基于遗传算法的室内热舒适指标PMV的神经网络预测

介绍了人工神经网络对室内热舒适指标PMV进行预测的方法,探索遗传算法与神经网络结合运用,得出了神经网络预测的结果,提出了神经网络预测可用于智能化空调运行的控制。     

FNSEM:基于FCM的网络安全评估模型

为按等级保护策略定量评估计算机网络的安全状况,提出了一种新的基于FCM的网络安全评估模型（FN-SEM）．论述了模型的设计思想,给出了模型的建立方法,设计了安全评估算法,进行了模型分析和验证实验并与相关研究成果进行了综合对比．理论分析和实验结果表明,该模型是有效的,具有客观、全面、实用度高等优点,为计算机信息系统的安全测评提供了新思路．     

基于FCM算法大口径机枪的作战效能评估

针对目前武器结构设计的智能化发展趋势,研究者将模糊C均值算法应用到大口径机枪设计的量化分析评价中.该方法结合特定的作战环境,在分析影响大口径机枪作战效能因素的基础上,选取典型大口径机枪的部分性能为研究对象.在对实例中各类参数做规范化处理后,采用模糊C均值算法,通过计算数据的隶属度来判定机枪效能的优劣,实现了机枪作战效能的聚类.实验结果表明,评估方法实现简单,评估结果客观、有效,为枪械类武器效能仿真评估提供方法和技术上的支撑.     

窗墙比对室内热舒适性指标PMV影响的研究

通过建立数学模型进行数值模拟计算,在相同节能改造方案下,对窗墙比与热舒适性之间的变化关系进行了研究。研究表明：窗墙比为0．2时室内舒适性指标较高,但窗墙比为0．32和0．4时的室内舒适性指标基本相同,而且窗墙比为0．32时的室内舒适性指标稍小于窗墙比为0．4时的室内舒适性指标,这与通常窗户越小越舒适的说法有所不同。     

基于XGBoost分类算法的热舒适预测模型

为考虑个性化因素对热舒适的影响,建立一种基于XGBoost分类算法的热舒适预测模型.利用独热编码的方法对原始数据进行特征参数转换,将转换后的数据作为XGBoost分类算法的输入,经迭代训练后获得最佳的公共建筑中人体热舒适预测模型;利用SHAP值对模型特征参数进行解释,得出影响个性化热舒适的关键因素.结果显示:XGBoost分类算法的热舒适预测模型在受试者工作特征(ROC)曲线下的面积(AUC)和准确率分别为0.95,89％,均优于随机森林、逻辑回归、支持向量机、神经网络等算法模型,表现出较高的预测精度;影响个性化热舒适的关键因素为空气温度、相对湿度、空气风速和体重.     

基于FCM聚类算法的雹云识别模型

冰雹是气象的主要灾害之一.冰雹云的发生发展具有突发性,移动迅速,生命史短等特点,这些特点使人工预报冰雹非常困难.本文利用FCM聚类算法与新疆维吾尔自治区阿克苏地区的雹云反射率图像相结合.首先将冰雹反射率图像由RGB转换到灰度空间,然后计算各强度的面积所占比例,根据冰雹图像的测度特征,计算得到各强度均值、方差、偏度和峰度,根据这四项指标作为FCM聚类算法样本数据库.利用此聚类算法对已有样本进行测试,检验结果表明:FCM聚类算法能够较好的识别降雹和非降雹,判别误差较小,具有一定的参考价值.     

基于神经网络的室内热舒适评判模型

为更加科学地建立室内热舒适度评判体系，以某个体对不同热环境4个室内环境主要影响因素(环境温度、风速、相对湿度、平均辐射温度)的热舒适判断作为教师对神经网络的权值进行修正，以MatLab为开发工具，建立了室内热舒适的BP神经网络评判模型，给出了模型的算法．几种不同环境的验证结果表明，该模型的预测结果与此个体的实际判断高度吻合．     

基于PSO和GA混合优化的FCM算法

模糊C-均值(Fuzzy C-means,FCM)算法的初始聚类中心是随机确定的,因此存在着易受初始聚类中心和隶属度矩阵影响,可能收敛到局部极小值的缺点,从而影响图像分割效果.针对此问题,将粒子群优化(P S O)算法与遗传算法(GA)相结合更新种群和搜索最优点,进行全局搜索优化FCM初始聚类中心,实现了基于PSO和GA相结合的模糊C-均值图像分割算法,并用于分割乳腺钼靶图像.实验结果表明,提出的优化算法具有更好搜索全局最优解的能力,可以提高分割精度,得到更好的图像分割结果.     

人工免疫算法在室内热舒适模型优化中的应用

将人工免疫算法应用于建筑室内热环境设计和空调系统的参数优化方面,根据Fanger热舒适模型, 建立室内热舒适目标函数,进而确定满足热舒适要求的室内风速和温度范围.研究表明,基于免疫算法的室内热舒适组合优化方法可以作为热工设计和空调系统控制的依据.     

FCM算法及其有效性度量方法

模糊C-均值聚类(Fuzzy C-Means)算法作为一种常见的基于目标函数最小化的聚类算法,有其自己的优缺点和适用对象,其最终形成的聚类的质量受初始值的设定、簇的个数及具体算法等多方面因素的影响,评价聚类的质量要结合具体的算法选择合适的有效性来给以度量。本文详细介绍了FCM算法,并对常用的几种聚类有效性度量方法进行了分析比较。     

基于ANP方法的高校图书馆评估模型与算法

对我国高校图书馆评估指标体系和评估方法进行了研究.首先采用专家1—9标度打分构造判断矩阵并进行一致性检验,确定初始权重,然后建立初始超矩阵和加权超矩阵,再借助软件Matlab7.0计算加权超矩阵自相乘,使得积收敛为止,得到极限超矩阵权重,最终确定出各指标权重.计算结证明了ANP方法在高校图书馆评估中的可行性与合理性.     

