基于K均值和支持向量机的燃料电池在线自适应故障诊断

基于K均值(K-means)和支持向量机(support vector machine, SVM)算法,提出了一种车用燃料电池系统(fuel cell system, FCS)在线自适应故障诊断方法.该方法通过不断获取系统最新单体电压,采用K-means算法改进传统的静态SVM分类器模型,对实时获取的信息进行聚类,实现分类器的在线自适应调节.采用已发表文献中的实验数据进行了相关的验证分析,结果表明,提出的方法能有效地在线调节故障分类器,实现FCS系统特性发生改变后的故障检测.     

K-means算法聚类中心选取

传统K-means 算法对于聚类初始点的选取和距离度量的计算异常敏感,因而很可能导致K-means 算法只能收敛得到局部最优解。为此,提出一种改进的K-means 算法,即K-means 聚类算法最优匹配算法,并进行了相关的算法实验分析。该改进算法首先对传统的K-means 聚类算法进行初始点的选取,并分析聚类结果。然后,分别从初始聚类中心的选择和距离算法的确定进行实验测试,引入轮廓系数评价聚类效果,分析实验结果可知,K-means 聚类算法最优匹配算法具有较好的稳定性和较高的聚类准确率。     

基于出行态度的自行车通勤出行市场划分

为识别自行车通勤出行中不同出行者选择偏好的差异,针对基于出行态度的自行车通勤出行市场进行划分.根据南京市居民通勤出行问卷调查,采用结构方程模型从29个观测变量中提取出若干态度潜变量,分析了出行偏好态度变量间的相关性,并采用K-means聚类方法对自行车通勤出行市场进行划分.根据选择自行车通勤出行意愿、对固定出行时刻需求、对出行舒适度需求及环保意识4类态度变量将自行车通勤出行市场划分为6个子市场,同一子市场内个人选择自行车出行意愿近似,不同子市场间选择意愿明显不同.分析了每个子市场内个人通勤出行态度特征以及自行车方式选择特征,针对每个子市场提出了相应政策以引导自行车通勤出行方式的选择.     

CHMM语音识别初值选择方法的研究

针对隐马尔科夫模型用于语音识别时传统的参数初始化方法(随机分布之值、K均值算法)可能导致模型参数收敛于局部最优而非全局最优的问题,提出了先按最大距离选择初值中心,再按最小距离将原始数据分割成小类后去除类内干扰点,使类内相似性更强的K均值方法.实验结果表明,改进后的方法与传统方法相比,更好地平滑逼近语音特征,提高语音的识别率.     

基于Monte Carlo模拟和K-均值聚类算法的赤平极射投影概率分析

对于结构面多而复杂的岩质边坡,其优势结构面的选取与分析是极其重要的工作。借助于赤平极射投影法,在楔形体滑移分析中首先确定其可能的滑移区域,筛选出可能滑移的结构面交线,缩小计算范围。根据结构面交线的二维经验分布,采用Monte Carlo方法模拟出多条结构面交线,通过结构面交线平均产状的求解来证明该方法的合理性,再采用快速聚类分析的方法,将筛选出的结构面交线划分为不同的组,以赤平极射投影分析得到滑移区域的对称轴中心作为初始凝聚点,通过多次迭代计算得到滑移区域内的优势结构面。将该方法用于重庆綦万高速顺层岩质边坡工程,结果表明,将赤平极射投影与Monte Carlo模拟和K-均值聚类算法相结合,计算得到的优势结构面分类合理,结果可靠,可以准确地确定结构面交线的优势产状。     

基于聚类分析的主体功能区类型识别研究

依据《全国主体功能区规划》提出的新的主体功能区概念体系,并结合区域地理环境和经济发展情况,构建新的主体功能区划分指标体系.分别运用K-均值聚类和系统聚类两种方法进行主体功能区的类型识别,并运用指数评价法和主导因素法对两种聚类法的结果进行分析,得出最合理的主体功能区划分方案.     

基于信号时频域聚集性的欠定盲分离混合矩阵估计方法

为解决欠定盲分离中混合矩阵估计问题,通过研究观测信号在时频域的线性聚集特性,提出一种基于时频域线性聚集程度差异的混合矩阵估计方法,并着重研究在信号线性聚集程度较弱情况下对混合矩阵的估计.首先,利用观测信号或其时频域中相应变换系数的比值分布衡量信号线性聚集程度;其次,采用优化初始中心的K-均值聚类算法估计混合矩阵.该算法降低了对信号稀疏性的要求,并且可以较高精度地估计出混合矩阵.仿真实验结果表明该方法具有可行性和有效性.      

一种高清帧内预测单元快速选择算法

针对高效视频编码标准提出一种CU划分快速终止算法.该算法选择图像纹理复杂度作为特征向量,将HEVC帧内预测与k-means聚类方法相结合,通过每种尺寸CU的聚类中心减少率失真优化的次数,提前终止CU块的划分,在达到降低编码复杂度的同时依然保持较好的编码效率.测试结果表明,本算法与参考算法HM10.0相比较,视频图像质量基本不变,而编码时间大幅减少.     

基于Faster R-CNN的航母舰面多尺度目标检测算法

针对航母舰面复杂的多尺度目标检测环境,且现有算法对牵引车、人员等小目标检测性能不佳的问题,提出一种改进快速区域卷积神经网络(faster region convolutional neural netuorks,Faster R-CNN)的舰面多尺度目标检测算法.基于多尺度特征层提取了不同尺度的区域建议网络,提高了算法...     

模拟退火聚类算法在结构面产状分组中的应用

鉴于以往的结构面产状分组方法常存在算法复杂、聚类精度差及分组效率低的不足,提出了一种新型的融合模拟退火算法及K-means聚类(SAK)的结构面分组算法,该算法简单易实现.利用模拟退火算法的退火原理,对K-means算法聚类的结构面分组结果进行优化,以期克服K-means算法易受初始聚类中心影响的缺陷.计算机模拟生成的结构面数据的分析表明,所提方法相较于传统K-means算法具有明显优势.将该方法应用于重庆市三环高速公路兴隆隧道实测结构面的分组中,并与已有方法进行对比.结果表明:该方法不仅聚类精度高,而且迭代速度也较快,具有较强的工程实用性.