基于灰度聚类的钢管水压试验机故障诊断

针对钢管水压试验机在水压试验过程中可能出现各类复杂故障,并且短时间内很难找到故障发生的地点和原因的现象,提出了一种改进的灰度聚类方法,该方法通过提取反映真实打压过程的数据对生产过程中的打压曲线进行聚类分析,并对聚类结果应用专家系统进行推理分析,找出相应的故障结论.为了验证该方法的有效性和可靠性,将该方法在某钢厂3号线水压试验机上实现,实际结果表明该方法可靠有效地实现了对各种故障的划分和诊断.     

蚁群与遗传算法融合的聚类算法研究

目的 通过将蚁群与遗传算法融合,以解决蚁群聚类算法参数众多且与问题域相关,搜索容易出现停滞现象等问题.方法 将主要影响蚁群聚类算法性能的5个参数作为遗传算法中的染色体进行编码.首先设计遗传算法的选择、交叉、变异算子,进而将用于聚类结果评价的F-measure函数作为适应度函数,通过多次迭代找出最优的参数组合.结果 在仿真实验中,获得了较好的聚类效果.结论 蚁群与遗传融合的聚类算法较蚁群聚类算法有更大的优势.     

采用不确定性度量的粗糙模糊C均值聚类参数获取方法

针对粗糙模糊C均值聚类的阈值、权重选取问题,提出了一种基于不确定性度量的参数自适应获取方法.该方法将阈值选取归结为一个最优划分寻找问题,给出一种基于方差的划分优劣评价方法;利用信息熵来度量样本归属的模糊性,基于该模糊性度量和类簇的粗糙度,提出了一种权重参数自适应计算方法.将所提方法应用于粗糙模糊C均值聚类,并将分别基于所提方法与典型参数选取方法的粗糙模糊C均值聚类算法在人工数据集和真实数据集上进行实验比较.结果表明,基于所提参数确定方法的粗糙模糊C均值聚类能获得更好的聚类有效性和准确性.     

一类混杂系统的模型辨识

针对一类具有切换结构的混杂系统,提出一种基于仿射传播聚类的模型辨识方法。将模型辨识问题等价成对系统数据的分类和分类数据的回归问题。通过仿射传播聚类算法对样本数据进行聚类划分,并分别采用最小二乘支持向量机算法对子样本分别建立模型。仿真结果验证了该方法的有效性和实用性。     

基于蚁群算法的故障识别

提出了一种新的基于蚁群算法的故障诊断知识获取算法。该算法将故障诊断中故障的识别分类问题转化为求解带约束的最优化聚类问题,并应用改进的蚁群算法,基于群体的协作与学习求解这一聚类问题。将该方法应用于一化学反应器的故障诊断过程,结果表明该算法具有实现简单、收敛速度快、本质分布式并行性、鲁棒性强以及故障识别结果可靠等优点。     

基于密度聚类的彩色图像分割方法

针对已有的基于聚类的彩色图像分割存在的问题,提出了一种基于IHLS颜色空间和密度聚类的彩色图像分割方法.利用IHLS颜色空间改善光照敏感和颜色一致性问题.由于DENCLUE聚类算法聚类速度较慢且需要提供2个用户参数,因此对于DENCLUE算法的迭代策略和参数优选方面进行了改进.实验结果证明此方法具有较好的准确度和鲁棒性...     

基于HDBSCAN算法的岩体结构面产状识别及分组方法

精准获取岩体结构面的产状信息是进行岩体稳定性分析工作的首要和关键步骤.针对基本DBSCAN算法在处理点云数据时存在聚类判据不足、参数敏感性较强等问题,提出了基于点云附加属性扩展聚类判据的HDBSCAN算法,旨在提高算法聚类的准确性及鲁棒性.同时,基于点云的颜色及密度属性实现了对自然状态下非全裸露岩体研究区域的分割和提取,减少非岩体结构面点云对结构面产状识别和分组的影响.将该方法应用于大石洞灰岩矿某一典型覆土岩坡,结果表明:该方法能够有效地剔除非目标点云数据,同时结构面产状提取和优势分组结果令人满意.与人工测量结构面产状方法相比,最大相对误差小于0.59%,具有一定的工程实用价值.     

