徐烨晔
- 作品数：1 被引量：7H指数：1
- 供职机构：南京航空航天大学自动化学院更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于改进FCM算法的卫星云图聚类方法研究被引量：7
- 2013年
- 卫星云图是研究天气系统演变规律的重要信息,云层内容从卫星云图中提取出来可以有助于云图分析,减少陆地和海洋信息的干扰。为此采用了模糊C均值聚类算法(FCM)进行云图聚类,该算法具有计算效率高,过程简单的优点,但对初始聚类中心敏感,容易陷入局部最优解。针对此问题,本文将全局性良好的粒子群优化算法(PSO)引入FCM聚类算法,克服了初始聚类中心对全局收敛性的影响。同时,将阴影集理论与该混合算法结合起来,去除聚类过程中的异常值,提高算法的效率。通过红外云图聚类对比实验得出,改进的FCM算法与传统的FCM算法相比,聚类结果图的类间距离增大,类内距离减小,聚类质量有所提高。
- 李秀馨王敬东徐烨晔温家旺
- 关键词：模糊C均值算法粒子群算法
