基于密度峰值聚类的高斯混合模型算法

由于存在大量服从高斯分布的样本数据,采用高斯混合模型(Gaussian Mixture Models,GMM)对这些样本数据进行聚类分析,可以得到比较准确的聚类结果.通常采用EM算法(Expectation Maximization Algorithm)对GMM的参数进行迭代式估计.但传统EM算法存在两点不足:对初始聚类中心的取值比较敏感;迭代式参数估计的迭代终止条件是相邻两次估计参数的距离小于给定的阈值,这不能保证算法收敛于参数的最优值.为了弥补上述不足,提出采用密度峰值聚类(Density Peaks Clustering,DPC)来初始化EM算法,以提高算法的鲁棒性,采用相对熵作为EM算法的迭代终止条件,实现对GMM算法参数值的优化选取.在人工数据集及UCI数据集上的对比实验表明,所提算法不但提高了EM算法的鲁棒性,而且其聚类结果优于传统算法.尤其在服从高斯分布的数据集上的实验结果显示,所提算法大幅提高了聚类精度.     

结合鲸鱼优化算法的自适应密度峰值聚类算法

针对密度峰值聚类算法（DPC）的聚类结果对截断距离[dc]的取值较为敏感、手动选取聚类中心存在着一定主观性的问题,提出了一种结合鲸鱼优化算法的自适应密度峰值聚类算法（WOA-DPC）。利用加权的局部密度和相对距离乘积的斜率变化趋势实现聚类中心的自动选择,避免了手动选取导致的聚类中心少选或多选的情况;考虑到合理的截断距离[dc]是提高DPC算法聚类效果的重要因素,建立以ACC指标为目标函数的优化问题,利用鲸鱼优化算法（WOA）有效地寻优能力对目标函数进行优化,寻找最佳的截断距离[dc];利用人工合成数据集与UCI上的真实数据集对WOA-DPC算法进行测试。实验结果表明,该算法在FMI、ARI和AMI指标上均优于DPC算法、DBSCAN算法以及K-Means算法,具有更好的聚类表现。     

结合密度峰值和切边权值的自训练算法

针对自训练迭代过程中错误标记样本对算法性能的影响,提出了基于密度峰值和切边权值的自训练算法。用密度聚类方法发现数据集的空间结构,选出具有代表性的未标记样本进行标签预测。用切边权值作为统计量进行假设检验,判断样本是否被正确标记,进而用正确标记样本逐步扩充有标记样本集合,直至所有未标记样本标签预测完成。新算法既充分利用了样本数据的空间结构信息,又解决了部分样本被标记错误的问题,提高了算法的分类准确率。通过在真实数据集上实验验证了新算法的有效性。     

回环软件缺陷数量预测模型

软件缺陷预测是软件工程中的一个研究热点问题,通常软件缺陷预测的研究工作主要关注于软件模块是否存在缺陷和软件模块存在缺陷的数量。目前软件缺陷数量研究主要集中在基于缺陷数的软件模块排序。为提高软件模块排序的准确度,提出一种回环软件缺陷数量预测模型。此模型主要包括回环特征选择和缺陷预测两部分。在回环特征选择部分,将改进的密度峰值聚类算法和包裹式特征选择方法相结合,以回环的方式动态的选出最优特征,并训练学习器;陷预测部分采用反距离加权集成的方式得到预测结果。实验结果表明,此模型相比于LRCR、GRCR、LR、MLP、GP、NBR、ZIP分别提升了10.36%、28.74%、13.51%、36.61%、25.30%、60.14%、54.72%,有助于提高软件缺陷预测准确性。     

Ball-Tree优化的密度峰值聚类算法

针对密度峰值聚类算法DPC（clustering by fast search and find of density peaks）时间复杂度高、准确度低的缺陷,提出了一种基于Ball-Tree优化的快速密度峰值聚类算法BT-DPC。算法利用第[k]近邻度量样本局部密度,通过构建Ball-Tree加速密度[ρ]及距离[δ]的计算;在类簇分配阶段,结合[k]近邻思想设计统计学习分配策略,将边界点正确归类。通过在UCI数据集上的实验,将该算法与原密度峰值聚类算法及其改进算法进行了对比,实验结果表明,BT-DPC算法在降低时间复杂度的同时提高了聚类的准确度。     

