區(qū)間二型模糊聚類算法研究及其在電力牽引監(jiān)控系統(tǒng)中的應(yīng)用.pdf

1、模糊聚類算法因其類人的邏輯語言及易于實(shí)現(xiàn)的優(yōu)點(diǎn)稱為了聚類分析的最主流研究方法，且在圖像分割、大規(guī)模數(shù)據(jù)分析、數(shù)據(jù)挖掘、模式識(shí)別等眾多領(lǐng)域中得到廣泛應(yīng)用。模糊理論為模糊聚類分析提供了理論基礎(chǔ)，隨著模糊理論的發(fā)展，一型模糊集處理不確定性能力差的缺陷逐漸顯現(xiàn)，因此擁有更強(qiáng)處理不確定性能力的二型模糊集成為了模糊理論研究的熱點(diǎn)。在模糊控制等領(lǐng)域中，二型模糊集已經(jīng)表現(xiàn)出優(yōu)于一型模糊集的處理能力。然而在模糊聚類分析中，二型模糊集的應(yīng)用仍處于起步階段。

2、
　　雖然目前二型模糊集在模糊聚類分析中已經(jīng)有成功地嘗試，并提出了較為有效的區(qū)間二型和廣義二型模糊聚類算法，但是由于二型模糊集的運(yùn)算復(fù)雜度較高，直接制約了二型模糊聚類算法的發(fā)展與應(yīng)用。為提升二型聚類算法的運(yùn)算效率以及處理大數(shù)據(jù)量樣本的能力，通過對(duì)區(qū)間二型模糊聚類算法的深入研究，提出了結(jié)合降型特點(diǎn)的初始化聚類中心方法，并對(duì)降型運(yùn)算的初值選擇和運(yùn)算過程進(jìn)行優(yōu)化，消除了傳統(tǒng)方法的計(jì)算冗余。通過大量的實(shí)驗(yàn)結(jié)果表明，優(yōu)化的區(qū)間二型模糊聚類算

3、法在運(yùn)算效率上較傳統(tǒng)算法有約40％的提升。
　　由于模糊聚類分析處理的數(shù)據(jù)類型多種多樣，單一的聚類算法無法滿足不同數(shù)據(jù)的聚類要求，因此二型模糊聚類算法的推廣需要結(jié)合不同的研究背景展開。圖像分割作為模糊聚類分析的一個(gè)重要應(yīng)用方向，是目標(biāo)識(shí)別、圖像理解、計(jì)算機(jī)視覺研究中最基本、最重要的處理步驟和關(guān)鍵技術(shù)。首先，對(duì)于現(xiàn)有的圖像分割模糊聚類算法進(jìn)行歸納總結(jié)，并分析了改進(jìn)方法在區(qū)間二型模糊聚類中應(yīng)用的可能性。同時(shí)，考慮二型模糊聚類算法的有效

4、性評(píng)估處于空白狀態(tài)，將一型模糊聚類算法的有效性函數(shù)進(jìn)行了擴(kuò)展，提出了幾種適用于區(qū)間二型模糊聚類算法的廣義有效性函數(shù)。此外，結(jié)合圖像分割中圖像像素點(diǎn)相互關(guān)聯(lián)的特點(diǎn)，提出了描述像素點(diǎn)鄰域信息的空間隸屬度函數(shù)。通過引入空間隸屬度函數(shù)的區(qū)間二型模糊聚類算法進(jìn)行圖像分割，提高了算法對(duì)于噪聲點(diǎn)以及邊緣處像素點(diǎn)的劃分精度。對(duì)人造圖像及醫(yī)學(xué)圖像的分割結(jié)果驗(yàn)證了所提算法的有效性。
　　作為接觸網(wǎng)與受電弓的唯一連接部件，受電弓滑板肩負(fù)著保障機(jī)車運(yùn)行動(dòng)

5、力的使命。由于鐵路系統(tǒng)的不斷提速，受電弓滑板的損耗情況日益嚴(yán)重。及時(shí)檢測受電弓滑板的磨耗狀態(tài)并更換過限滑板是鐵路安全檢測的重要任務(wù)。隨著智能化鐵路監(jiān)控系統(tǒng)的發(fā)展，數(shù)字圖像處理技術(shù)成為了受電弓滑板狀態(tài)檢測的重要手段。而圖像分割作為圖像目標(biāo)提取與后期處理的重要步驟，其分割結(jié)果的好壞直接影響圖像處理的最終結(jié)果。傳統(tǒng)圖像檢測算法在檢測現(xiàn)場圖像時(shí)易受噪聲、天氣、光照等眾多因素影響，導(dǎo)致檢測到的滑板邊緣線段不連續(xù)，從而影響檢測的精確度。因此，考慮將