已閱讀1頁，還剩75頁未讀， 繼續(xù)免費閱讀
版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認(rèn)領(lǐng)
文檔簡介
1、系統(tǒng)模糊建模是現(xiàn)代控制理論的一個重要分支，已在各個領(lǐng)域廣泛應(yīng)用，并不斷取得新成果。模糊建模是通過輸入輸出測量數(shù)據(jù)，對模糊模型中的結(jié)構(gòu)和參數(shù)進行的辨識，從而對非線性系統(tǒng)進行描述。圖像分割的目的是根據(jù)色彩、紋理、灰度和運動等特征把圖像劃分成視覺上有意義的、具有相似屬性的一些區(qū)域，圖像分割的用途幾乎涉及有關(guān)圖像處理的所有領(lǐng)域。
本文首先研究了模糊建模的發(fā)展過程，并圍繞著改進的模糊聚類算法在模糊建模、圖像分割中的應(yīng)用展開討論和研究。<
2、br> 針對最近鄰模糊聚類算法可以克服聚類中心的任意初始化這一問題，以T-S模糊模型及非線性混沌動力系統(tǒng)為研究對象，對模糊聚類算法進行改進，通過引入局部劃分關(guān)聯(lián)度因子，平滑每組輸入樣本向量，并通過一系列的步驟優(yōu)化 T-S模糊模型結(jié)構(gòu)，描述動態(tài)系統(tǒng)的特性，提高了系統(tǒng)建模的魯棒性、建模精度和建模速度。
針對普通模糊聚類算法模糊建模模型精度低速度較慢以及用于圖像去噪及分割質(zhì)量較差的問題，引入空間限理論知識，通過鄰近樣本點平滑樣本中
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 模糊聚類的組合方法及其應(yīng)用研究.pdf
- 基于客觀聚類的模糊建模方法研究.pdf
- 人工免疫模糊聚類方法及其應(yīng)用研究.pdf
- 基于模糊聚類的大規(guī)模數(shù)據(jù)聚類算法及其應(yīng)用研究.pdf
- 模糊聚類算法應(yīng)用研究.pdf
- 基于遺傳算法的模糊聚類挖掘方法應(yīng)用研究.pdf
- 模糊聚類及其在中文文本聚類中的應(yīng)用研究.pdf
- 基于FCM模糊聚類的數(shù)字水印算法及其應(yīng)用研究.pdf
- 基于目標(biāo)函數(shù)的模糊聚類新算法及其應(yīng)用研究.pdf
- AFS聚類方法研究及其在模糊數(shù)據(jù)聚類中的應(yīng)用.pdf
- 改進的模糊聚類算法及其在電信欠費數(shù)據(jù)中的應(yīng)用研究.pdf
- Web事務(wù)聚類中模糊聚類算法的應(yīng)用研究.pdf
- 基于目標(biāo)函數(shù)改進的模糊聚類算法研究.pdf
- 基于核方法改進的模糊C-均值聚類算法.pdf
- 基于改進遺傳算法的模糊聚類研究及應(yīng)用.pdf
- 基于模糊聚類的客戶分類方法研究.pdf
- 基于模糊聚類的入侵檢測方法研究.pdf
- 改進的模糊聚類算法在入侵檢測中的應(yīng)用研究.pdf
- 模糊聚類在影像上的應(yīng)用研究.pdf
- 模糊聚類方法及其在中厚板軋制性能預(yù)測中的應(yīng)用研究.pdf
評論
0/150
提交評論