基于加权投票的主动密度峰值数据聚类算法

针对传统方法缺乏对查询标准的全面考虑,并且反复运行半监督聚类来更新标签等问题,提出一种基于加权投票一致性的主动密度峰值数据聚类算法。提出一个同时考虑代表性和信息性的主动密度峰聚类算法,选取有代表性的实例捕捉数据模式,查询信息实例以减少聚类结果的不确定性。设计快速更新策略,有效地更新了标签。提出一个结合局部和全局不确定性的主动聚类集成框架,并引入加权投票一致性方法对聚类结果进行优化整合。在数据集上的实验结果证明了该方法能有效解决传统方法问题,并具有良好的聚类性能。     

基于改进鲸鱼优化算法的传感网络节点移动策略

针对传感网络监测区域难以完全覆盖,导致节点移动能耗较大、网络寿命较差的问题,提出一种基于改进鲸鱼优化算法的传感网络节点移动策略。建立传感器节点模型,确立通信范围,计算网络节点覆盖率。为满足通信信噪比要求,结合信息增益构建信道模型,制定通信协议。分析传统鲸鱼算法中个体捕食过程,探究螺旋式与收缩包围两种位置更新方式。引入自适应步长参数,根据节点总数量、覆盖半径与区域边长等参数,计算个体适应度值,选取初始种群,以覆盖率最大为目标,确定当前最优解的位置,经过不断更新,当迭代次数最大时输出全局最优解,即节点移动位置。仿真结果表明,当节点数量为180个时,而本文方法的传感网络节点寿命为28min;当节点数量为10时,本文方法的总路程理想值和解空间之比为0.120,降低了节点移动能耗。     

基于灰色关联分析的传感器节点连通算法

为了解决传统传感器连通算法难以完全剔除连通干扰因子,导致节点连通性较差,提出将灰色关联分析方法应用在传感器节点连通算法设计中.采集传感器节点信息,确定各个节点之间的灰度关联关系,通过序列因子之间的极差转化剔除序列中的连通干扰因子.采用K邻近搜索算法获得特征点附近邻域点,并凭借特征向量与特征值建造局部节点连通范围平面.最...     

基于深度置信网络和对称点模式电机轴承故障诊断研究

电机轴承的健康状态直接影响电机安全、稳定运行。针对电机轴承故障诊断问题,以故障信号可视化和特征自提取为目标,将深度置信网络(Deep Belief Network,DBN)与对称点模式(Symmetrized Dot Pattern,SDP)变换相结合,提出了一种轴承故障可视化及智能诊断方法。首先基于SDP变换将原始轴承振动信号进行可视化表示,基于最大面积函数选择最佳的SDP参数以通过高分辨率图像清晰区分不同轴承状态,并生成相应的轴承故障SDP图像库;然后采用深度置信网络作为数据训练模型以实现故障特征自提取;最后由位于DBN算法模型后的分类器实现轴承故障的有效诊断。实验结果表明,该方法不仅分类率达到98 %以上,而且具有较好的泛化能力和稳定性。该方法为电机轴承故障可视化和智能诊断提供了一种新思路。