一种基于静电场概念的聚类算法

在静电场中质心位于静电平衡或那些能够被接受的平衡位置处,基于这一思想提出了一种发现簇中心的新方法。根据静电场中电荷间的引力作用来确定质心位置,然后根据相应的准则(如最小距离准则等)使用选定的质心对数据点进行聚类。最后将提出的方法与K-means算法进行实验对比,结果表明该方法克服了K-means算法存在的问题,例如,对噪声和初始聚类中心敏感以及易于陷入局部最优等。该方法具有很高的效率,并且对多维数据集有强的鲁棒性。     

基于Elman神经网络的作战效能预测模型研究

针对军事系统作战效能预测问题,采用基于支持向量回归的指标权重挖掘方法,通过比较偏导确定影响作战效能的关键因素,将优化后的效能指标和效能值分别作为模型的输入和输出,建立基于Elman神经网络的效能预测模型。并将其应用于C4ISR系统的动态作战效能预测分析中。结果表明,该方法能够减少不确定因素的影响,在一定程度上降低了预测模型的复杂度,为科学预测军事系统作战效能提供了有效的技术支撑。     

基于MUDW的多测点齿轮故障信号融合处理

针对传统齿轮故障信号处理中,对单一信号进行处理造成的敏感特征信息遗失问题,提出形态非抽样小波(MUDW)的多测点齿轮故障振动信号融合预处理方法,以充分利用各信号所蕴含的特征信息,减少噪声及干扰成分的影响。该方法首先应用时域同步平均(TSA)对各通道信号进行预处理;然后,根据形态非抽样小波的基础框架将信号分解,并采用相关峭度(CK)和加权运算的方式,表征各分解层近似信号对故障特征的贡献量,提高有用近似信号的比重;在此基础上,建立融合准则将各分解层信号进行融合,改善重构信号的特征信息;最后,齿轮裂纹故障实验证明:该方法能够较好地抑制噪声,明显突出故障齿轮啮合频率及其倍频,融合效果理想。