导读:本文包含了模糊均值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,均值,算法,邻域,图像,指纹,磁共振。
模糊均值论文文献综述
张晓磊,潘卫军,陈佳炀,张智巍,王思禹[1]（2019）在《基于均值漂移与空间信息的导向模糊C均值遥感图像分割算法》一文中研究指出作为图像数据结构分割的重要工具,模糊C均值已被广泛应用于计算机视觉领域;然而模糊C均值在图像分割过程中不能有效地保留边缘和抑制噪声,往往得不到理想的分割结果;为解决这一问题,文章利用导向滤波器推导出一种新的改进模糊C均值算法;该算法的第一个创新点是其线性平移不变滤波过程,利用边缘保持平滑特性来保留分割中的边缘结构;第二个创新点是该技术通过将空间信息引入目标函数来改善对噪声的鲁棒性,空间信息通过导向滤波的平均输出获得;为了解决聚类算法中初始聚类中心问题,在图像分割过程中使用均值漂移算法选取初始聚类中心;文章方法的主要优点在于其对边缘保留和噪声具有鲁棒性,进而提高分割精度;基于合成图像和真实遥感图像的实验结果表明,与其他主流分割算法相比,该方法在分割性能方面表现出了良好的性能。(本文来源于《计算机测量与控制》期刊2019年11期）
沈雯[2]（2019）在《基于CIE LAB颜色模型和模糊C均值算法结合的火焰分割算法的研究》一文中研究指出目前视频图像型火灾探测技术不停地进步与完善,效果体现在复杂环境下,特别是大空间火灾探测的精准率得到大幅度提升,但是依然存在着诸多需要改进的地方。现在的图像型火灾探测算法中一般都存在着数据量较大的问题,为增加该算法的实用性、准确率,本文将对火焰分割进行系统研究。目标分割是开展图像特征提取和目标识别的前提和基础,起到关键性的作用,本文通过分析和借鉴当前的火焰分割算法,取长补短,积极探索建立了一种利用模糊C均值和CIE Lab颜色模型新的火焰分割方法。第一步利用CIE Lab空间设置火焰颜色模型,第二步根据不同颜色分量进行分割,第叁步利用模糊C均值算法计算出同一区域内的离散目标并进行合(本文来源于《电子世界》期刊2019年21期）
崔青,方欣,张志磊,王涛,张天伟[3]（2019）在《基于模糊c均值算法和改进归一化的变压器故障诊断方法》一文中研究指出溶解气体分析法是诊断变压器故障的重要方法。本文建立了基于模糊c均值算法的变压器故障诊断模型。为了研究模糊c均值算法模型中样本的不同归一化法(即考虑到不同气体反应故障的灵敏程度不同)对聚类结果的影响程度,首先对溶解气体成分样本使用3种方法进行归一化,这3种方法是离差变换法、一般浓度归一化法和特征浓度归一化法。然后将归一化后的样本作为FCM算法的输入,以所求的隶属度矩阵确定样本所属故障类型。实例计算结果表明,采用特征浓度归一化可提高故障判断准确度。(本文来源于《电气技术》期刊2019年11期）
曾四鸣,程慧,程超,李建芬[4]（2019）在《基于改进的模糊C均值算法电力负载预测研究》一文中研究指出为了提高电力负荷预测的精度,将天气、日期因素纳入到了计算的范畴中来,使用基于模糊聚类的对相似日进行选取,得出该日的短期电力负荷预测模型。本文算法将天气、日期因素建立起模糊系数特性映射表,实现了对应影响因素的量化处理,便于算法的实现。然后,使用模糊聚类算法对相关的数据进行分类,因为使用了相似日,因此,样本的数量得以大大减少,提高了算法的速度和准确度。本文的是力负荷模型将天气、日期考虑进了电力负荷预测影响的因素中去,减少了算法在预测上的随机性。仿真实验结果证明了该算法拥有更高的预测精度。(本文来源于《科技通报》期刊2019年10期）
