王帅[1]2008年在《基于模糊聚类分析的图像分割研究》文中研究说明图像分割是指把图像分解成各具特性的区域并提取出有用目标的技术,它是由图像处理到图像分析的一个关键步骤,已在诸如计算机视觉、图像编码、模式识别和医学图像分析等很多领域有着实际的应用。根据图像自身存在许多不确定性和不精确性,近年来一些学者将模糊聚类应用于图像分割中,效果要好于传统的图像分割方法。本文首先系统地介绍了模糊数学基本理论和方法,并且以数据集的划分引出了硬C均值算法和模糊C均值算法,接着针对模糊C均值聚类算法的不足之处进行了改进。然后阐述了图像分割的定义和现有的几类图像分割算法,将改进的模糊C均值聚类算法应用于图像分割。针对经典FCM算法的缺点,在两个方面进行了改进:一是通过对聚类对象的模糊隶属度加权,来减少样本矢量间对聚类效果的影响;二是通过改进模糊隶属度,克服了图像周围像素对聚类分类的干扰。论文把改进的FCM算法应用于图像分割。本文对基于邻域像素影响的FCM算法的图像分割进行了探讨,然后从模糊隶属度约束的角度出发,得到一种FCM图像分割算法。实验表明这种新的算法具有良好的图像分割效果。
张晋[2]2014年在《城市轨道交通线网结构特性研究》文中研究表明摘要:城市轨道交通作为城市综合交通运输系统的重要组成,承载了城市居民大量的日常出行活动,是城市繁荣、有序及可持续发展的重要支撑条件。近年来,我国的城市轨道交通经过快速发展,已有众多大城市进入了轨道交通的网络化时代,因此对于轨道交通线网结构,尤其是拓扑结构的研究显得十分重要。线网规划作为轨道交通建设工作中重要的前期内容,对后续的设计、建设及运营都会造成重要影响,因此在规划阶段站在全局的角度,充分考虑轨道交通网络化效应对后续阶段的影响,对保证轨道交通系统高效、稳定、可持续的发展具有重要意义。本文将近年来新兴起并快速发展的网络科学理论与轨道交通线网规划工作相结合,利用定量化的方法研究轨道交通网络拓扑结构特性,按照宏观特征、复杂性分析、微观节点重要度及网络稳定性的研究思路对国际上40个城市的轨道交通线网进行分析。主要包括以下内容:1.收集国际上40个城市的轨道交通线网数据,建立相应拓扑结构模型。2.利用轨道交通线网的宏观数据构建分析指标,从网络发展程度、网络形态、结构效率等角度对轨道交通线网的宏观特征进行分析,进一步对城市轨道交通线网的演化模式进行定位、分类,为我国城市轨道交通线网规划在宏观层面上提供参考、建议。3.通过Space L、Space P拓扑结构模型表现轨道交通线网的空间实体结构和换乘关系,分别分析两种模型的无标度、小世界特性及相应演化规律,研究影响网络平均出行距离、换乘效率的因素,从拓扑结构角度提出优化建议。4.利用网络中心性指标对轨道交通网络微观层面的节点重要度进行分析。构建基于接近中心性的节点可达性指标;根据介数中心性分析网络负荷分布规律以及负荷分布随网络规模增长的变化趋势,在此基础上提出轨道线网发展建议。5.基于轨道交通线网复杂性及中心性特点,采用模拟实验的方式对轨道交通网络鲁棒性进行分析,分析轨道交通线网在不同攻击方式下的抗毁性,提出相应规划建议以及网络防护策略;6.利用本文提出方法对北京市2015规划线网和现状轨道线网进行实例分析。