基于改进FCM算法的交通流分析

针对交通流聚类问题,提出一种改进的模糊C-均值算法。该算法根据交通流特点,对样本数据集进行处理得到模糊等价矩阵,通过改进隶属度函数和距离度量函数得到新的目标函数,利用拉格朗日算法优化隶属度和聚类中心,最后通过凝聚度和分离度实现自动聚类。实验结果表明,改进FCM算法削弱了突变点影响,提高了聚类效果。     

集成电路热模拟模型和算法

本文介绍一种集成电路芯片的热模拟模型,并且将热路问题模拟成电路问题,然后用电路程序求解芯片上的温度分布。这样做可以利用成熟的电路分析程序,使计算的速度和精度大为提高。 作者根据这一思想,编制了一个YM-LiN-3的FORTRAN程序,它可以计算集成电路芯片上的温度分布,同时可以计算电路元件具有不同温度时的电路特性。该程序在小型机Univers/6847及微型机IBM-PC上通过,得到满意的结果。     

基于FCM的分布式学习方法

在大规模网络入侵检测应用中,针对模块化神经网络算法学习精度高但效率相对较低的特点,采用SOM算法作为基本学习方法并利用其神经元竞争特性,引入模糊聚类FCM对SOM输出权值进行融合学习分类,在保持SOM高精度的基础上,大幅减少了学习时间。最后采用入侵检测数据集KDDCUP99进行测试,结果验证了算法的高检测率和较好的效率。     

FCM算法中参数确定方法的探讨

模糊c-均值(FCM)算法是目前应用最为广泛的一种模糊聚类算法,但其中的两个重要参数模糊加权指数m和聚类的分类数c在进行聚类分析前必须给出恰当的赋值,否则将直接影响FCM算法的分类效果.本文就这两个参数的确定方法进行了一定的探讨.     

基于改进FCM算法和贝叶斯分类的图像自动标注

为跨越高层语义概念与底层视觉特征之间的语义鸿沟, 本研究提出一种新的图像自动标注方法。该方法首先采用灰度直方图方法对图像分割并提取图像区域的纹理特征, 然后利用FCM算法中增大关联度高的特征权重更好地实现对分割后图像区域的聚类效果。最后改进贝叶斯分类器建立图像区域和语义概念间的关联模型, 通过比较测试图像和训练图像间的最大相似度实现测试图像的自动标注。在Corel通用图像数据集上与其他几种方法进行了对比实验, 实验结果表明改进后的标注方法优于传统标注方法。     

一种基于改进PSO和FCM的图像分割算法

在模糊C-均值聚类算法的基础上,提出了基于改进粒子群和模糊C-均值聚类的混合图像分割算法.该算法利用改进粒子群算法优化模糊C-均值的目标函数,同时引入聚类有效性指标,通过迭代更新搜索到合理的分割类别数和聚类中心实现自动确定图像分割最佳类别数,并根据最佳类别数确定最优聚类中心的选取,最终实现图像的自适应分割.实验结果表明...     

基于FCM和SVM的TM遥感影像自动分类算法

遥感影像分类是遥感信息提取和定量化分析的重要手段,是目前遥感技术研究中的一个热点.以TM遥感影像为研究对象,提出了一种基于模糊C均值聚类和支持向量机的自动分类方法,解决了以往利用SVM等监督分类方法训练样本时需要人工选择样本且样本难以选定的问题,比FCM等非监督聚类算法的分类精度高.该方法首先对待分类的遥感影像用FCM算法进行初始聚类,然后根据聚类后得到的隶属度矩阵设计一种算法,选取其中的混合像元作为标注的训练样本,并送入SVM分类器进行训练.最后通过一块TM遥感影像对该方法进行验证.试验结果表明,该方法减少了人工对分类过程的干预,具有较高的分类效率和分类精度.     

基于加权样本的FCM快速算法研究

为改进FCM算法在处理大样本集聚类时速度慢、耗时多的缺点,根据样本在特征空间中的特征值分布情况,引入等价样本和样本加权概念,在此基础上提出了FCM（Fuzzy C-Means）的快速算法一般形式：WFCM（Weighted Fuzzy C-Means）算法.理论上证明了WFCM算法和FCM算法对样本集分割的等价性,并且,WFCM在运算性能方面明显优于FCM算法.而两个算法在灰度图像分割上的例子验证了WFCM算法的快速性和有效性.     

基于萤火虫算法优化FCM的WSN路由算法

针对无线传感器网络节点能源有限,容易出现能量负载不均衡的问题,提出了一种基于萤火虫算法优化模糊C均值(FCM)的无线传感器网络(WSN)路由算法(FFACM),优化了分簇路由算法中的分簇阶段和簇间路由建立阶段。在分簇阶段,使用萤火虫算法计算初始聚类中心,避免模糊C均值算法因初始聚类中心而陷入局部最优的问题。在选择簇首节点上,建立关于剩余能量和距离的适应度函数,选取适应度值最大的节点作为簇首节点并动态更新。通过计算节点间的链路代价并根据剩余能量和到sink节点的距离建立代价函数,选择代价函数值最小的节点建立簇间多跳路由,使得簇首节点的负载降到最低。从仿真实验结果可知,相比于其他无线传感器网络的路由算法,FFACM算法能有效均衡网络负载,降低节点能耗,从而延长网络的使用周期。