沙秀艳
- 作品数：13 被引量：141H指数：6
- 供职机构：鲁东大学数学与统计科学学院更多>>
- 发文基金：国家自然科学基金山东省统计科研重点课题鲁东大学校基金更多>>
- 相关领域：自动化与计算机技术理学电子电信经济管理更多>>
- 改进的GM(1,1)灰色预测模型及其应用被引量：39
- 2016年
- 针对传统GM(1,1)模型预测精度不高,并且其背景值优化与求解方法优化各具有片面性的缺点,文章给出了组合优化和分段优化两种改进方法,并结合国内居民消费水平的相关统计数据,利用传统GM(1,1)模型及其优化后的模型与两种方法的误差进行对比,表明改进后的灰色模型精度更高,且预测值与实际值较吻合,说明改进后的灰色预测模型的可行性与可靠性更好。
- 王璐沙秀艳薛颖
- 关键词：GM(1,1)模型
- 基于GM(1,1)灰色预测模型的改进与应用被引量：64
- 2016年
- 针对传统的GM(1,1)模型预测精度不高,并且其求解优化与多项式拟合各有片面性的缺点,给出了基于求解优化和多项式拟合优化相结合的改进灰色等维动态预测方法。结合美国近两百年人口的相关统计数据,利用传统的GM(1,1)模型及其优化后的模型进行误差比较。结果表明改进后的灰色模型预测精度更高,说明改进后的灰色预测模型的可行性与可靠性更好。
- 李梦婉沙秀艳
- 关键词：灰色预测多项式拟合
- 基于快速二维熵的加权模糊C均值聚类图像分割被引量：3
- 2012年
- 提出了一种结合快速二维熵和加权模糊C均值聚类的图像分割方法。采用快速二维熵算法对实际图像进行初步分割求得目标和背景的中心,然后采用样本点像素与其邻域灰度像素的差别表征该样本点对分类的影响程度,最后利用加权模糊C均值聚类算法完成图像分割。该方法一方面解决了传统的模糊C均值聚类算法对初始值敏感的问题,另一方面克服了传统的聚类算法对数据集进行等划分的缺陷。实验结果表明,该方法不仅具有良好的收敛性,而且还可以有效地把目标从背景中分割出来,具有重要的实际应用价值。
- 沙秀艳王贞俭
- 关键词：模糊C均值聚类二维熵图像分割
- 邻域灰度差加权的模糊C均值聚类图像分割算法被引量：6
- 2008年
- 模糊C均值(FCM)算法用于灰度图像分割是一种非监督模糊聚类后再标定的过程,适合灰度图像中存在着模糊和不确定性的特点。但是这种算法没有考虑到样本空间中不同的样本点对分类的贡献不同,因此分割效果不理想。提出了邻域灰度差加权的模糊C均值聚类算法,实验结果表明,该算法不仅取得了很好的分割效果,而且加快了算法的收敛速度,从而满足了图像分割的有效性、实时性的要求。
- 沙秀艳何友王贞俭
- 关键词：图象分割模糊C均值聚类
- 基于框架理论的Banach空间的框架和原子分解的构造及其膨胀
- 2006年
- 利用框架理论研究了Banach空间的框架和原子分解的构造以及Banach框架的膨胀性质.
- 辛杰沙秀艳
- 关键词：原子分解SCHAUDER基
- 利用拉格朗日松弛算法求解三维分配问题被引量：3
- 2006年
- 将拉格朗日松弛算法与最优求解算法的复杂性进行了分析比较,并将该算法应用于求解3-D分配问题,分析与算例结果表明,该算法可大幅度降低3-D分配问题的求解计算量,是求解3-D分配问题的一种有效算法.
- 周莉隋蕾沙秀艳
- 关键词：最优解
- 基于改进模糊聚类算法的灰色预测模型被引量：6
- 2017年
- 目前研究的模糊C均值聚类算法(FCM)面临的最重要问题是初始值随机选取,导致其容易陷入局部最优,同时影响运算速度。而灰色预测GM(1,1)模型在形成预测公式时对初始值的选取也没有合理有效的方案。针对以上问题,文章提出坐标密度法,确定初始聚类中心,对FCM算法进行改进;接着提出运用改进的FCM求取GM(1,1)中数据的聚类中心,并把聚类中心作为初始值的方法;通过与已知算法进行比较验证了其可行性和有效性。
- 薛颖沙秀艳
- 关键词：模糊C均值聚类
- 基于最大熵的模糊核聚类图像分割方法被引量：6
- 2011年
- 传统聚类算法易陷入局部极值,在数据线性不可分时分类效果较差。为此,提出一种基于最大熵的模糊核聚类图像分割方法。采用最大熵算法对原始图像进行初步分割,求得初始聚类中心;引入Mercer核函数,把输入空间的样本映射到高维特征空间,并在特征空间中进行图像分割。实验结果表明,该方法能减少迭代次数,使分类结果更稳定,从而较好地把目标从背景中分割出来。
- 沙秀艳辛杰
- 关键词：模糊核聚类最大熵图像分割
- 基于阈值分割的数学形态学道路标识线检测被引量：2
- 2007年
- 针对边缘检测算子对噪声敏感的缺点,提出了一种新的基于阈值分割的形态学道路标识线的检测方法.仿真结果表明,这种方法保留了更多的图像细节,具有更强的去除噪声能力,可以有效地从道路图像中检测道路标识线.
- 沙秀艳何友
- 关键词：边缘检测形态学阈值分割
- 基于加权模糊C均值聚类的图像分割算法被引量：5
- 2007年
- 模糊C均值(FCM)算法用于灰度图像分割是一种非监督模糊聚类后再标定的过程,适合灰度图像中存在着模糊和不确定性的特点.但是这种算法存在着本质上的缺陷,就是仅利用了图像的灰度信息,而没有考虑像素的空间信息,使得其对于实际的含有噪声的图像分割效果不理想.因此,提出了一种新的加权模糊C均值聚类算法,实践证明,该方法可以有效地、实时地把目标从背景中分割出来,并具有较强的鲁棒性.
- 沙秀艳何友
- 关键词：图像分割模糊C均值聚类二维直方图