孙玎[3]2014年在《基于图论和聚类分析相融合的电网故障诊断研究》文中研究说明随着信息技术和智能电网的发展,电网建设的日新月异,基于电网故障诊断的广域后备保护系统是一个必然的发展趋势。广域后备保护系统能够为传统继电保护系统做出合理的补充。目前,以同步相量测量单元为基础的广域测量系统日趋成熟,并且已经应用在部分电力系统中,为电网故障诊断的信息获取打开了新的思路。综合这两点,本文对基于WAMS系统的电网故障诊断开展了研究。WAMS是对电力系统运行的状态进行实时动态监测的系统。本文以实际WAMS系统为例对系统的结构以及PMU基础单元进行了研究,对基于广域信息进行故障诊断的优势进行了总结。传统故障诊断方法采用保护、开关动作等遥信量信息,难以满足广域后备保护对时间的要求。本文采用WAMS系统提供的实时遥测信息,通过对谱系聚类和K-means聚类两种方法单独故障诊断结果的对比分析,提出将谱系聚类和K-means聚类法结合进行故障诊断更为合理。针对通信系统数据传输的误码和信息丢失问题,提出图论与聚类分析相结合的电网故障诊断新方法。融合法在信息传输正常和异常的情况下,均能完成快速、准确的故障元件定位,提高了故障诊断的容错性能。通过与谱系聚类和K-means聚类法的对比分析,得出融合法与K-means聚类法相结合能够更出色的完成故障诊断。通过IEEE39节点系统进行仿真,验证了融合法的有效性。对电网故障诊断向广域后备保护系统做了延伸,对广域后备保护系统的结构进行研究,提出了广域后备保护系统的动作策略。在故障诊断算法中加入故障类型判别流程,该方法可有效提升故障诊断的准确性。本论文受到广东省教育厅电力节能与能源技术重点实验室资助项目基金(ZDSYSZOO701)的资助。
孙亚[4]2014年在《基于分层理论的电网故障诊断及脆弱性评估方法研究》文中认为随着电力系统规模的不断扩大和电力负荷的持续增长,电力系统的结构也日益复杂。一旦电力系统发生故障,要准确的分析和判断故障位置、性质以及准时的排除故障,是一件非常困难的事情。为了提高电力系统的可靠性与安全性,当电网发生故障或扰动时,仍能保持电网正常运行,防止大规模停电事故的发生,且在自然灾害、极端气候条件或外力破坏情况下仍能保证电网安全、稳定地运行。因此采用的基于分层理论的大规模电网故障诊断研究具有十分重要的意义。针对大规模电网中存在的结构复杂性、运行状态多变性,电网故障信息量大、故障诊断的复杂性,以及故障诊断的速度和精度难以保证等问题,论文做出了如下工作:首先,论文分析了数据采集与监控系统、综合调度数据平台、广域量测系统、继电保护信息系统等多个监控系统的在电网故障诊断的作用和地位,这些数据平台为电网故障诊断提供了各种电气量信息、开关与保护信息等故障诊断的关键信息数据,这为电网的分层的故障诊断提供了数据来源。其次,论文提出了基于图论的电网分层方法并针对电网脆弱性进行评估,考虑到电网拓扑的实际情况,根据图论的最优化问题,对大规模电网的拓扑图中的节点构造Laplace矩阵,应用Fiedler向量方法对大规模电网的节点间进行划分;论文还提出了以大规模电网中节点的电压、频率、相角的关联度值为优化对象,根据模糊C-均值的方法,对大规模电网进行分层。通过这种方法可以将大规模电网分割成若干区域,这样就可以针对每个小区域进行故障诊断。能够把复杂的问题进行相对简单化处理,降低了故障诊断的难度,提高故障诊断的效率。最后,对大规模电力系统进行脆弱性评估,通过简化电力系统的脆弱性传播模型和分析电力系统的脆弱源和传播方向,再根据给定的节点电压以及相角阈值指标进行分析,有效的反映了电力系统脆弱性的重要性。为电力系统的故障诊断提供了理论基础。