王勋,李廷会,潘骁,田宇[5]（2019）在《基于改进模糊C均值聚类与Otsu的图像分割方法》一文中研究指出针对背景与前景颜色差别较小的原木图像分割效果不理想的情况,本文给出了模糊C均值聚类与Otsu相结合的图像分割方法。该方法首先以标准原木数据库为样本,之后使用模糊C均值聚类算法把背景与前景颜色差别较小的原木样本图像分割成2类,其次利用准则函数找出前景分割结果,最后把该结果作为Otsu算法的输入,对原木样本图像进行再次分割。实验结果表明,本文研究的算法比单独使用模糊C均值聚类算法、Otsu和同类算法有较好的分割效果和较高的分割准确率,边缘信息保留较好,平均分割准确率提高2个百分点。(本文来源于《广西师范大学学报(自然科学版)》期刊2019年04期）
姚美琴,胡黄水,王出航,韩优佳[6]（2019）在《无线传感网能量约束模糊c-均值聚类算法》一文中研究指出引入能量限制项来提高聚类算法对能量的敏感性。在聚类过程中,最优聚类数由cos指数的最大值决定。仿真结果表明,与LEACH算法相比,该算法能够获得合理的簇头节点分布,延迟了第一个节点的死亡时间。延长了网络生命周期,平衡节点的能耗。(本文来源于《长春工业大学学报》期刊2019年05期）
杜卓群,周霞,梁程光,邓孟桠[7]（2019）在《公共安全管理中恐怖袭击事件分级研究——基于熵值法-模糊C均值聚类算法》一文中研究指出随着国内外公共安全形势日趋复杂,城市安全管理能力不足问题凸显.恐怖袭击事件具有较强的杀伤力和破坏力,扰乱正常的生活生产秩序,对公共安全有重大影响.因此,高效、精准地评估事件级别,迅速合理地制定处置方案在公共安全管理中有重要作用.基于美国马里兰大学全球恐怖活动数据库,运用熵值法判断出恐怖袭击事件危害性主要体现于死亡人数和武器类型.采用模糊C均值聚类算法将恐怖袭击事件进行分级,分析恐怖袭击事件的危害性以及时间序列趋势,得出不同等级事件的特征,提出精细化分级管理的建议.(本文来源于《北京建筑大学学报》期刊2019年03期）
武一,张朝旭,田小森[8]（2019）在《改进模糊C均值软划分管理指纹库的WiFi定位》一文中研究指出针对WiFi指纹定位中管理指纹库的聚类方法不稳定,且类交界附近定位性能差的问题。研究使用粒子群算法改进模糊C均值聚类,并提出隶属度最小间隔的想法,将不能明确分类的指纹划分至多个子指纹库实现具有交叉的软划分管理。期间针对标准粒子群容易陷入局部最优出现早熟的不足,将满意度与线性递减惯性系数结合并引入突变。通过查看由聚类导致误差增大的发生区域,分析类交界处定位性能差的原因,将指纹库进行不同重合程度的软划分。结果表明,改进后的粒子群算法寻优能力更好,而且与改进粒子群算法融合的模糊C均值聚类结果稳定不受初始值影响,将软划分和多种硬聚类对比,类交界附近定位误差明显减小,说明软划分指纹库更适合指纹定位。(本文来源于《测控技术》期刊2019年09期）
陈世超,杜太生,王素芬[9]（2019）在《基于模糊c均值聚类法的玉米农田管理分区研究》一文中研究指出为提高大面积农田作物管理的精确性,以甘肃黄羊河农场玉米膜下滴灌示范区为研究对象,对大面积农田进行管理分区研究。综合考虑地形属性(高程、坡度、坡向)、土壤质地(砂粒、粘粒、粉粒含量)、土壤含水率(SWC)、速效氮含量(AN)、电导率(EC_(1:5))以及玉米产量,根据相关性分析结果筛选产量主控因子,使用主成分分析得到3个主成分作为分区依据,进而使用模糊c均值聚类法(Fuzzy c-means algorithm,FCM)进行管理区划分,以模糊性能指数和归一化分类熵作为最佳分区数的评判依据,分析管理分区后各分区间的差异。结果表明:玉米产量的主控因子分别为土壤粉粒含量、土壤砂粒含量、SWC、AN、EC_(1∶5)和高程,使用模糊c均值聚类法进行聚类分区得到最优分区数为3个。管理区之间各主控因子呈现极显着差异性(P <0. 01),且生育期内作物株高、叶面积指数(LAI)和SWC在不同分区中也有明显差异;同时,分区内的各因子变异性均有不同程度的下降。研究结果说明,农田分区管理可以依据不同分区特点制定管理策略,为"精准农业"的实施提供理论基础。(本文来源于《农业机械学报》期刊2019年11期）
