Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: rozmyta metoda c-średnich

Sortuj według:

Ogranicz wyniki do:

First-arrival picking through fuzzy c-means and robust locally weighted regression

Gao Lei, Liu Dang, Luo Guan Feng, Song Guo Jie, Min Fan

Acta Geophysica

2021

Vol. 69, no. 5

1623--1636

First-arrival picking is a crucial step in seismic data processing. Because of the diverse background noises and irregular near-surface conditions, it is difcult to pick frst arrivals. In addition, existing algorithms are usually sensitive to parameter settings. Therefore, this paper proposes the frst-arrival picking through fuzzy c-means and robust locally weighted regression (FPFR) algorithm consisting of two subroutines. The pre-picking subroutine obtains initial frst arrivals through fuzzy c-means clustering and adaptive cluster-selection techniques. The smoothing subroutine handles background noises and near-ground conditions through adaptive parameter regression technique. The experiment is conducted on six feld seismic datasets and one synthetic dataset. Results show that FPFR is more accurate than three state-of-the-art methods.

Rozmyta analiza skupień Punktów pomiarowych pobranej mocy biernej

Bielecki S.

Rynek Energii

2012

Nr 4

13--18

Analiza skupień wartości pobranej mocy w kolejnych odcinkach czasu może dostarczyć informacji zarówno o charakterystycznych wycinkach profili poboru mocy, jak i ilości typów całych profili. W artykule przedstawione zostały rezultaty działania zaimplementowanego algorytmu grupowania wektorów danych. Analizie poddano dane pomiarowe pobranej w 15-minutowych odcinkach czasu mocy biernej przez pojedynczych odbiorców w ciągu roku, grupując zarówno całe profile dobowe, jak i poszczególne punkty czasowe poboru mocy w ciągu doby. W przypadku grupowania całych profili, najlepsze podziały uzyskano dla liczby grup z zakresu od 2 do 6, większy rozrzut liczby klas uzyskano przy grupowaniu punktów w obrębie doby. Opracowany algorytm opierał się na rozmytej metodzie klasteryzacji c-średnich z dodatkowymi elementami poprawiającymi jego funkcjonalność. Zadanie polegało na takim podziale zbioru obserwacji z wielowymiarowej przestrzeni, aby dane przyporządkowane do jednej grupy były w większym stopniu podobne do siebie niż do jakiejkolwiek innej. Rozmyte podejście umożliwia częściową przynależność poszczególnych elementów do wielu grup. W pracy przebadano różne rodzaje wskaźników oceny jakości grupowania. Wyniki przeprowadzonych badań pozwalają stwierdzić, że najbardziej przydatne okazują się wskaźniki jakości Fukuyamy-Sugeno oraz wskaźnik rozmytych rozproszeń.

A cluster analysis of data of power consumption in terms can inform about the characteristic points in power consumption profiles as well as a number of models of profiles. In this paper are presented the results of cluster algorithm application. By the analysis have been dealt with measurements data of reactive power consumption by single customers and clustering day-profile as well as individual term consumption have been executed. The best results of clustering have been obtained by clustering of profiles for the number of clusters between 2 and 6, more dispersed range has been observed by clustering of term consumption. In the adapted algorithm has been used Fuzzy C-Means with addition elements improving functionality. In the paper the test results of various indexes of cluster validity have been presented. The experiments have shown that Fukuyama-Sugeno index and Fuzzy Dispersion index are more useful.