分布式模糊聚类微动法铁路路基岩溶地球物理探测： 以皖赣铁路宁国改线工程为例

微动勘探法可探查铁路路基地下岩溶、裂隙通道等不良地质体的发育位置,针对反演成果中土、岩体分界面模糊不清,异常位置及边界不准确等问题,采用分布式模糊聚类算法分析反演数据。系统回顾了微动勘探法和分布式模糊聚类算法基本原理,以皖赣铁路宁国改线某区间既有铁路路基岩溶勘察为例,开展分布式模糊聚类微动勘探进行地层分层、溶洞自动划分。将分布式模糊聚类法分析前后的反演数据同时与钻探揭露结果对比发现,分布式模糊聚类算法可对分界面、异常区域进行自动有效划定,可更加准确地识别地质异常体。说明该方法可较大程度提高微动反演数据的准确率,为铁路路基工程的设计和施工提供参考。     

水压试验机故障诊断专家系统的知识获取

针对水压试验机故障诊断专家系统的知识获取问题,将减聚类算法与人机交互方法相结合,提出了一种基于减聚类的"变焦"知识获取方法.通过将知识获取问题近似为水压试验机AMESim仿真模型增压侧压力的数据分析,引入减聚类算法,并将聚类结果与专家进行交流,实现人机交互.分析了减聚类主要参数对聚类结果的影响,建立参数修改规则,根据专家评价结果不断调整减聚类参数,获得符合要求的结果.通过"变焦"方法针对某一类结果进行深入研究,从而实现知识获取.实验结果验证了方法的有效性.     

基于VB的三菱FX系列PLC与PC串行通信的实现

结合FX系列可编程序控制器的特点．详细分析了PLC与PC间的通信协议．并给出了利用VB6．0实现PC与PLC串行通信的设计过程。     

基于交通指数聚类的路网区域动态划分

针对宏观路网区域交通状态预报需要首先产生路网区域的需求,提出了一种新的基于交通指数聚类的路网区域动态划分方法.首先对整个城市路网进行网格化划分,将路段划分为从属于某个网格的子路段;然后,计算每个网格的交通指数,提取网格特征,从而得到样本特征矩阵;接着,利用k-means++聚类算法对样本特征矩阵进行聚类,得到初始聚类标...     

基于密度聚类的模糊神经网络和CHP分解过程建模

针对基于样本数据的复杂系统建模问题,提出了基于密度聚类的模糊神经网络(DFNN)的建模方法,研究了利用密度聚类原理提取数据样本的内在规则的理论和方法,提取的规则能较好地反映样本数据输入输出的对应联系,根据提取的规则给出了模糊神经网络的模型结构.本文以化工生产过程过氧化氢异丙苯(CHP)分解反应过程为对象进行仿真建模,结果显示在模型精度和可靠性上均优于基于c均值聚类提取规则的模糊神经网络模型(CFNN).     

基于半监督学习的中文多文档子主题划分

为了能在多文档自动摘要过程中更好地划分子主题,提出了一种基于半监督学习的子主题划分方法:首先计算句子的语义相似度;然后通过层次聚类对可信度高的句子进行主题类别标记,生成少量已标记主题类别的句子集,在此基础上对所有句子进行constrained-k-means聚类,通过交叉验证的方法确定子主题的数目k;最后使用k-means聚类获得多文档的各个子主题.实验结果表明,该方法有效地提高了子主题的识别率.     

铁路多微机遥控遥信系统的研究

本文介绍了铁路远程多微机系统的结构及其类型。以一个多机系统的设计为例,分析研究了系统硬件接口电路的设计,通讯规程的设计及实现。重点研究分析了如何用简单廉价的接口电路及通讯设备来实现较高级的通讯规程,通过实验表明这是可行的,这对于降低成本,提高微机远程通信系统的质量具有实际意义。     

分布式系统中异型微机间的通讯

主要介绍了一个由异型微机组成的分布式监控系统中的通讯问题。对系统中通讯的硬件设计、软件设计及系统的分析、异型微机之间的通讯规程等诸方面进行了论述，重点在通讯，该系统已投入现场运行４年之久，实践证明该系统的通讯是可靠、稳定的。     

基于总线以太网的控制协议改进

为了解决实时控制网络应用中的通讯实时性和确定性问题,提出在总线以太网上实现一种CSMA/CD-Master/Slave切换混合协议,并在其上构建UDP/IP协议,同时对该混合协议的实时性和可靠性进行计算机仿真分析.在实时控制网络应用中,当网络轻载时,采用CSMA/CD访问控制方式;当网络重载时,自动切换到Master/Slave方式,实现自动调节达到对介质的有限争用.仿真表明CSMA/CD-Master/Slave切换混合协议的应用能够提高通讯实时性和可靠性,可以保证控制网络的稳定性和实效性.     

概率假设密度滤波的谱聚类目标状态提取方法

提出了一种谱聚类目标状态提取方法来实现概率假设密度(PHD)滤波中序贯蒙特卡罗(SMC)实现方式的多目标状态估计.该方法利用PHD滤波SMC实现方式输出的大量的加权粒子点间的相似度关系建立相似矩阵,通过变换得到拉普拉斯矩阵,进而对拉普拉斯矩阵进行特征分解,以实现粒子点的聚类,再在每类中寻找粒子的聚类点作为多目标状态的估计值,同时为了减小计算量,利用Nystrm逼近方法求解特征向量.仿真实验表明,PHD滤波的谱聚类目标状态提取方法的估计精度比k均值目标状态提取方法提高了60%以上.