试论模糊聚类分析法以震报震时指标的选取

文章以青海海西地区(33°——39°;94°——103°)为研究地区,讨论该地应用模糊聚类分析法以震报震时,资料的选取对聚类效果的影响,从而找出了在该地应用模糊聚类分析的较佳方法。 模糊聚类的基本思路是;在很多个选取或经验样本中,将比较接近(相似系数较大或距离较小)的样本归为一类,并以此将样本分为几大类。然后,加入待预报的样本重新进行聚类,进入那一类样本,便以那一类预报。     

基于区间值模糊C-均值算法的土地覆盖分类

用区间值数据描述聚类原型特征更符合遥感数据的模糊性特点,即传感器获取的地物反射光谱的不确定性和不均匀性在影像上的反映.本文以遥感影像数据为基础构建了区间值数据模型,并提出一种区间最大相异度量方法,进而进行基于区间值数据的模糊C-均值聚类.利用珠三角地区SPOT5卫星和青海玉树附近的TM影像数据进行基于区间值模糊C-均值算法的土地覆盖分类实验.结果表明区间值数据的模糊C-均值算法兼顾了模糊聚类的泛函特性和地物反射光谱的条带特点,从而可以明显改善聚类效果,尤其可以降低"同物异谱"现象对聚类结果的不利影响,而区间最大相异度量可实现基于多波段遥感影像构建的区间向量的最大可分离度,有效抑制类间光谱混叠造成的错分现象,进一步改善聚类效果,最终结果明显优于传统的模糊C-均值聚类方法.     

模糊集理论与灰色系统理论在地震预报中的综合应用

把研究不确定信息的两种理论方法,即模糊集理论与灰色系统理论的方法综合应用于地震预报当中,在以下三方面取得了初步研究结果:(1)地震预测的灰色模糊模型.在灰色系统理论 GM(1.1)模型的基础上,把模糊数学的表达方式和灰色突变预测结合在一起,建立了地震预测的灰色模糊模型,为地震预报实用化提出了一种新的可能的途径,并给出了初步应用实例;(2)地震模糊聚类预测中指标优劣的灰色建模判断.仍以 GM(1,1)灰色建模为基础,在模糊聚类分析之前作指标择优处理,减少了指标选择的盲目性.以1975年以来江苏及其邻区的地震活动资料为例,进行了分析计算,结果比较清晰,比一般模糊聚类结果有所改进:(3)关联度和模糊聚类在地震预报中的联合应用.把灰色系统理论中的关联度方法和模糊集理论中的模糊聚类分析方法,联合应用于地震预报研究当中,以华北地区每年地震强度预测为例进行了初步探讨.本文的初步研究结果表明,地震预报所依据的不少信息和指标都带有灰色模糊的性质,因而,综合使用模糊集理论与灰色系统理论的方法可望取得更为有效的结果.      

中强以上地震的震后趋势早期综合判断方法的研究

利用一次中强以上地震(M0>4.7)发生后头3天的地震序列资料,应用模式识别、模糊聚类等方法对未来3个月内是否可能发生相当(M=M00.3)或更大(M>M0)地震作综合判定研究.回顾性预报评分结果表明,应用这些应用数学方法作综合判定比单项方法的效果明显地好.其中模式识别 CORA-3算法的 V 评分值最高,44个已知地震序列样本(5个Ⅰ类,39个Ⅱ类)参加学习和训练,内符识别全部正确.对事先留下的最后4个已知地震序列(2个Ⅰ类,2个Ⅱ类)作外推检验也全对.对研究过程中新发生的二次地震序列,一次正确,一次误判.亨明(Hamming)方法和模糊聚类方法分类的内符评分 V 可达0.8以上.外推也多数正确.      

基于FCM聚类算法的颅内出血CT图像分割

为了提高计算机辅助诊断系统的颅内出血病灶分割准确率,提出一种新的颅脑CT图像分割方法,被怀疑为出血的区域可快速而有效地分割出来。首先利用颅内结构提取算法提取颅内区域;然后利用两次模糊c均值聚类算法完成出血区域分割。第一次模糊c均值聚类确定疑似颅内出血的区域,根据脑出血CT图像特点,将中心点灰度值最高的类作为第二次模糊c均值聚类对象,第二次模糊c均值聚类分割出疑似出血区域,最后对颅脑CT图像进行实验,验证方法的可行性。实验结果表明该方法对颅脑出血CT图像病灶的分割是有效的。     

用模糊聚类方法进行地震危险区划的初步尝试

地震危险区划工作是地震工作的一项重要任务,但是地震危险区划工作本身往往具有一定的模糊性。本文正是基于地震危险区划工作的这种特点,用模糊聚类的方法,对四川地区地震危险区作出一定的估计,取得了一些初步的结果。一、模糊聚类的基本思想及方法所谓模糊聚类,就是把所给定的对象在某种意义下分成相似的族,     

应用模糊数学方法对鄱阳湖地区构造稳定性进行评价

在详细阐释模糊聚类中目标函数聚类原理和方法基础上,选取22个与鄱阳湖区构造稳定性有关的变量,并利用KLL变换对该22个变量进行处理后,选取前5个因子变量代替原22个变量.采用网格单元的划分将全区分成167个网格单元,应用目标函数聚类方法(ISODATA)将全区167个单元进分成四个类别,利用GIS技术将该四个类别展布在空间上,根据它们各自的空间分布规律结合该地区现有的遥感图像线性构造解译成果和已有的地质、地震、重力、航磁等资料对四个类别区的构造稳定性进行分析,最终得出该区稳定性程度总体上由低至高为第一类区、第二类区、第三类区、第四类区.     

