改进K均值聚类法在变压器故障诊断中的应用

将改进K均值聚类法在模式辨别和分类方面的优势应用到变压器故障诊断中。对K均值聚类法的不足进行分析,采用改进K均值聚类法和油溶气体分析技术中改良三比值法相结合的方法对变压器的多种常见故障进行诊断,并将诊断结果同K均值聚类法进行对比分析,应用MATLAB对两者的结果进行仿真。结果表明,改进K均值聚类法不仅能正确、有效地进行变压器故障判断,而且优化了K均值聚类法在初始聚类中心选择方法上的不足,使诊断结果更趋于准确真实。     

大气污染区域划分中的F-PFS聚类法

本文利用F-PFS聚类法对大气污染区域进行划分,该方法克服了普通模糊聚类法的一些不足,在进行聚类的同时,得到最佳分类数。     

大气污染区域划分中的F-PFS聚类法

本文利用F－PFS聚类法对大气污染区域进行划人，该方法克服了普通模糊聚类法的一些不足，在进行聚类的同时，得到最佳分类数。     

全矢—模糊核聚类在旋转机械故障诊断中的应用

针对传统旋转机械单通道故障诊断的信息不完整以及经典模糊聚类算法中的不足,结合全矢谱技术、密度函数法和模糊核聚类法,提出一种新的旋转机械故障识别方法。该方法首先应用全矢谱技术为特征提取工具,然后以密度函数法求得模糊核聚类的初始聚类中心,最后再用模糊核聚类法建立分类器进行故障识别。实验结果表明,该方法能准确、有效地对旋转机械的工作状态和故障类型进行分类,提高故障诊断的准确率。     

一种新的组合聚类分析方法及其应用

传统的系统聚类分析方法不能自动判断结果中适宜的类别数,本文应用两步聚类法与层次聚类法相结合的方式对25种汽车样本进行聚类分析,并利用类型内标准差与总体标准差的比较对聚类效果进行了检验。结果表明,使用这种组合聚类分析方式先科学、客观地确定聚类数目,再进行聚类分析,得到的三类数据样本集合,样本集合间各指标存在显著差异,所得到的结果与客观实际相符,证明了这种新聚类方式的可行性。     

基于模糊聚类的变压器故障分类分析

使用模糊c-均值对变压器故障进行聚类,具有简单直观且易于实现的特点。但是,聚类性能受中心点初始化影响,且存在计算量较大的问题。因此,提出了综合聚类法,利用该方法,确定输入样本的聚类分类数和聚类中心;然后再通过FCM对数据进行聚类;最后通过对变压器故障诊断,可以有效发现变压器潜在故障,降低安全事故发生概率。     

改进的FCM聚类法及其在行驶工况构建中的应用

针对FCM聚类法对初始聚类中心比较敏感、迭代容易陷入局部极值、难以取得最优聚类的问题,提出了一种改进的FCM方法,即利用SOM网络对主成分数据进行聚类,将得到的权值作为FCM聚类的初始聚类中心,从而使聚类结果更加接近最优聚类。将改进的FCM聚类方法应用于合肥市道路行驶工况的构建中,理论分析及试验结果表明,该方法有效地提高了聚类精度,构建的行驶工况与实际道路的交通状况吻合很好。     

基于两种模糊聚类方法的噪声目标自动分类研究

本文详细介绍了模糊传递闭包法和模糊C均值法的计算步骤,并分别用这两种方法对一组噪声目标进行了聚类,最后对两种聚类方法进行了比较。     

一种优化的K-means聚类中心算法研究

传统的K-means算法对初始聚类中心敏感,不同的初始输入随目标准则函数进行不同次数的迭代,聚类结果波动大,容易陷入局部最优.针对K-means存在的问题,本文提出以簇内相似度最高的具有高密度分布的点为初始聚类中心的算法,通过聚类评价函数提高其聚类质量.用标准的UCI数据库进行实验,结果表明,在聚类K值给定的情况下,改进后的方法较传统K-means方法具有更好的聚类效果,其准确率与稳定性得到改善.     

基于聚类的未知频率小信号检测

针对宽带范围内未知频率、幅度和相位的小信号检测,提出了一种改进的K均值聚类算法,传统的聚类法只以某一特征参数作为聚类依据,不能体现类内各样本间两个或多个参数的相似度;改进的聚类法按频点谱密度进行网格划分,并根据每个网格的直方图峰值确定类的数目和类心;按最小欧氏距离原则对网格内各频点以频率为特征参数进行分类,分类后的网格内子类在谱密度和频率两个参数上都具有一定的相似性。把待测信息和样本信息的子类进行比较,从而获得与小信号特征值一致的新子类,试验结果表明这种改进的K均值聚类法在复杂环境下能有效识别宽带内未知频率小信号。     

基于效用分析的客户聚类方法研究

企业实施批量定制的前提是分析客户的需求和偏好，正确地进行客户群的划分。综合应用响应曲面法、适应性关联分析技术和系统聚类法，提出了根据客户需求效用值进行客户群聚类划分的新方法；采用响应曲面法生成典型样品进行客户调查，通过适应性关联分析法分析调查结果，并计算客户需求的效用；采用系统聚类法对客户进行聚类划分，得到了具有不同需求效用的客户群；采用排序法确定不同样品的重要度，计算各样品在客户群中受欢迎的程度，优选出客户群偏爱的典型样品。     

核函数参数优化的聚类算法

研究了具有参数优化的核函数法及其在聚类问题中的应用.针对聚类问题,在以到各聚类中心欧氏距离为依据的样本聚类过程中,不存在类似于分类问题中最优超平面这一概念.但可以利用核函数法将样本空间映射到高维的特征空间上,使得在特征空间上样本的类内间距缩小和类间间距相对加大.给出了对一类核函数参数可优化的特征空间聚类算法,并分析了算法的复杂度,给出了降低复杂度的处理方法.通过实例说明了核函数参数优化法聚类的有效性.     

