导读:本文包含了改进模糊划分论文开题报告文献综述及选题提纲参考文献，主要关键词:指纹定位,指纹库软划分,模糊C均值聚类,粒子群优化
改进模糊划分论文文献综述
武一,张朝旭,田小森[1]（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）
樊国旗,蔺红,程林,张锋,樊国伟[2]（2019）在《基于K均值模式划分改进模糊聚类与BP神经网络的风力发电预测研究》一文中研究指出为了克服模糊聚类不能反应数据内部差别的不足,提出了一种基于模式划分改进的模糊聚类与BP神经网络的风电功率预测算法。该算法首先确定最佳的模式划分数,接着将不同的风速模式下的历史风速数据进行模糊聚类以确定关联系数,并对关联系数高的历史风速数据和发电数据进行训练,然后利用BP神经网络得出风电预测功率。以新疆某地区实际风力发电数据作为仿真算例,对比分析了所提算法与未改进模糊聚类与BP神经网络在风力发电预测中的误差,结果表明所提算法克服了模糊聚类的缺点,具有更高的精度,对地区发电计划安排具有较高的价值。(本文来源于《智慧电力》期刊2019年05期）
董志辉,林凌雪[3]（2019）在《基于改进模糊C均值聚类时段划分的配电网动态重构》一文中研究指出随着大量光伏和风电等间歇性电源接入配电网,传统的静态重构方案不再适用于动态变化下的网络。在此背景下,提出了一种基于改进模糊均值聚类的动态重构策略。首先依据分布式电源(distributedgenerator,DG)和负荷的时变性建立确定性等值负荷预测曲线,通过改进的模糊C均值聚类算法进行时段划分,并且利用损失函数确定最优时段划分方案。其次采用区间数描述DG和负荷预测的不确定性并建立以网损区间值最低为目标函数的动态重构模型,并引入仿射泰勒扩展的潮流计算法求解区间潮流方程。最后采用基于回路搜索的十进制粒子群算法对重构模型进行求解,实现不确定因素下的配电网动态重构。通过IEEE33节点系统仿真验证了所提方法的有效性和优越性。(本文来源于《电网技术》期刊2019年07期）
苏庆,章静芳,林正鑫,李小妹,蔡昭权[4]（2019）在《改进模糊划分聚类的协同过滤推荐算法》一文中研究指出针对传统协同过滤(CF)推荐算法存在评分矩阵稀疏、扩展性弱和推荐准确率低的缺陷,提出一种改进模糊划分聚类的协同过滤推荐算法(GIFP-CCF+)。在传统基于修正余弦相似度计算方法上,引入时间差因子、热门物品权重因子以及冷门物品权重因子以改善相似度计算结果;同时引入改进模糊划分的GIFP-FCM算法,将属性特征相似的项目聚成一类,构造索引矩阵,同索引间根据项目间的相似度寻找项目最近邻居构成推荐,从而提高协同过滤算法(CF)的精度。通过与Kmeans-CF、FCM-CF和GIFP-CCF算法进行仿真对比实验,证明了GIFP-CCF+算法在推荐结果和推荐精度上具有一定的优越性。(本文来源于《计算机工程与应用》期刊2019年05期）
温惠英,卢德佑,吴亚平,曾强[5]（2018）在《改进模糊聚类方法的物流园交通小区划分》一文中研究指出为获取物流园交通小区的最佳分类结果,首先对物流园进行定性划分,然后构造加权模糊相似矩阵,再利用邻接矩阵对加权模糊相似矩阵进行修正,采用改进的模糊聚类方法对小区进行聚类合并,并且基于类内距离和类间距离构造F指标以确定最佳分类数.实验结果表明,基于改进的模糊聚类方法能够较大程度地减少物流园交通小区数量,并且能够快速得到较好的小区分类,还能避免将地理位置不相邻的小区划分为同一类.(本文来源于《哈尔滨工业大学学报》期刊2018年03期）
张宇献,刘通,董晓,李松[6]（2014）在《基于改进划分系数的模糊聚类有效性函数》一文中研究指出针对典型模糊聚类算法难以准确获取最佳聚类数的问题,提出了一种基于改进划分系数的模糊聚类有效性函数.在划分系数方法基础上,将类与类之间的分离性和类内的紧致性相结合,引入指数函数有效抑制噪声和孤立点数据对聚类有效性的影响.仿真实验将所提及的聚类有效性函数应用于模糊C均值聚类中,分别对两组自定义数据集和IRIS数据集进行了有效性验证,实验结果表明,本文提出的模糊聚类有效性函数能够准确划分最佳聚类数.(本文来源于《沈阳工业大学学报》期刊2014年04期）
乔永卫,肖春景,杨慧[7]（2012）在《用自动模糊划分与改进Apriori算法生成QAR关联规则》一文中研究指出针对属性粒度模糊划分需事先给定与Aprirori算法效率低的问题,提出基于自动模糊划分和改进Apriori算法的QAR关联规则生成方法。首先对QAR数据进行空缺值填补等预处理;然后给出最佳聚类准则并根据给出的最佳聚类准则得到最佳聚类,从而对QAR属性完成自动模糊划分及隶属函数的确定;之后通过记录数据项位置及简化连接与剪枝过程来提高Apriori算法的效率;并将其应用到QAR关联规则的生成过程;最后通过品质和性能度量两方面的实验,表明此方法在各方面的性能均优于经典方法。(本文来源于《电光与控制》期刊2012年05期）