不同角度单裂隙对类岩石加卸载强度影响的试验研究

天然岩体内部存在大量裂隙,严重削弱了岩体的强度和稳定性,含不同裂隙的岩体在加载和卸载条件下其力学特性有显著区别.为研究含不同角度(裂隙面与水平方向夹角)裂隙的岩体在加卸载时的力学特性,根据相似三定理,制备了含有五组不同角度裂隙(0°、30°、45°、75°、90°)的完整类岩石试件,对每组试件分别进行了单轴和三轴循环加卸载试验,研究裂隙倾角和加卸载对其峰值强度的影响.结果表明:随裂隙角度的增大,单轴峰值强度显著增加,弹性模量增大、而泊松比随角度增加呈现降低趋势;不同倾角的岩石循环加卸载强度随角度增加而增大;三轴峰值强度随裂隙倾角的增加而增大,但围压对裂隙试件强度影响明显,在三轴循环加卸载环境下,强度会随裂隙倾角增加而明显增大.     

基于二阶k近邻的密度峰值聚类算法研究

密度峰值聚类(DPC)是近年来提出的一种新的密度聚类算法,算法的核心是基于局部密度和相对距离,通过画出决策图,人为选定聚类中心,进而完成聚类.DPC算法利用截断距离计算局部密度,本质上只考虑了周围近邻节点的数量,且算法采用单步分配策略,一定程度上限制了算法对任意数据集的计算精度和有效性.针对上述问题,提出基于二阶k近邻的密度峰值聚类算法(SODPC).算法通过引入节点的二阶k近邻,计算直接密度和间接密度,重新定义局部密度的计算方式.在此基础上,定义非中心节点的多步骤分配策略完成聚类.通过人工和真实数据的测试,证明了该算法对不规则、密度不均匀的数据集具有较好的聚类效果.     

浅谈地铁车辆转向架的轴承故障诊断方法

随着地铁交通行业的不断发展与进步,地铁列车的运行安全问题越来越受到人们的关注,对地铁列车进行全方位检测,保证列车安全行驶的关键所在,是地铁交通行业不断发展的基础前提。地铁列车部件中,转向架轴承是列车安全运行的关键性部件,因此对转向架轴承进行故障诊断,避免意外情况的发生就显得尤为的重要。该篇就谈谈地铁车辆转向架的轴承故障诊断方法。     

小波阈值降噪在砌体基本频率识别中的应用

为更加准确地获取砌体试件的基本频率,在频谱分析前,对振动信号进行降噪处理.对6个砖砌体试件分别进行环境激励下的动力测试,运用频域峰值点法进行频率识别,采取直接识别和小波阈值降噪后再识别2种手段.比较通过2种途径识别出的基本频率的分布规律,发现运用小波阈值降噪识别的基本频率的变异系数更小.表明在直接识别法识别基本频率的基础上,小波阈值降噪技术能进一步提高频率识别效率,可以应用于砌体结构的现场检测.     

应变率对上海安山岩强度和变形的影响

为了探究应变率对上海安山岩强度和变形的影响,试验中采用6种不同的应变率(1×10~(-5)s~(-1)~1s~(-1));选取了3种试件尺寸(D=38 mm,L=38 mm;D=38 mm,L=76 mm;D=58 mm,L=116 mm),以此探究试件的尺寸效应;利用微机控制刚性伺服三轴压力试验机对试件进行单轴压缩试验。试验结果表明:存在临界应变率εcr,当应变率低于时,岩石的峰值应力及极限应变随应变率的增大而增大,高于εcr时,则出现下降;试件长径比对εcr产生一定的影响,试件的长径比增加一倍,εcr则增加了一个数量级;当试件的直径一定时,随着长径比的增加,岩石的峰值应力出现了明显的增加,极限应变则明显下降;当长径比一定时,随着尺寸的增加,峰值应力出现了明显的下降;而尺寸对极限应变的影响则较小。