模糊聚类在不良地质洞段红外探水中的应用

在玉昆铁路柿花树隧道不良地质发育的洞段进行红外探水工作期间,常用的分析方法有时无法预判掌子面前方是否存在隐伏水体或含水构造。为了提高红外探水短距离预报的准确率,用模糊聚类法将掌子面测点场强的数据分类,根据开挖传递的地质信息,研究模糊聚类结果的变化规律、突水风险与岩体破碎程度之间的关系。实践证明,模糊聚类法和常用分析方法的结合,使红外探水取得了较好的预判效果。     

模糊聚类与遗传算法相结合的卫星云图云分类

针对模糊C均值聚类（FCM）方法存在的缺陷,提出运用遗传算法（GA）全局寻优与FCM局部寻优以及模糊减法聚类客观估算聚类数等优势互补的思想和途径进行卫星云图云分类判别.试验结果表明,综合方法（GA\|FCM）的云分类效果明显优于单一的FCM和GA算法,可有效弥补FCM和GA算法在云分类中存在的不足,并可运用于实况云图中云类的客观、自动判别.     

地震活动性的综合判断

地震活动性的许多特点在中强震之前会有所显示,本文试图选用其中某些指标,采纳ISODATA模糊聚类方法进行多项地震活动性指标的综合判断.该方法将样本反复聚类,直到达到一定精度要求为止,且不易出现预报样本独立成类问题.当所选的每项指标均携有一定有震模糊信息(平均有震从属度大于0.5)时,该方法可以综合多项指标作合理判断,把有震、无震样本归入不同类别.由待预报样本所进入类别的震情性质得到预报信息. 本文作了月预报和半年预报的实例验算,结果良好.      

一种自适应多分辨率图聚类测井相分析方法（英文）

测井相分析是通过自动聚类方法对多维测井曲线进行分析,进而进行相聚类与预测。基于图的多分辨率聚类(MultiResolution Graph-based Clustering,MRGC)方法是一种常用的测井相分析方法,然而MRGC算法非常耗时,并且在传播过程中高度依赖初始参数,实际应用效益差。本文提出了一种自适应多分辨率图聚类(Adaptive Multi Resolution Graph based Clustering,AMRGC)分析方法。该方法不仅能提高测井相计算效率,而且能获得稳定的测井相传播结果。本文方法的两个核心算法是:1)轻核代表指数(L-KRI)算法只需计算少量"自由吸引"点,有效提高了计算效率;2)采用了反向传播算法(BP)与多层感知器(MLP)神经网络,有效避免了传统K近邻算法因随机初始化参数导致的不稳定结果。实验结果表明,本文方法在聚类和传播预测任务上优于传统的MRGC方法,具有更高的运行效率和稳定性;同时,在没有数据先验知识的条件下效果明显优于自组织映射(SOM)、动态聚类(DYN)和自底向上的层次聚类(AHC)等其它常用聚类方法。     

对中强地震发震时间的模糊灰色预测

本文视地震系统为模糊灰色系统,由此建立关于发震时间的模糊灰色预测模型,该模型认为已知地震样本集及待预测集的震级分布属模糊正态分布,应用模糊聚类思路于样本集元素的选取,引入最佳震级从属函数μ~*的选择过程。针对可能产生的趋势性偏差,根据实际资料对模型进行了修正。并以华北平原地震带、燕山渤海地震带及山西地震带为例,对模糊灰色GM(1,1)预测模型的实际应用及有关问题进行了初步讨论。     

基于自适应区间二型模糊聚类的遥感土地覆盖自动分类

遥感影像土地覆盖分类面临"类别密度差异显著"、"同谱异物"和"同物异谱"等不确定性问题,传统的分类方法(如FCM)因不能描述高阶模糊不确定性,无法完成准确建模,使分类误差较大,而二型模糊集恰是处理此类不确定性的有效工具.在引入二型模糊集新概念和自适应降型新方法的基础上,提出一种自适应二型模糊分类方法(A-IT2FCM):(1)基于样本集模糊距离度量构建面向分类的区间二型模糊集,以尽可能降低对先验知识和预设参数的依赖,从而满足自动分类的要求;(2)给出一种自适应探求等价一型代表(模糊)集合的高效降型方法,在此基础上进行自适应区间二型模糊聚类.实验数据为珠海横琴和北京颐和园的SPOT5影像数据,对比方法有AIT2FCM、基于Karnik-Mendel算法降型和基于Tizhoosh提出的简易降型方法的区间二型模糊C均值聚类以及作者前期研究提出的区间值模糊C-均值算法(IV-FCM).实验结果表明,A-IT2FCM方法分类效果佳,在类别具有较大密度差异和多重模糊性时能得到比FCM及IV-FCM更精确的边界和更连贯的类别,适于处理遥感影像土地覆盖类别的深层不确定性;同时在"光谱混叠"现象严重时,可以获得比对比方法更稳健、精度更高的影像自动分类结果,且时间复杂度明显低于基于Karnik-Mendel方法.     

