基于样本密度的非监督动态改进FCM算法

针对传统FCM算法中聚类结果对初始聚类中心敏感,分类数C依赖于先验知识确定的不足,提出了基于样本密度的非监督动态改进FCM算法。该算法基于初始样本密度确定初始聚类中心,基于模糊伪F统计量自动确定最佳分类数,实现了基于样本密度非监督状态下的动态聚类。选取瓦斯涌出量的聚类分析进行应用,应用结果表明,该算法能合理选择初始聚类中心并动态确定分类数,降低了对初始聚类中心的依赖度,提高了收敛速度和自动化程度,并能根据指标做出正确预测。     

基于核和测度的连续区间灰数Verhulst预测模型构建与应用

针对现有区间灰数Verhulst对整体呈现"S"形变化特性的连续区间灰数序列模拟误差较大的问题,通过分析构造序列的特征,提出一种改进的连续区间灰数Verhulst动态预测模型,即先分别构建连续区间的核序列和测度序列,继而建立核序列的灰色Verhulst预测模型和测度序列的灰色Verhulst预测模型,最后构建区间上下界预测模型。将此模型应用于青海玉树地震伤病员人数的预测,并与多种典型Verhulst预测模型进行对比,结果表明该模型预测精度更高,模拟效果更好。     

应用于无人驾驶车辆的点云聚类算法研究进展

点云聚类是激光雷达实现无人驾驶汽车环境感知中的关键步骤,其将激光雷达构建的点云地图中离散的点聚类成各个整体,是实现检测的重要前提,也为后续的辨识提供了必要基础。本文将应用于无人驾驶车辆点云聚类中的聚类算法分为六类,分别是现有的基于划分的聚类算法、基于层次的聚类算法、基于密度的聚类算法、基于网格的聚类算法、基于距离的聚类算法以及混合聚类算法。在系统分析各种聚类算法基础上,对点云聚类过程中存在的问题、解决方案和性能进行比较分析。考虑到无人驾驶车辆点云聚类的准确性和实时性要求,边缘算法、混合聚类算法和新型聚类算法的结合使用将是无人驾驶车辆点云聚类的研究热点,也是今后无人驾驶车辆点云聚类的研究重点。     

单一风电场的短期负荷调度优化策略

随着并网风电场数量迅速增加,单一风电场的调度水平需要提高.如何优化一个周期内风电场机组运行的数量与启停方案,迫切需要研究.针对风电场机组数量众多,调度方案解维数过高的问题,分析风电场机组负荷特性,提取机组负荷特征矩阵,运用FCM模糊聚类算法对风电场机组群进行分类;定义风电场机组运行相对损耗指标和启停相对损耗指标,在风功率预测的基础上,根据总调度指令,应用非线性规划理论建立风电场机组组合优化模型,运用模糊聚类算法和遗传算法相结合对模型进行求解.所建立模型和相应求解方法克服了风电场机组调度解维度过高带来的困难,获得了连续时期的风电场全部机组优化调度.最后,通过算例分析计算了某45MW风电场的多目标机组优化调度,验证了所提出算法的可行性和有效性.     

关于极大熵聚类算法的收敛性定理的反例

追溯了极大熵聚类算法的历史渊源, 指出了张志华等提出的算法本质上缺少新意, 并构造了两个具体例子说明了极大熵聚类算法得到的迭代序列不一定收敛到目标函数的局部极小值, 有可能收敛到鞍点. 在此基础上,指出了他们关于极大熵聚类算法的收敛性定理一般不能成立的理论理由.     

极大熵聚类算法的收敛性定理证明

有关极大熵聚类算法收敛性的研究是理论研究的一个热点问题,有的学者认为迭代序列的极限点有可能不是目标函数的严格局部极值点.针对这个问题,文中用科学计算软件对相关文献中给出的例子进行了实验,说明该例子并不能否定极大熵聚类算法收敛性定理.最后,从理论上给出了极大熵聚类算法收敛性定理的一个证明.     

