上局部散度测度的几种构造法[J].计算机工程与应用.2010
[8].兰蓉,范九伦.基于α-型相对信息的模糊散度[J].工程数学学报.2010
[9].周丽,刘琼荪.一种基于散度的模糊数排序方法[J].模糊系统与数学.2010
[10].皋军,王士同.基于模糊最大散度差判别准则的聚类方法[J].软件学报.2009
论文知识图