核函数参数优化的聚类算法

研究了具有参数优化的核函数法及其在聚类问题中的应用.针对聚类问题,在以到各聚类中心欧氏距离为依据的样本聚类过程中,不存在类似于分类问题中最优超平面这一概念.但可以利用核函数法将样本空间映射到高维的特征空间上,使得在特征空间上样本的类内间距缩小和类间间距相对加大.给出了对一类核函数参数可优化的特征空间聚类算法,并分析了算法的复杂度,给出了降低复杂度的处理方法.通过实例说明了核函数参数优化法聚类的有效性.     

特征保持点云数据精简

由于三维扫描设备采集的点云数据庞大,本文提出了一种特征保持的点云精简方法以在减少冗余数据的同时更好地保持原始曲面的几何特征。首先,利用K均值聚类法在空间域对点云全局聚类,对点云构建K-d树并以K-d树的部分节点作为初始化聚类中心。然后,用主成分分析法估计点云法矢和候选特征点,遍历每个聚类,若类中包含特征点则将该类细分为多个子类,细分时将聚类映射到高斯球。最后,基于自适应均值漂移法对高斯球上的数据进行分类,高斯球上的聚类结果对应为空间聚类细分结果,各聚类中心的集合为精简结果。以多个实物模型为例验证了算法的有效性。结果表明,本文方法精简的点云在平坦区域保留少数点,在高曲率区域保留更多的点。相比于非均匀网格、层次聚类、K均值点云精简法,该方法对包含尖锐特征的曲面精简误差最小,更好地保留了原始曲面的几何特征。     

基于近红外光谱和聚类法的食用油分类方法研究

为了对市场上出现的各种油类进行快速、高效的分类,研究了近红外光900-1700nm范围内对食用油定性分析的可行性.在采用了透射方法测量大豆油等4种食用油的近红外光谱后,再经过预处理,采用了主成分分析对数据进行特征提取来实现对数据的降维,再利用聚类方法对数据进行聚类.实验证明光谱数据经过预处理和降维处理后,最短距离法和最长距离法等聚类方法均可准确无误地将食用油样品分为4类,鉴定率达到100％.     

基于高斯映射的CAD网格法向聚类分割方法

网格模型特征的分割和识别,能够极大地提高复杂机械产品设计中模型重用、模型编辑的效率。由此,提出一种基于高斯映射的法向聚类CAD网格分割方法。对网格模型各面片法向进行高斯映射,建立各单元面片边连接邻域与高斯球面法向的对应关系。对各法向在高斯球面上进行k-means聚类分割,依据法向初始聚类类型和二面角阈值细化分割。将过分割的细小区域进行合并处理,根据各区域邻接矩阵及其类型的相似性进行特征识别和归并处理。本算法能够高效地对复杂机械产品的网格模型进行分割和识别,不受网格疏密的限制。     

改进最近邻法在基于CBR的自动武器设计系统中的应用

实例检索是基于实例产品设计的关键，最近邻法是常用的一种检索算法。但随着实例库的增大，这种算法检索的效率会大大降低。文章结合基于CBR的自动武器设计系统的特点，提出了一种改进的算法。采用聚类的方法把实例库分为合理的聚类，并找到每个聚类的均值，然后在推理中，新实例直接与每个均值进行比较，找到与它最相近的聚类，并在这个聚类中搜索最相近的实例。避免了盲目搜索，优化了算法。     

基于时空融合的视频对象分割

算法利用高斯混合模型对空间属性进行聚类分割,选取合适的初始参数通过k-means聚类和EM算法估计参数,并对EM算法进行适当改进,提高视频对象的分割速度。同时利用多帧间差法在时域中获取运动模板,通过聚类信息与运动模板进行匹配,获得最终的分割对象。实验表明,可以获得较好的分割效果,同时分割速率也有一定的提高。     

基于聚类分析法的典型工艺路线发现方法

为解决计算机辅助工艺设计系统从工艺数据中提取工艺知识的问题，提出了应用聚类分析法获取典型工艺路线的方法，建立了以矩阵表达工艺路线数据的数学模型。在工序编码的基础上，应用曼哈坦距离计算工序间的相似度。应用欧氏距离计算工艺路线间的相似度，并以相异度矩阵表示工艺路线的相异度。通过平均距离法计算工艺路线簇间的距离，并应用凝聚的层次聚类法进行工艺路线聚类。最后，通过工艺路线聚类粒度的确定方法确定聚类结果，并以轴套类零件典型工艺路线发现为例，验证了该方法的有效性。     

基于属性的网格资源动态聚类研究

为提高网格资源的搜索率与利用率,提出了基于属性的网格资源动态聚类法。首先以复合λ值模糊聚类树为基础,以资源簇内聚合度和资源簇间分离度为目标,构建资源聚类优化数学模型;然后运用并行遗传算法进行优化,建立了适合资源聚类模型的并行遗传算法操作流程。针对经典遗传算法存在“早熟”的不足,设计了一种新颖的矩阵交叉方法。最后,通过仿真证明了算法的高效性。