一种辅助用户搜索的聚类可视化搜索服务

针对用户搜索聚类的需求,以描述优先聚类算法为中心,利用提取高频短语获取候选聚类标签,并结合用户行为,提出一种基于搜索引擎的搜索结果可视化服务的实现机制.该机制包括聚类、可视化、用户反馈三个方面的算法,通过将用户的搜索结果动态转化及总结为相关聚类形态,基此进行可视化搜索呈现,引导用户快速获得搜索结果,并统计用户的使用习惯.实验表明:该机制可有效将用户搜索的结果进行汇聚,减少用户选择的选项,利用聚类等呈现手段辅助用户搜索.     

一种动态调整的混合蚂蚁聚类算法

设计和实现了一种改进的蚂蚁聚类算法.基于海上空袭目标攻击方向划分问题,分析了传统的聚类算法解决此类问题的不足,提出了一种动态调整的空袭方向划分混合蚂蚁聚类算法.该算法能充分利用空中目标信息动态调整参数,以获取合理聚类数和加速算法收敛,对孤立数据处理的鲁棒性较强.用人工数据集和真实数据集进行实验.结果表明,该算法是一种高效率的聚类算法,提高了空袭方向划分的准确性和科学性.     

一种改进的蚁群聚类算法在客户细分中的应用

分析了输入参数对算法聚类效果的影响,针对传统的蚁群聚类算法中参数设置依赖于经验的指导以及蚂蚁移动随机性大等问题,提出了一种改进的自适应蚁群聚类算法,算法中引入了自适应策略函数,通过设置相似度阈值,动态调整蚂蚁的运动状态,降低蚂蚁移动的随机性.将改进算法应用于客户细分,并将结果与K均值聚类算法进行了比较,实验结果表明:改进后的算法在迭代次数上更少,算法的收敛速度更快,识别客户的正确率更高.     

Research and Implementation of the Enterprise Evaluation Based on a Fusion Clustering Model of AHP-FCM

Traditional clustering method is easy to slow convergence speed because of high data dimension and setting random initial clustering center. To improve these problems, a novel method combining subtractive clustering with fuzzy C-means （FCM） clustering will be advanced. In the method, the initial cluster number and cluster center can be obtained using subtractive clustering. On this basis, clustering result will be further optimized with FCM. In addition, the data dimension will be reduced through the analytic hierarchy process （AHP） before clustering calculating. In order to verify the effectiveness of fusion algorithm, an example about enterprise credit evaluation will be carried out. The results show that the fusion clustering algorithm is suitable for classifying high-dimension data, and the algorithm also does well in running up processing speed and improving visibility of result. So the method is suitable to promote the use.     

基于集合中心半聚类算法的隐性知识攫取研究

社交性软件平台上进行隐性知识攫取,它是否影响隐性知识转移效果以及在何种条件下如何影响隐性知识转移效果,是该问题研究的关键.文章研究在社交性平台下将企业已有知识作为已标注的专业领域知识,通过它引领员工学习并给出评述性标注,形成新知识（隐性知识）.新知识再次归集到企业知识库中,继续被循环标注使企业知识集不断创新和积累.研究中为了提高自由标注到隐性知识的显性化效率,设计基于企业专业知识为集合划分的集合中心半聚类算法,其在每项评价函数上的数据比传统算法都优秀.     

减法聚类的多分量线性调频信号检测与参数估计算法

针对Wigner-Hough变换在低信噪比下易产生伪峰,导致在进行检测时阈值选取困难,无法准确对多分量线性调频信号进行检测和参数估计的问题,提出了一种基于减法聚类的平滑伪Wigner-Hough(SPWHT)变换的检测和参数估计算法。首先采用平滑伪Wigner-Hough变换(SPWHT),通过平滑交叉项和噪声来达到抑制干扰的目的,并运用阈值分割的图像处理方法进一步消噪,减少Hough变换后所产生的伪峰;再利用较低门限对Hough变换后的图像进行峰值检测,防止对信号的漏检。最后,对于备选峰值进行减法聚类的二次处理,实现信号参数寻优,去除伪峰影响和时频分辨率下降引起的峰值展宽,完成对多分量信号的准确检测和参数估计。该算法通过聚类避免了阈值设置的困难,解决了低信噪比下多分量线性调频信号的检测与参数估计问题。仿真结果表明了在-10 d B信噪比下该算法仍有较好的检测及估计性能。     

