摘要：针对传统图像分割算法对不同类型噪声敏感性缺陷的问题,基于临近像素空间距离的模糊c均值聚类算法即SF-cM(fuzzy c means clustering algorithm based on the space distance of the nearest pixels)算法,采用核化的空间距离公式,将点到点之间的距离转化为点到空间的距离,很好的平衡了考察像素点临近像素点的灰度信息与位置信息间的关系,进一步克服了临近像素的位置差异对考察像素影响不同的缺点。通过在合成图像和自然图像上的大量实验并与几个传统算法进行对比,不仅表现出了很强的抗干扰能力,提高了聚类精度,并且很好的保留了原图像边缘等细节信息,体现出了较强的鲁棒性。

摘要：一个成功的案例推理系统高度取决于如何设计出一个精确并且高效的案例检索机制。提出用特征加权c均值聚类算法(WF-c-means)把源案例中的初始案例分成几类。在WF-c-means的分类结果基础上提出了案例索引方案。实验表明,研究的结果对于一个现实的案例推理系统非常有用。

摘要：信息大数据技术的发展推进了建筑企业的改革与创新。为了提升企业信息化管理水准,研究基于万维网(World Wide Web,web)与数据存储技术来构建智慧工程管理平台。首先是完成功能模块以及数据库部分的设计,其次引入考勤质量评价系统,结合一种改进的c均值聚类算法构建智能化的考勤评价系统。在系统实现效果比较中,比较了同类评价模型的应用效果。研究模型在上午9:00时,数据处理量为581条,优于别的模型。同时,在运行时间以及评价成功率比较中,研究模型均有更好的表现。研究的内容将为建筑的创新以及信息化部署提供重要的技术支持。

摘要：针对基于粒子群的模糊聚类算法以隶属度编码时对噪音敏感,以及处理样本数小于样本维数的数据集效果较差等问题,通过改进其中的模糊聚类约束方法,提出一种改进的基于粒子群的模糊聚类方法。当样本对各类的隶属度之和不为1时,新方法在粒子群优化得出的隶属度基础上,根据样本与各类之间的距离对隶属度进一步分配,以使隶属度满足模糊聚类约束条件。新方法显著地改善了在隶属度编码下使用粒子群进行模糊聚类的效果,并通过典型的数据集进行了验证。

摘要：为了提高机器学习任务执行效率并实现资源与任务的最佳匹配,在传统调度问题理论基础上对调度概念进行拓展,提出一种新的问题解决方案。该解决方案包括基于任务数据相似性原理,对任务集进行特征属性提取,构建以调度算法资源准确率较高为评价目标的数学模型。在考虑资源和任务匹配程度的前提下设计一种基于改进的简化粒子群优化的模糊c均值聚类算法,根据任务聚类结果设计新的基于机器学习任务聚类的任务调度算法。实验结果表明,构建的数学模型在大多数情况下性能良好,优化的聚类算法调用算法准确率比传统方法约高0.3~0.8个百分点,能够有效提高任务调度有效性。