基于改进模糊聚类算法的灰色预测模型

发布时间：2021-03-03 18:38

　　目前研究的模糊C均值聚类算法（FCM）面临的最重要问题是初始值随机选取,导致其容易陷入局部最优,同时影响运算速度。而灰色预测GM（1,1）模型在形成预测公式时对初始值的选取也没有合理有效的方案。针对以上问题,文章提出坐标密度法,确定初始聚类中心,对FCM算法进行改进;接着提出运用改进的FCM求取GM（1,1）中数据的聚类中心,并把聚类中心作为初始值的方法;通过与已知算法进行比较验证了其可行性和有效性。 

【文章来源】：统计与决策. 2017,(09)北大核心CSSCI

【文章页数】：4 页

【文章目录】：
0 引言
1 经典算法
    1.1 FCM算法
    1.2 灰色预测GM（1,1）模型
2 模型改进
    2.1 改进的FCM算法
    2.2 灰色预测模型的改进
3 实例分析
    3.1 改进的FCM
    3.2 改进的GM（1,1）模型
4 结束语


【参考文献】：
期刊论文
[1]基于灰色预测的广域电力系统稳定器分布延时补偿设计[J]. 刘运花,黎雄,刘志雄,孙元章,周歧林.  电力系统自动化. 2015(12)
[2]基于灰色动态预测的风力发电系统容错控制策略研究[J]. 季凌燕,沈艳霞,吴定会.  电力系统保护与控制. 2014(07)
[3]基于时间加权的改进灰色预测模型及其应用[J]. 徐南.  科技创新导报. 2012(22)
[4]灰色预测GM（1,1）模型的改进及应用[J]. 杨华龙,刘金霞,郑斌.  数学的实践与认识. 2011(23)
[5]一种改进的模糊C均值聚类算法[J]. 刘喜梅,雷达.  青岛科技大学学报(自然科学版). 2011(02)
[6]FCM算法的改进及仿真实验研究[J]. 吕晓燕,罗立民,李祥生.  计算机工程与应用. 2009(20)
[7]基于初始聚类中心选取的改进FCM聚类算法[J]. 张慧哲,王坚.  计算机科学. 2009(06)
[8]特征加权的模糊C聚类算法[J]. 陈新泉.  计算机工程与设计. 2007(22)
[9]以x（1）（n）为初始条件的GM模型[J]. 党耀国,刘思峰,刘斌.  中国管理科学. 2005(01)
[10]灰色GM（1,1）模型预测精度改进方法新探[J]. 程毛林.  统计与决策. 2004(02)

博士论文
[1]基于目标函数的模糊聚类新算法及其应用研究[D]. 汪庆淼.江苏大学 2014

硕士论文
[1]灰色预测模型的研究及其应用[D]. 卢懿.浙江理工大学 2014



本文编号：3061740