支持生物激励设计的跨领域知识元聚类方法

为了解决现有生物激励设计过程存在的跨领域知识获取难的问题,提出了面向生物激励设计的基于功能特征语义相关性的功能语义聚类和基于环境特征约束适应性的环境约束聚类组成的两阶段知识元聚类算法。将生物激励设计过程跨领域实例知识检索问题转化为对离散的生物领域或工程领域知识元的聚类检索。根据跨领域术语知识表示的不同确定跨领域检索功能词,执行基于功能特征语义相关性的功能语义的一阶段聚类,结合生物领域功能与环境特征约束间的相关性,完成基于不同类型环境特征约束的二阶段聚类。一方面,将模糊理论与模糊数学引入知识元聚类算法中,提出基于模糊隶属度函数的语义相似度计算方法,实现了基于功能关键字的语义聚类;另一方面,将FCM聚类算法引入到知识元聚类过程中,结合给出的不同类型环境特征约束相似性算法,提出了AFCM算法,实现了基于环境特征约束适应性的环境约束聚类。最后,开发了相应的原型系统,并且以视觉假体装置设计为例进行测试。结果表明,聚类时间和准确率得到极大改善,聚类效率得到显著提升。该算法有效地避免了跨领域知识分布的离散性,减少了设计过程中研究对象的数量,能够合理地获取已有设计知识,为深入研究奠定了基础。     

一种改进的RBF神经网络混合学习算法

提出一种基于粒子群优化算法、K-means算法及减聚类算法的径向基函数(RBF)神经网络混合学习算法.该算法使用减聚类方法确定隐层节点数,具有自适应确定隐层节点的能力,避免了调整隐层节点的人为干预.通过K-means算法形成粒子群优化(PSO)算法初始粒子群,避免了初始粒子群的随机性,提高了粒子群优化算法的优选能力;采用PSO算法训练RBF神经网络中的所有参数.数值结果表明,改进的混合算法具有更高的分类准确率。     

基于减法聚类的自适应模糊神经网络评定织物起皱等级

提出了一种基于减法聚类的自适应模糊神经网络，用于织物起皱等级评定．首先利用减法聚类方法确定模糊神经网络的结构，再结合模糊推理系统进行模式识别，并详细介绍了其基本原理和学习算法，最后引入4种起皱特征参数对真实织物进行验证．实验表明，该方法有效且可行．     

启发性故障诊断知识自动获取机制

本文从机器学习的角度，提出了一种基于故障事例的启发性诊断知识自动获取、自学习机制，即故障概念的获取和启发性诊断推理规则的获取。文中对故障诊断知识获取问题进行了形式化表达，给出了建立各故障模式特征描述的概念覆盖算法和构造故障概念层次性分类描述的概念聚类算法，并以旋转机械故障诊断知识获取为例，阐述了这一故障概念与诊断规则自动获取机制。     

基于模糊关联规则与减法聚类的神经模糊建模

针对许多复杂系统的输入变量之间存在的相互关联,提出了一种基于聚类与模糊关联规则的神经模糊建模方法.这种方法采用基于聚类的模糊关联规则挖掘算法来进行输入变量的选择,之后,再采用基于减法聚类的神经模糊建模方法建模.最后,还将这种建模方法应用于实际建模问题,结果表明这种方法在保证模型精度符合建模要求的情况下,减少了模型输入个数,降低了建模的复杂程度.     

ANFIS训练参数设置研究

针对自适应神经模糊推理系统的特点,分析了其两种建模方式的优缺点,并最终选择了采用减法聚类算法进行建模.进一步地,针对ANFIS的减法聚类算法4个训练参数初始值的设置问题,采用一多峰函数对其进行了研究,分析了预测结果随该4个参数调节而变化的特点.