基于SA-GA-FCM的煤矿组织管理因素安全等级预测研究

为进一步细化和提高煤矿安全管理,运用模糊c-均值聚类算法(FCM)的分类功能对煤矿安全管理的等级进行预测;利用模拟退火算法(SA)、遗传算法(GA)来克服FCM的初值局部搜索问题,使之能够快速收敛到全局最优解。结果表明,SA-GA-FCM具有较高精度,能够较好地对煤矿组织管理因素的安全等级进行预测,对煤矿的安全管理具有较强的指导意义。     

RNA二级结构预测的模糊模型

基于模糊集合理论，提出了RNA二级结构预测的模糊模型．该模型通过状态空间的模糊分割以及模糊目标的引入等，可有效利用模糊动态规划算法给出该模糊模型的最优决策序列，并进而获得待预测RNA最优与次优的二级结构．基于模糊模型的方法具有许多优点，如计算复杂性的降低，最优与多个次优二级结构的一并获得，以及定性先验知识的有效融入等．完整地给出了RNA二级结构的模糊模型及其计算方法，并进行了具体的实现．将一个具体的BJK模糊模型结构实际应用于tRNA及tmRNA的数据集中，并与基于最小自由能的mfold工具以及基于SCFG的BJK文法模型进行了比较研究．实验结果表明该模型的有效性，相应的预测精度得到了进一步的提高．     

多无人机协同搜索的模糊认知决策方法研究

搜索决策方法是影响多无人机协同搜索效能的关键.传统的搜索决策方法关注于使多架无人机形成对任务区域的协同全覆盖,采用基于概率搜索图和滚动时域控制的搜索决策方法,对复杂搜索任务的适应性有限.本文借鉴人类实施搜索行为的认知决策方式,提出面向多无人机协同搜索的三层结构的认知控制模型.基于该模型和模糊聚类思想对任务区进行认知匹配和约简划分;之后,应用二次模糊聚类对各架无人机进行面向协同搜索的任务区域分配,在此基础上,再应用滚动时域控制方法完成对无人机的搜索控制.从任务区域覆盖模式和目标发现能力两个方面,通过仿真实验分析了本文提出的协同搜索模糊认知决策方法的性能.     

基于RBF神经网络的烧结终点预测模型

本文提出一种基于径向基函数(RBF)神经网络的烧结终点预测模型.该模型首先采用改进的最近邻聚类算法确定径向基函数中心,接着应用递推最小二乘法训练网络的权值.通过现场采集数据对该模型进行仿真,其实验结果表明,该模型具有较好的学习能力和泛化能力,为烧结终点的预测提供了一种新的解决方法.     

基于聚类技术的股票价格趋势预测

利用聚类算法预测股票的价格趋势,通过聚类技术先将某些具备相似特征的上市公司提取出来,这些公司的股票趋势往往具有相饭性,此时再对这些提取出的上市公司财务报表进行具体分析,从而达到准确预测该上市公司股票趋势的目的。通过测试结果得出此方法在股票的预测中具有一定的应用前景。     

带信息反馈的凝聚层次聚类算法

本文针对传统的基于相似性的层次聚类算法存在的两个问题(相似性度量中方向信息的丢失和算法的适应能力弱)提出了一种带有信息反馈的凝聚层次聚类算法.首先将无法预知的复杂数据结构描述成3个基本的结构特征单元,并对其进行建模构建一种相似性度量定义的泛型和一种凝聚的层次聚类算法.在凝聚的层次聚类算法中加入类信息的反馈机制,并在不同阶段对相似性定义的泛型进行具体化,充分利用数据点对之间的方向信息和距离信息进行聚类.该聚类算法主要有两大优势:(i)算法的适应能力较强,不需要假设的前提下可以处理无法预知的复杂数据结构;(ii)算法对噪声具有较强的鲁棒性,在不需要对数据集进行预处理的情况下能够在聚类的过程中识别噪声点或者噪声类.从人工数据和真实数据的试验结果可以看出新算法的优越性能.     

