摘要：风电实时运行数据在采集、传输和存储过程中的缺失值问题,给基于运行数据的风电功率预测等应用带来困难。针对以上问题,提出一种基于自适应模糊聚类的近邻填补算法aFCM-KNN。鉴于风电数据自身具有的强随机性和波动性,基于FCM算法根据风速对风电数据进行工况聚类,为解决FCM需人为设定聚类个数受主观影响较大的问题,依据风电数据分布特征设计了一个自适应确定聚类个数的策略;考虑到聚类后直接填补容易受噪声的影响,基于KNN算法根据缺失值所在样本的近邻点对每个子簇内的缺失值进行填补,进一步提高了填补精度。在实际数据上的测试分析表明,与其它六种常用填补算法相比,该方法的填补准确率更高。

摘要：受红线宽度所限,部分城市道路采用了行人与非机动车共享空间的断面形式。近年来,共享单车、外卖快递发展迅猛,慢行共享空间中行人和非机动车相互影响,交通冲突显著增加。根据深圳市4条行人与非机动车共享路段上交通调查获取的数据,对交通冲突的类型和数量进行统计分析,采用模糊C均值聚类分析方法,提出基于交通冲突数的慢行共享路段服务水平划分方法,得到完整连续的基于冲突数的服务水平划分标准及状态描述表,可为慢行空间的规划设计和管理提供参考。

摘要：为满足大规模定制和产业集群下多品种、小批量的市场需求和订单动态波动的客户需求以及车间低成本、高稳健性的布局要求,设计了以单位面积布置成本、单位产品物流成本和布局熵为优化指标的多目标布局优化模型。提出了基于Pareto优化的聚类并行多目标遗传算法,引入模糊C-均值聚类算法以提高Pareto解集分布的多样性与均匀性,设计了多元胞差分进化重插入操作与基于“精英策略”的移民操作,增强了算法全局与局部搜索能力,有效避免了早熟现象。通过典型算例对比,验证了模型和算法的有效性;同时在企业布局实例应用中,获得了既能满足低成本又能将布局熵值控制在理想范围内的车间布局方案,表明模型具有良好的实用性。

摘要：尺度可控的局部区域(RSF)活动轮廓模型可用于灰度不均匀图像的分割,但存在初始化敏感和易陷入局部极小值的缺点,从而限制了其实际应用,因此提出了一种结合模糊聚类区域信息的变分水平集活动轮廓模型.该模型采用了模糊均值聚类(FCM)算法对图像进行预处理,将预处理结果二值化后作为下一步水平集演化的初始轮廓,解决了初始化敏感问题;设计了一个灰度域上的核函数,将其与RSF模型的空域核的一个线性组合作为局部能量项,弥补了采样权值仅与空间距离有关的缺陷,提高了分割精度;将聚类分析得到的模糊隶属度作为图像的全局信息,结合改进的CV模型,作为全局拟合力,增加了模型的自适应性,并加快了模型的收敛速度.实验结果表明,该模型能够自动初始化,抗噪性能强,对灰度不均匀图像有很好的分割效果.

摘要：针对高校学业困难学生过程化管理的预警需求,通过学生的入学成绩、学期成绩、一卡通应用数据、早操考勤和学籍处理等状态数据,基于大数据处理思想,提出用核函数的模糊均值聚类(KFCM)改进支持向量机(SVM)数据决策算法,开展学生学业预警决策研究,为教师或学生个人及早采取有效干预措施提供技术支持。经仿真对比分析,本文改进算法相比传统SVM、BP神经网络、遗传算法优化支持向量机(GA-SVM)数据决策算法,在解决学生学业预警领域具有较大优势,有一定推广应用价值。