张春明[5]2004年在《图论在聚类分析中的应用》文中研究指明本文讨论聚类分析中的系统聚类法、模糊聚类法和灰色聚类法,着重探讨其聚类的图论方法。 第一章 介绍聚类分析的基本知识。 第二章 讨论系统聚类分析及其中着名的最短距离法,指出了最短距离法即为图论中求赋权连通图最小支撑树Kruskal算法的变形,得到了最短距离法的优良性质: 定理2.1对最短距离法和k=n-1,n-2,…,1成立。它说明最短距离法得到的系统H=(P_n,P_(n-1),…,P_1)对每个m=n-1,n-2,…,2,P_m既是分离性最好的m-剖分,又是相似性最好的m-剖分。 第叁章讨论模糊聚类分析及其常用的传递闭包法,指出这种聚类方法的复杂性,定义了模糊关系图G=(X,E,(?))及其中两点u,v间的连通强度S(u,v),证明了S是X上的模糊等价关系、G=(X,E,(?))的最大支撑树具有如下性质: 定理3.2 设T是模糊关系图G=(X,E,(?))的一棵支撑树,则以下陈述等价: (1)T是G的最大支撑树; (2)对于任意的e'∈E(T),从T中移出e'得T_1,T_2,则w(e')=(?)w(e); (3)对任意的u,v∈X(u≠v),T中u,v之间的惟一路是G中最优(u,v)路。并建立了G=(X,E,(?))中任两点的连通强度和(?)的传递闭包t((?))之间的关系:定理“.“设X二!xl,花,…,xn}的传递闭包t(尽)=尽”=(‘(”,),、。图,则,尽=(动nx,是X上的模糊相似关系,尽G=(X,E,豹是与
徐贺贺[6]2013年在《图聚类算法及其在社交网络中的应用》文中研究说明随着信息网络的高速发展,真实世界的数据量正在呈指数增长,并且呈现大样本、更新快、含噪声等特点。因此如何从含噪声的大规模数据中提取有效信息,如何挖掘大样本数据的社区结构,如何提高挖掘社区结构的效率和质量,便成为了一个核心问题。聚类(或分类)是数学、计算科学、管理科学等领域的热门研究话题,并且在诸如模式识别、数据分析、通信、生物以及商务等领域有着广泛的应用。图聚类,就是应用图理论对真实网络进行分析,用图来表示数据集中的规律现象。图聚类分析方法作为数据挖掘技术中的重要方法之一,同时为海量数据的研究分析提供了一种方法,并被广泛应用到现实社交的各个领域,如模式识别、生物网络、基因网络及其电子商务等。与普通的数值聚类不同的是,基于图理论的聚类具有其本身的特殊性,可以用图来表示数据集中的相似程度。Web2.0时代的到来,社交网络正在全世界范围内流行起来。随着微博、社区、空间等的发展,社交网站渐渐在人们的日常娱乐中占了重要的地位。如我们所熟知的Facebook、人人网等社交网络平台,也已经拥有超过亿真实注册用户。社交网络数据多、数据量大,且社交网络同时作为数据挖掘的一个新的方向,吸引着越来越多研究者的关注,社区结构发现成为分析社交网络的一个重要研究方向,但是如何有效且高效的挖掘出社区结构,至今没有完全解决。基于上述的问题,本文将社区发现问题与图聚类算法结合起来,以全局和局部两个步骤来分层挖掘复杂网络重迭社区结构,并引入社交网络真实数据,实验验证结果。本文的贡献如下:(1)本文首先阐述社交网络的研究背景、意义以及国内外研究现状,总结了一些典型的社区结构发现算法以及典型的图聚类算法,并分析它们的优缺点。(2)通过启发式的重迭社区挖掘算法的研究,提出一种新的全局及局部相结合的GL算法,该算法首先全局划分生成候选种子集,然后局部凝聚种子集,挖掘出重迭社区结构。(3)设计和实现了上述各算法,并将其应用于空手道俱乐部关系网络和海豚家族关系网络来自真实世界的网络聚类分析基准测试数据集。通过在真实数据集上进行验证,改进后的算法使得聚类过程更加快速、聚类结果更加清晰,提出的算法合理有效,最后对文中提出的GL算法与传统算法进行了比较分析。
