绵羊毛与山羊绒的鉴别

利用扫描电镜法测试分析66S的绵羊毛与一级除毛山羊绒,得到了以直径、表面鳞片高以及表面鳞片厚为指标的绵羊毛与山羊绒各自的频率分布,并计算出以这3个指标为判定依据的独立误判概率.在验证了3个指标为线性无关后,将3个独立误判概率相乘,从而大幅度降低了绵羊毛与山羊绒之间的误判概率.实验结果证实了这一结论.     

绵羊毛与山羊绒的鉴别

利用扫描电镜法测试分析66s的绵羊毛与一级除毛山羊绒，得到了以直径、表面鳞片高以及表面鳞片厚为指标的绵羊毛与山羊绒各自的频率分布，并计算出以这3个指标为判定依据的独立误判概率．在验证了3个指标为线性无关后，将3个独立误判概率相乘，从而大幅度降低了绵羊毛与山羊绒之间的误判概率．实验结果也证实了这一结论．     

基于感应电机参数聚类的负荷动特性综合方法

分类与综合是解决负荷时变性问题的有效途径,是负荷建模实用化的关键.在感应电机参数加权平均综合方法的基础上,结合了标准实测样本综合方法的原理,用模型参数聚类中心作为提取出的同类负荷本质特征,提出了模型参数聚类中心综合建模方法,通过分析比较,实例验证表明了该综合方法的有效性和可行性.     

防缩羊绒与未防缩羊绒针织物起球差异性研究

对防缩羊绒与未防缩羊绒加工的针织物起球进行测试,分析了起球等级差异的原因.通过用JSM-5800扫描电子显微镜观测毛球结构形态与纤维表面鳞片结构形态,以及对防缩羊绒与未防缩羊绒纤维拉伸性能的比较,得到羊绒针织物毛球随着起球测试时间延长逐渐紧密纠缠,防缩山羊绒纤维鳞片薄、摩擦效应小、毡缩性小,不容易产生纤维纠缠成球;同时断裂伸长率小、断裂时间短是容易形成毛球脱落的原因之一.     

Savinase蛋白酶用于山羊绒防缩工艺参数研究

由于山羊绒表面鳞片的存在,产生定向摩擦效应,会产生毡缩,针对这种情况及传统防缩方法会产生污染的特点,采用了环保的生物酶对山羊绒纤维进行防缩处理.以夹角余弦赋权法确定权重,利用模糊正交法的理论与方法处理实验数据,借助于MATLAB7 0工程软件得出模糊综合评价值,将其作为目标函数.通过模糊数学主效应分析,得到优化工艺参数是温度40℃,时间20min, Savinase浓度(owf)4%,pH值为8.     

膨胀土胀缩等级分类的未确知均值聚类方法及应用

将未确知测度理论应用于膨胀土的分类问题中,建立膨胀土胀缩等级分类的未确知均值聚类分析模型;选用粘粒含量、粉粒含量、液限、塑限及塑性指数作为未确知均值聚类分析模型的判别指标;以膨胀土的15组实测数据建立各评判指标的未确知测度函数,用各分类样本平均值表示分类中心;根据信息熵理论计算各评判指标的权重,用置信度识别准则进行评判;用建立的模型对15组实测数据逐一进行检验,正确率为100%.将建立的模型对待分类的8个样本进行测试,并与实测结果进行比较.研究结果表明:预测等级与实际结果较吻合,比较客观地反映了膨胀土分类的复杂状况.     

试析中国纺织产业区域竞争力的综合评价

采用主成分分析方法,比较研究了2006年中国纺织产业区域竞争力.将中国纺织产业区域竞争力评价体系中的23个原始指标,综合成4个综合指标,并在此基础上建立了综合评价模型.对4个主成分的得分进行聚类,将中国纺织产业区域竞争力分为强、较强、中等、较弱、弱5类,得出了中国纺织产业区域竞争力呈现出东强西弱、区域差距悬殊和大部分区域竞争力弱的结论.     

基于权值优化的FCM-MSVM算法及其在高速公路状态判别中的应用

高速公路实时交通状态的准确判别是科学制定交通管理策略的重要基础.本文以实测的高速公路交通流三特征参数的数据作为输入,引入熵权法刻画参数之间重要程度的差异,利用改进的FCM算法对特征参数进行聚类,根据不同交通状态的结果,建立基于多分类器支持向量机的交通状态判别模型,并分别采用网格搜索法、遗传算法和粒子群算法对支持向量机参数进行优化,从而提高模型的判别准确率.最后选取实际数据对本文模型进行验证,判别结果的分类准确率可达96.3980%.     

模糊C-均值聚类算法在心率变异诊断中的应用研究

对健康和心律异常的心电信号进行分析,经小波分解之后的心电信号实现R波的准确定位,提取心率变异性这一特征参数的5项指标.根据心率正常和异常体现在特征参数上的差异,用模糊C均值聚类算法得到心率变异的病症模式,并与正常心电数据进行比较.结果表明,心率变异特性具有明显的可分性,基于模糊C均值聚类算法可以得到较好的结果.     

基于半监督聚类的MQAM信号盲识别算法研究

传统的聚类算法用在MQAM(multilevel quadrature amplitude modulation,多进制正交幅度调制)信号的调制识别中,算法的迭代次数多,特别对高阶调制信号运算时间长。针对此问题,提出了一种半监督聚类重构星座图的方法,由自适应减法聚类确定初始聚类中心,在其周围标记部分样本点并赋予初始隶属度值fik,根据标记的样本点数目确定可信度参数α的值。用fik和α来监督隶属度和聚类中心的更新,误差平方和函数迭代次数减少1/2。接收端识别时,提出基于星座图圆半径的调制识别方式,该方法能很好应对初始聚类中心数目不准确的情况,不需要进行聚类中心的合并与分裂。通过提取接收端星座图的特征参数R并与标准参数Rs进行比较,实现对MQAM信号调制方式的识别。仿真结果表明运算时间是传统聚类算法的1/3,对4~256QAM信号的调制方式识别率在93%以上。