-
题名基于自适应可能性C均值的云相态识别方法
- 1
-
-
作者
周颖
李晨
李红旭
-
机构
南京信息工程大学电子与信息工程学院
无锡学院江苏省通感融合光子器件及系统集成工程研究中心
-
出处
《电子测量技术》
北大核心
2025年第7期28-35,共8页
-
基金
江苏省基础研究计划重点项目(BK20243021)
江苏省产学研合作项目(BY20230745)
+2 种基金
江苏省高等学校基础科学研究面上项目(22KJB510043)
无锡市科技创新创业资金“太湖之光”科技攻关计划(K20241049)
无锡学院引进人才科研启动专项经费(550222001,550221028,550223012)项目资助。
-
文摘
云相态不仅是气象学和气候学研究的重要参量,也是云参数反演的关键要素,准确识别云相态对天气监测和预报至关重要。传统的云相态识别方法多依赖阈值设定,主观性强且可靠性不高。为此,本研究提出了一种基于半监督的自适应可能性C均值算法,该算法通过半监督学习并结合自适应特征加权机制和正则化技术,增强了多维数据处理能力和分类的稳健性。通过对拉曼激光雷达和毫米波云雷达数据的应用,该方法能够实现对冰云、水占主体的混合云、冰占主体的混合云及过冷水云的精确分类。与算法改进前相比,分类准确率从0.699提升到0.967,显著提高了云相态分类的准确性。
-
关键词
云相态
可能性c均值算法
拉曼激光雷达
毫米波云雷达
-
Keywords
cloud phase
possibilistic c-means algorithm
Raman lidar
millimeter-wave cloud radar
-
分类号
TP413
[自动化与计算机技术]
TN98
[电子电信—信息与通信工程]
-
-
题名中心约束的跨源学习可能性C均值聚类算法
被引量：2
- 2
-
-
作者
夏洋洋
刘渊
黄亚东
-
机构
江南大学数字媒体学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2018年第5期72-78,共7页
-
基金
江苏省自然科学基金(No.BK20151131)
中央高校基本科研业务费专项资金(No.JUSPR51614A)
-
文摘
可能性C均值聚类算法(Possibilistic C-Means,PCM)相比于模糊C均值聚类算法(Fuzzy C-Means,FCM),能更好地处理含有噪音和例外点的数据,但在处理数据粘性较强的数据集时,PCM算法的聚类中心趋于一致,从而导致聚类算法直接失效。针对这个问题,提出了中心约束准则与跨域迁移学习准则,并将其应用到可能性C均值算法中,从而提出一种具有中心约束能力的聚类算法,简称中心约束的跨源学习聚类算法,改进后的算法能够利用跨域知识进行辅助聚类,确保类中心相互远离,从而能够保证算法的聚类性能。通过模拟数据集和真实数据集的实验,验证了该算法的上述优点。
-
关键词
迁移学习
类中心约束
可能性c均值算法
-
Keywords
transfer learning
central-constraints
possibilistic c-means algorithms
-
分类号
TP311.1
[自动化与计算机技术—计算机软件与理论]
-
-
题名结合中心约束改进聚类算法的社区发现技术
- 3
-
-
作者
夏洋洋
刘渊
黄亚东
-
机构
江南大学数字媒体学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2018年第8期265-270,共6页
-
基金
国家科技支撑计划课题(No.2015BAH54F00)
国家自然科学基金(No.61672264)
国家重点研发计划项目(No.2016YFB0800305)
-
文摘
进行社区发现时,首先从某一节点开始进行随机行走,计算两个节点之间的对称社会距离,并用此距离来分析两个用户节点之间的相关性。社交网络中存在着关系不均匀的现象,有些个体之间关系非常稠密,而有些却异常稀疏,由此构成的虚拟社区需要用特定的社区发现技术进行挖掘。前人提出过利用可能性C均值聚类算法(PCM)和处理好的社会距离进行社区发现,但通过虚拟社区算法评价的准确度指标发现,对于数据量大,数据粘性强的数据,其聚类效果并不理想。而聚类中心的好坏直接决定着聚类性能的好与坏,因此利用类中心约束方法对PCM算法进行改进,得到的新型聚类算法更加适用于真实网络数据集。实验针对真实数据集,利用准确度指标进行了验证。
-
关键词
对称社会距离
随机行走
可能性c均值算法
准确度指标
-
Keywords
symmertrical social distance
random walk
Possibilistic c-Means(PcM)algorithm
accuracy of indicators
-
分类号
TP311.1
[自动化与计算机技术—计算机软件与理论]
-