付艳秋[7]2008年在《数据挖掘中模糊聚类与聚类集成研究》文中进行了进一步梳理数据收集和数据存储技术的快速进步使得各组织机构积累海量数据,如何提取有用信息已经成为巨大挑战。数据挖掘技术应运而生,并显示出强大的生命力。聚类分析是数据挖掘任务中的重要分支。所谓聚类就是按照事物的某些属性,把事物聚集成类,使类间的相似性尽量小,类内相似性尽量大。传统的聚类分析是一种“硬”划分,它把每个待辨识的对象严格地划分到某个类中,具有“非此即彼”的性质,所以这种划分的界限很分明。但实际上现实生活中大多数对象并没有严格的属性,它们在形态和类属性方面存在着中介性,具有“亦此亦彼”的性质,因此比较适合进行“软”划分。模糊集理论的提出为这种软划分提供了有力的分析工具,人们开始用模糊的方法来处理聚类问题,并称之为模糊聚类分析。高维数据聚类问题被公认为较难处理的一种聚类问题。本文简要介绍了模糊集合和模糊关系概念,总结了模糊聚类的原则和通用的方法,讨论了常用的模糊聚类算法,在此基础上提出了基于图论的高属性维稀疏数据的模糊聚类算法。有效地实现对不同类型高属性维稀疏数据的归并,使得聚类结果更符合实际情况,聚类质量较高。由于聚类分析的重要性和特殊性,近年来该领域的研究取得了长足的发展,涌现出了许多聚类分析的方法。聚类集成方法将不同算法或在同一算法下使用不同参数得到的结果进行集成,从而得到比单一算法更为优越的结果。但绝大多数聚类集成方法的研究都集中在硬划分上,即研究如何对硬聚类算法进行集成,在模糊聚类算法方面尚缺乏建树。针对该种情况,本文提出了一种模糊聚类集成的决策模型。该模型同时考虑“专家决策”和“多数投票”机制将模糊c-均值(Fuzzy c-means,FCM)算法设定不同参数得到的不同结果进行集成,最后通过对人工数据集、UCI数据集及Web数据集等多组实验,验证了该模型的有效性。
王丽[8]2010年在《图论在算法设计中的应用》文中提出图论是一门古老的学科,它的诞生可追溯到1736年。在离散数学领域内,图论占有主导地位。图论具有直观、清晰、解决问题简捷等特点,更重要的是,实际中的许多实际问题可以划成等价的图论问题。正因为如此,图论具有广泛的应用价值,图论可将各种复杂的工程系统和管理问题用“图”来描述,然后用数学方法求得最优结果。图论中所研究的“图”,是由若干个点,称作顶点和若干条连接两顶点的线段称作边,组成。通常顶点可用来表示事物,边用来表示这些事物之间的关系。顶点的位置、边的长短是无关紧要的,当是可以设定不同的边的权值来表示顶点问的关系强弱。图论是解决许多工程问题中算法设计的一种有效地数学模型,便于计算分析和计算机存储。算法是解决问题的一系列步骤的集合。因此,算法设计与分析对于问题的解决至关重要。作为离散数学重要的组成部分,图论已成为当今算法设计中的一项重要内容。因为图论与算法问题有着密切关系,“图”为一些算法问题提供了一个直观的数学平台,图的理论也为这些算法的实现提供了理论依据。事实上,众多的算法问题都直接或间接地与图有关。例如在NP完全问题中有相当一部分是图论问题或与“图”有关。基于图论的上述优点,从而将图论的相关理论引用到算法设计中来。本文首先介绍一些图论的理论以及他们的应用。从最小生成树得到的算法出发,分析和总结最小生成树算法的优点和不足,进而提出一种基于最小生成树的改进算法应用于聚类分析算法中,之后对算法进行了分析,从中解释它在解决一些聚类问题的高效性优点。