马淑梅,黄立辉,李爱平,段建国[8]（2012）在《运用改进模糊C均值算法的复杂产品功构单元模块划分方法》一文中研究指出为了解决目前已有聚类方法在复杂产品功构单元模块划分过程中存在的问题,提出了一种基于改进模糊C均值算法(D-FCM)的产品功构单元模块划分方法。该方法运用距离矩阵生成样本分层聚类树,结合F统计量方法确定模糊C均值算法最佳聚类数,在此基础上,应用模糊C均值算法进行聚类分析,获得聚类结果。最后,结合实际项目给出该聚类方法在机床模块划分过程中的典型应用,对该方法进行实例验证。以此为基础,开发出机床模块划分系统平台。系统实现及设计结果表明了所提出方法的有效性,为面向配置设计的机床模块划分提供了另一种有效的模块划分方法。(本文来源于《现代制造工程》期刊2012年02期）
徐强,李静,陈健云[9]（2009）在《改进的灾害损失等级模糊划分模型》一文中研究指出为解决如下问题:自然灾害损失的定量评估和等级划分是灾害研究中的一项复杂而又困难的工作,在进行评价时,常遇到针对同一问题,不同的人会建立不同的隶属函数,具有随意性,不利于评价结果的比较;评价的因素可能存在相互关系,从而相互影响。首先对相关的指标进行正交分解,目的是去除导致灾害损失的因素的相关性;然后用遗传算法进行独立因素的隶属度确定,得到最优隶属度;最后用模糊理论识别自然灾害危害度程度,并结合贵州毕节地区泥石流危害度评价。模型对识别自然灾害危害度程度有较好的效果。(本文来源于《辽宁工程技术大学学报(自然科学版)》期刊2009年05期）
朱林,王士同,邓赵红[10]（2009）在《改进模糊划分的FCM聚类算法的一般化研究》一文中研究指出聚类分析是无监督模式识别中的一种重要方法,已广泛应用于数据挖掘、图像处理、计算机视觉、生物信息和文本分析中.在聚类算法中,模糊指数m对聚类结果有十分重要的影响.针对IFP-FCM算法模糊指数m被限定为2的问题,提出了一般化的改进模糊划分的FCM聚类算法GIFP-FCM.通过引入新的隶属度约束,解决了IFP-FCM算法模糊指数m的一般化问题;同时GIFP-FCM算法从Voronoi距离和竞争学习的角度对其鲁棒性和快速收敛性进行了合理解释;其次,通过引入模糊程度系数α,使得FCM算法和IFP-FCM算法分别表示为GIFP-FCM算法在α等于0和α趋于1时的特例.实验结果表明,GIFP-FCM算法较之于IFP-FCM和FCM算法具有更好的鲁棒性和参数适应性;在纹理图像分割中,GIFP-FCM也明显优于IFP-FCM和FCM算法.(本文来源于《计算机研究与发展》期刊2009年05期）
改进模糊划分论文开题报告
（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：
为了克服模糊聚类不能反应数据内部差别的不足,提出了一种基于模式划分改进的模糊聚类与BP神经网络的风电功率预测算法。该算法首先确定最佳的模式划分数,接着将不同的风速模式下的历史风速数据进行模糊聚类以确定关联系数,并对关联系数高的历史风速数据和发电数据进行训练,然后利用BP神经网络得出风电预测功率。以新疆某地区实际风力发电数据作为仿真算例,对比分析了所提算法与未改进模糊聚类与BP神经网络在风力发电预测中的误差,结果表明所提算法克服了模糊聚类的缺点,具有更高的精度,对地区发电计划安排具有较高的价值。
（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。
改进模糊划分论文参考文献
[1].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
[2].樊国旗,蔺红,程林,张锋,樊国伟.基于K均值模式划分改进模糊聚类与BP神经网络的风力发电预测研究[J].智慧电力.2019
[3].董志辉,林凌雪.基于改进模糊C均值聚类时段划分的配电网动态重构[J].电网技术.2019
[4].苏庆,章静芳,林正鑫,李小妹,蔡昭权.改进模糊划分聚类的协同过滤推荐算法[J].计算机工程与应用.2019
[5].温惠英,卢德佑,吴亚平,曾强.改进模糊聚类方法的物流园交通小区划分[J].哈尔滨工业大学学报.2018
[6].张宇献,刘通,董晓,李松.基于改进划分系数的模糊聚类有效性函数[J].沈阳工业大学学报.2014
[7].乔永卫,肖春景,杨慧.用自动模糊划分与改进Apriori算法生成QAR关联规则[J].电光与控制.2012
[8].马淑梅,黄立辉,李爱平,段建国.运用改进模糊C均值算法的复杂产品功构单元模块划分方法[J].现代制造工程.2012
[9].徐强,李静,陈健云.改进的灾害损失等级模糊划分模型[J].辽宁工程技术大学学报(自然科学版).2009
[10].朱林,王士同,邓赵红.改进模糊划分的FCM聚类算法的一般化研究[J].计算机研究与发展.2009