任彤[10]（2019）在《基于快速模糊C均值和邻域空间信息的脑部MR图像分割》一文中研究指出目的提出一种改进的模糊C均值聚类算法,并将其应用于脑部MR图像分割。方法首先,采用最大距离测度选取FCM初始聚类中心;然后,采用硬分类方法更新聚类中心和空间邻域信息构建隶属度函数,最后完成图像各区域分类。结果采用人工合成图像和临床实例脑部MR图像进行仿真实验,结果显示基于空间信息的SFCM/SFFCM算法所得图像噪声水平低于传统的FCM/FFCM算法。定量分析显示基于SFCM_(1,1)/SFFCM_(1,1)的分类评价指标模糊位置系数Vpc(0.944)和位置信息熵Vpe(0.043)均最优,SFFCM_(1,1)程序耗时较标准FCM降低了37.2%～82.9%,迭代次数减少5～20次。结论本研究提出的SFFCM分割算法收敛速度更快,精确度更高,是一种可行的脑部MR图像分割算法。(本文来源于《中国医疗设备》期刊2019年09期）
模糊均值论文开题报告
（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：
目前视频图像型火灾探测技术不停地进步与完善,效果体现在复杂环境下,特别是大空间火灾探测的精准率得到大幅度提升,但是依然存在着诸多需要改进的地方。现在的图像型火灾探测算法中一般都存在着数据量较大的问题,为增加该算法的实用性、准确率,本文将对火焰分割进行系统研究。目标分割是开展图像特征提取和目标识别的前提和基础,起到关键性的作用,本文通过分析和借鉴当前的火焰分割算法,取长补短,积极探索建立了一种利用模糊C均值和CIE Lab颜色模型新的火焰分割方法。第一步利用CIE Lab空间设置火焰颜色模型,第二步根据不同颜色分量进行分割,第叁步利用模糊C均值算法计算出同一区域内的离散目标并进行合
（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。
模糊均值论文参考文献
[1].张晓磊,潘卫军,陈佳炀,张智巍,王思禹.基于均值漂移与空间信息的导向模糊C均值遥感图像分割算法[J].计算机测量与控制.2019
[2].沈雯.基于CIELAB颜色模型和模糊C均值算法结合的火焰分割算法的研究[J].电子世界.2019
[3].崔青,方欣,张志磊,王涛,张天伟.基于模糊c均值算法和改进归一化的变压器故障诊断方法[J].电气技术.2019
[4].曾四鸣,程慧,程超,李建芬.基于改进的模糊C均值算法电力负载预测研究[J].科技通报.2019
[5].王勋,李廷会,潘骁,田宇.基于改进模糊C均值聚类与Otsu的图像分割方法[J].广西师范大学学报(自然科学版).2019
[6].姚美琴,胡黄水,王出航,韩优佳.无线传感网能量约束模糊c-均值聚类算法[J].长春工业大学学报.2019
[7].杜卓群,周霞,梁程光,邓孟桠.公共安全管理中恐怖袭击事件分级研究——基于熵值法-模糊C均值聚类算法[J].北京建筑大学学报.2019
[8].武一,张朝旭,田小森.改进模糊C均值软划分管理指纹库的WiFi定位[J].测控技术.2019
[9].陈世超,杜太生,王素芬.基于模糊c均值聚类法的玉米农田管理分区研究[J].农业机械学报.2019
[10].任彤.基于快速模糊C均值和邻域空间信息的脑部MR图像分割[J].中国医疗设备.2019
论文知识图