郝立颖[9]2008年在《太阳能光伏发电系统设计及供电系统优化方法研究》文中研究指明以常规能源为基础的能源结构随着资源的不断耗用以及环境污染问题的日益严重将愈来愈不适应可持续发展的需要,加速开发利用以太阳能为主题的可再生能源已成为人们的共识。太阳能光伏发电系统是利用太阳电池半导体材料的光生伏打效应,将太阳光辐射能直接转换为电能的一种新型发电系统。利用洁净的太阳光能的光伏发电技术有着十分广阔的应用前景。本文首先介绍了光伏系统的发电原理、组成及分类,并设计了一套太阳能光伏发电系统,且将其成功运用于猪岛和湖平岛发电,为我国用太阳能光伏发电技术解决无电区的供电问题作出了贡献,并积累了宝贵的经验。在此基础上,本文以提高光伏系统的经济运行为原则,从理论上对蓄电池组进行了研究。根据蓄电池的容量与放电电流的关系,即蓄电池放电电流不同,所能够放出的容量也不相同,放电电流越大,能够放出的电量越小,提出了一种电流控制的蓄电池组动态管理策略,着重于通过添加间歇时间和容量驱动机制,完成由一组蓄电池到另一组蓄电池的切换过渡,从而延长蓄电池组的使用寿命。光伏系统中逆变器输出的220V AC电能通过低压架空线路送到终端用户,低压电网拓扑结构的优化可以降低光伏系统的运行成本。最后本文创造性地将变电站供电范围用K-means聚类算法分成若干个较小的分区,并在每个小分区内用改进的最小生成树算法进行低压电网拓扑结构优化,从而完成了对整个太阳能光伏电站供电网络的整体优化。经过MATLAB程序调试与仿真表明,线损有所降低,提高了光伏系统中电能的利用率。
姚碧圆[10]2017年在《基于图论算法的无线信道特征提取与场景识别研究》文中研究表明本研究旨在发掘和鉴别所测得的信道数据的指纹特点,并证实其在不同场景的所具有的特性。本研究包括五部分内容:无线信道特性;建模及特性提取;场景指纹辨识;场景复合指纹辨识;场景区域辨识与匹配。1.基于图论知识介绍无线信道的特征。基于这项研究工作,明确无线信道特征。2.基于叁种场景的真实信道测量数据,采用数字信号处理和主成分分析法对信道的特性进行提取和建模。研究结果说明,该模型体现的信道特征与实际测量的数据有较好的吻合度。3.引入神经网络重点研究两个待测场景的识别。通过对样本数据的离线训练与在线识别匹配,使得待测场景都获得匹配。实验结果表明,该辨识模型有效,学习的自适应性较好。4.采用聚类分析研究无线信道复合场景的鉴别。对不同路段的分析结果进行对比,得到结论:路段可以依据指纹划分的区域数量进行分类。研究结果表明,算法对信道的区分、辨识和分类的方法是有效的。5.采用时间序列分析和决策树模型对某区域的场景识别与匹配研究。结果表明,所提供的两个信道样本误判概率小。
参考文献:
[1]. 基于模糊聚类分析的图像分割研究[D]. 王帅. 东北大学. 2008
[2]. 城市轨道交通线网结构特性研究[D]. 张晋. 北京交通大学. 2014
[3]. 基于图论和聚类分析相融合的电网故障诊断研究[D]. 孙玎. 广东工业大学. 2014
[4]. 基于分层理论的电网故障诊断及脆弱性评估方法研究[D]. 孙亚. 东北大学. 2014
[5]. 图论在聚类分析中的应用[D]. 张春明. 山东师范大学. 2004
[6]. 图聚类算法及其在社交网络中的应用[D]. 徐贺贺. 安徽工程大学. 2013
[7]. 数据挖掘中模糊聚类与聚类集成研究[D]. 付艳秋. 西南交通大学. 2008
[8]. 图论在算法设计中的应用[D]. 王丽. 西安电子科技大学. 2010
[9]. 太阳能光伏发电系统设计及供电系统优化方法研究[D]. 郝立颖. 东北大学. 2008
[10]. 基于图论算法的无线信道特征提取与场景识别研究[D]. 姚碧圆. 海南大学. 2017
标签:数学论文; 图论论文; 聚类论文; 故障诊断论文; 模糊聚类分析论文; 图像分割论文; 模糊理论论文; 模糊算法论文; 网络模型论文; 关系模型论文; 模糊神经网络论文; 网络结构论文; 场景应用论文; 能源论文;