复杂产品多故障诊断中的核模糊聚类方法

多故障作为标准单故障的组合, 很多文献对多故障的诊断都提出行之有效的解决策略, 但却忽视单故障模式之间的相互关系, 而影响到多故障诊断效率, 尤其对于故障繁多的复杂产品. 为了克服该缺点, 引入KFCM-F算法和核化聚类有效性指标KV_K, 提出两阶段聚类框架, 数据仿真试验证明该框架能有效发现单故障之间的潜在关系, 从而达到压缩故障模式以期提高诊断效率的目的.     

密度峰值聚类算法研究现状与分析

密度峰值聚类(Clustering by Fast Search and Find of Density Peaks, DPC)算法是一种新型的基于密度的聚类算法,通过选取自身密度高且距离其他更高密度点较远的样本点作为聚类中心,再根据样本间的局部密度和距离进行聚类。一方面,虽然DPC算法参数唯一、简单、高效,但是其截断距离的取值是按经验策略设定,而截断距离值选取不当会导致局部密度和距离计算错误;另一方面,聚类中心的选取采用人机交互模式,对聚类结果的主观影响较大。针对DPC算法的这些缺陷,目前的改进方向主要有3个：改进截断距离的取值方式、改进局部密度和距离的计算方式以及改进聚类中心的选取方式。通过这3个方向的改进,使得DPC过程自适应。本文对DPC算法的自适应密度峰值聚类算法的研究现状进行比较分析,对进一步的工作进行展望并给出今后的研究方向：将DPC算法与智能算法有机结合实现算法自适应,对于算法处理高维数据集的性能也需要进一步探索。     

基于数据挖掘的地铁车站热湿特征抽取

针对城市轨道交通系统车站环控能耗高占比问题,从城轨交通地下站点热湿环境角度探索轨交站点环控运行能效提升策略。通过K-means对地铁公司各车站站内全年日均温湿度数据进行聚类,再对各聚类车站通过时空分布、埋深等物理属性影响进行分析。结果表明：(1)相同线路、相邻车站温湿度变化曲线存在差异较大;(2)温度聚类二类车站表现为冬冷夏热,舒适度最差,11—12月的西南季风造成温度聚类四车站温度较低;(3)利用室内外温湿度差的标准差分析发现,曲线波动与埋深、方位角等物理特征均表现为强相关。因此不同车站因物理特征差异站点环控系统应差异化运行,也应对不同车站分类设定不同环控能耗定额标准,研究结果为地铁车站设计、环控设备选型提供依据,并对城轨交通的深绿运行及低碳城市建设有积极意义。     

求解多起点多旅行商问题的K-means聚类信息传播算法

多旅行商问题在实际生活中有着较为广泛的应用价值,该问题的求解受到越来越多学者的关注。信息传播算法是一类求解组合优化问题最为有效的方法,基于K-means聚类技术,给出了求解多起点多旅行商问题(multiple depots multiple traveling salesman problem, MMTSP)的信息传播算法,该算法采用K-means聚类算法将旅行商问题进行聚类,从而形成若干不同类,对每一个类采用信息传播算法进行旅行商搜索,将每一个类的搜索结果进行综合,得到MMTSP问题的解。通过对旅行商标准测试数据集中的多种实例进行测试,并与ABC、ACO、PSO、IWO、TWPS、AC-PGA、STASA＿2OPT和STASA 8种算法进行试验对比分析。结果表明本文算法最优值小于其他算法和算法稳定的优点。     

基于进攻关键区域的RoboCup2D球队防守策略的优化

在RoboCup仿真2D足球比赛中,防守模型是关键技术之一,加强在对方进攻关键区域上的防守可以有效阻止对手进球,针对RoboCup仿真2D球队防守策略难以优化的问题提出一种基于球队进攻关键区域优化防守策略的方法;方法通过对比赛过程中的日志文件进行解析,使用数据挖掘方法提取动作链和传球热力图解释了球队进攻有侧重点的合理性...     

基于自适应邻域互信息与谱聚类的特征选择

借鉴邻域粗糙集处理连续型数据的优势,为解决传统谱聚类算法需要人工选取参数的问题,提出基于自适应邻域互信息与谱聚类的特征选择算法。首先,定义各对象在属性下的标准差集合与自适应邻域集,给出自适应邻域熵、平均邻域熵、联合熵、邻域条件熵、邻域互信息等不确定性度量,利用自适应邻域互信息对特征与标签的相关性进行排序。然后,结合共享近邻自适应谱聚类算法,将相关性强的特征聚到同一特征簇内,使不同特征簇内的特征强相异。最后,使用最小冗余最大相关技术设计特征选择算法。在10个数据集上选择特征个数与分类精度的实验结果,验证了所提算法的有效性。     

权重国际贸易网络的结构分析

采用贸易流量值对国际贸易网络的边赋予权重,构建权重国际贸易网络,从顶点强度与度的关系、边的权重差异度、集聚性、顶点度相关性等角度对权重国际贸易网络的结构特征进行研究.通过与拓扑结构的研究结果进行比较,发现拓扑顶点度负相关而权重顶点度正相关等新现象.这表明对于经济流网络,从权重角度分析可以揭示更多的网络结构特征.     

基于自适应DBSCAN的雷达目标跟踪算法

直接对三坐标航管一次雷达点迹录取器中录取到的点迹进行航迹起始、跟踪等处理后,会形成大量虚警,运算量大。进行目标跟踪时,候选点迹集合数量庞大是造成目标跟踪过程运算量大的主要原因。文中基于动态自适应DBSCAN聚类算法,结合经典卡尔曼滤波跟踪算法,提出了动态自适应DBSCAN聚类跟踪混合算法,来减少候选点迹集合数量。实验结果证明,本文提出的算法实现了无效点迹数的减少、航迹质量的提高以及运算时间的下降。通过动态自适应DBSCAN聚类跟踪混合算法,能迅速跟踪到三坐标航管一次雷达探测到的目标并形成目标航迹,可以及时发现黑飞目标,将对正常民航飞机飞行的干扰降到最低。     

一种新型的自适应多核学习算法

针对样本基数较大、维数较高、特征较复杂的数据集训练问题,将支持向量机与蚁群优化算法相融合,提出一种自适应多核学习算法.利用吸引子传播聚类算法自适应地发现相似特征,并据此利用蚁群算法自适应地选择核函数参数,从而快速选择最优核函数.通过UCI数据集的5组数据实验表明,该算法相比于传统的支持向量机分类准确率和F1值更高,验证...     

一种基于部分样本类别判定的聚类分析方法

针对传统聚类分析中,指标权重一般由专家直接给出,然后再在此基础上进行聚类分析的不足,提出了一种基于部分样本类别判定的聚类分析方法.首先对部分样本进行类别归属判定,然后利用类内聚类样本之间的距离应尽可能小的原理建立规划模型,通过"反推"的方式诱导出合理的权重信息,再据此进行样本聚类.该方法主要用于解决聚类样本较多,且聚类样本的指标权重难以显性确定情况下的聚类分析问题.最后给出的一个算例验证了所提方法的有效性.