模糊联想记忆规则提取的聚类方法

针对现有模糊联想记忆规则提取的聚类分析算法存在的问题,阐明了规则遗漏对模糊联想记忆性能的影响,提出糊联想记忆规则提取的新方法。新方法大大降低了聚类的难度和工作量,能够准确而迅速地提取FAM系统的规则,克服了现有方法的不足。     

顾及大坝位移残差序列混沌效应的GA-BP预测模型

针对大坝观测数据常规模型训练后的残差混沌效应及模型回归方法的拟合度等问题,文中融合遗传算法与神经网络的数据训练优势,通过构建的遗传神经网络(GA-BP)算法对大坝变形观测序列资料进行回归提取残差序列.基于位移回归残差序列的混沌特性,利用混沌理论对其残差序列进行数值分析,并将残差预测结果与GA-BP预测模型进行叠加.据此,提出了考虑大坝变形残差序列混沌效应的GA-BP监控预测模型.实例表明,文中建立的预测模型的计算精度及收敛速度均得到提高,且考虑残差影响的大坝监控模型的预测效果得到了有效的提升.该模型的建模方法亦可推广应用于边坡及其他水工建筑物的安全预警.     

基于改进K均值的脸形聚类算法

针对海量人脸图像数据库检索时顺序匹配速度慢等问题,提出把聚类技术应用于数据库预分类,利用脸形特征对人脸图像自动聚类.首先用改进主动形状模型提取脸形特征,再用改进K-均值算法对人脸图像进行聚类.使用Hausdorff距离计算两个特征点集的相似度.实验表明,该算法的聚类结果比较稳定、精确且符合人类视觉认知特性.     

基于相空间重构和Volterra的非线性寒区气温预测方法

对寒区冬季气温时间序列的混沌特性及其应用技术进行了研究.先通过0-1混沌测试法确定寒区冬季气温时间序列具有混沌特性,然后通过相空间重构,分别利用C-C算法和G-P算法确定延迟时间和嵌入维数.在此基础上,提出了一种相空间重构和Volterra滤波的寒区冬季气温预测方法.实例分析表明,提出的预测方法在预测精度、预测误差、预测效果方面均优于常见模型,证明该预测方法是可行和有效的.     

有限状态机的行为阶段聚类及其对测试的应用

提出了有限状态机的行为阶段和行为阶段聚类的新概念, 它是介于有限状态机的行为级描述和低层描述(状态表或状态图)之间的一种新的抽象级别. 给定一个有限状态机的低层描述, 可以对它的状态按某种规则进行聚类来简化对有限状态机的分析. 给定一个有限状态机的行为描述, 可以直接从中提取行为阶段, 并通过对行为阶段进行聚类来分析它的功能. 详细阐述了对状态或者行为阶段进行聚类的理论和方法. 行为阶段聚类描述可以应用于对有限状态机的功能分析、验证和测试中. 作为行为阶段聚类描述的一种应用, 建立了一种用于测试产生的新的故障模型——行为阶段转换故障模型, 并利用对行为阶段的聚类来加速基于此故障模型的测试产生, 实现了一个寄存器传输级的自动测试产生系统ATCLUB. 实验结果表明, ATCLUB与其他测试产生系统相比有很高的效率, 并且能够产生相当短的测试序列, 以达到对电路门级固定型故障的较高的覆盖率.     

面向数据流的加权聚类及演化分析研究

为解决无限数据流在有限内存空间中的聚类分析问题,本文提出了一种加权聚类及演化分析框架。为简要地描述此框架,给出了聚类、聚类簇的概念及其数据结构定义,接着对聚类、聚类簇的加法运算和差运算给出了清晰的描述和相应的实现算法。本框架与CluStream框架有较大的差别,这里采用聚类簇的加法运算来实现更大时间跨度内的聚类簇融合,采用聚类簇的差运算来进行聚类簇的演化分析。最后通过第一个例子来说明本框架是如何对数据流进行加权聚类及演化分析的,采用第二个例子来验证为实现本框架所需的十五个算法的正确性及有效性。     

支持向量机在围岩变形监测中的应用

根据支特向量机优越的非线性拟合性能,建立变形量的时间序列预测模型,滚动预测围岩变形量,提高了预测模型的训练速度和预测推广能力。该方法用于西乡-固戍盾构段围岩变形预测,并与BP神经网络预测进行比较。结果表明这种模型可预测区间较长且具有较高的准确度,能够科学地指导现场施工和监测。     

模糊综合评判法在城市交叉口综合质量评价中的应用

为了全面评价城市交叉口综合质量,选择了交叉口混合交通运行状态评价指标,并通过指标隶属度函数研究建立了相应的模糊综合评判模型.结合实例对其综合运行质量进行了评价分析和聚类排序,从而为评估城市交通拥堵、制定相应的交通管理和控制策略提供了一种有效的定量分析方法.