PP聚类在震群分析中的应用研究

以1972——1992年新疆98个震群为样本，用U，K，最大地震序列的能量比等8个参数作为测量震群形态的特征量，应用PP聚类方法对它们进行了数值聚类分析．结果表明:这98个震群大体可分为A，B，C，D四类．A类震群有24个，其中18个震群发生后，未来12个月内，震群周围有强震发生；而在共计61个C，D类震群中，只有7个在震群发生后，未来12个月内，震群后周围有强震发生；B类震群后的强震发生率仅为3/11，可见，采用PP聚类方法，能有效地识别出前兆震群(A类)，正确地判断震群周围地区的中短期地震趋势． PP聚类方法是一种有效的新兴分类法，能广泛地应用于地震序列的类型判别等多项分类中．      

场地砂土地震液化的模糊聚类分析

鉴于场地砂土地震液化的概念以及某些主要影响因子都是不确切的,具有中间过渡性质,无明确的内涵和外延。故文中提出了一个新的分析途径,即模糊聚类分圻的方法,来预测现场砂层的液化。根据地震的基本数据和土层的性状,应用模糊聚类的分析方法将50个场地砂层地震液化的历史资料划分为5类,作为预测场地砂层液化的模糊模式。这种分析方法除具有研究模糊问题的功用外,还县有在分析时既不需要任何假定,也不引入任何试验误差等优点。 文中最后基于所建立的模糊模式,预测了90个场地液化的历史资料,表明所建议的方法是有效而可行的。     

应用聚类分析对水库营养类型分类和0—1高指标判别方法

以聚类中正相(Q)分析方法对19座水库进行了营养类型的分类,并与模糊聚类分析进行了比较。同时,建立了水库营养类型0—1高指标的判别方法。最后,设计了通用的分析和计算程序,并指出水库营养类型分类中还需进—步解决的问题。     

东湖天蓝喇叭虫(Stentor coeruleus)种群的离散分化

利用筛选的12条10 bp的随机引物对采自武汉市东湖(3个样点)、南湖(3个样点)、月湖(1个样点)和关桥(1个样点)四个水体的天蓝喇叭虫(Stentor coeruleus)种群进行了随机扩增多态DNA(RAPD)研究,所得清晰条带显示不同样点样本之间存在着一定的变异,其遗传距离在0.076-0.416之间.用Rapdistance 1.04构建聚类图并探讨不同样点之间的遗传距离远近.结果显示南湖的3样点的遗传距离较近,在聚类图上聚成一枝,应该为同一个种群;而东湖的3个样点可能是由于地理隔离原因,在聚类图上有2个样点聚成一枝,而另1个样点被其他样点所分隔,不属于同一个种群.这种现象的发现从实例上支持了生物地理学关于物种形成的离散假说.更有意义的是本研究可启动水体微生物种群分化和物种形成及过渡的研究,并期望促进种群生态学方面的研究和谱系生物地理学及离散分化生物地理学的发展.     

多属性模糊聚类在辽河滩海沉积相研究中的应用

由于辽河滩海地质条件复杂以及勘探资料的局限性,使得该地区存在沉积相变快,物源分布不清等问题,严重影响了辽河油田对勘探目标的认识和评价.本文针对研究区钻井少且分布不均等难题,提出采用多属性模糊聚类地震相自动划分技术进行沉积相的划分.该技术通过交会图、相关系数等优化方法选择出对沉积砂体最敏感的地震属性,再结合模糊聚类方法将优选出的多个地震属性进行聚类,使反映相同沉积体的地震属性聚为一类,形成地震相图.通过综合岩心宏观和微观特征描述,结合测井、录井和分析化验等资料,对辽河滩海西部地区古近系沙河街组的沉积相进行了细致地分析.     

喀喇昆仑山—西昆仑山地区的湖泊及其水资源区划初探

喀喇昆仑山—西昆仑山地区的各水系水资源状况差异较大。本文试用模糊聚类方法,对该地区的水资源区划进行探讨,初步得出3个类型的划分。     

最大树法模糊聚类分析在台湾地区地震预报中的应用

运用最大树法模糊聚类分析,将台湾地区1936年至1989年间的35个地震事件分成了三类6型,并运用聚类结果对1990年至2000年的11个地震事件进行检验,得出了比较合理的检验结果,最后用聚类结果对台湾地区2001年的地震趋势进行了预测,得出了与其它手段一致的预报结果.