检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

一种建立粗糙数据模型的监督模糊聚类方法

软件学报 2005年第5期16卷 744-753页

作者：黄金杰李士勇蔡云泽上海交通大学自动化系上海200030 哈尔滨工业大学控制科学与工程系黑龙江哈尔滨150001

提出了在输入-输出积空间中利用监督模糊聚类技术快速建立粗糙数据模型(rough data model,简称RDM)的一种方法.该方法将RDM模型的分类质量性能指标与具有良好特性的Gustafson-Kessel(G-K)聚类算法结合在一起,并通过引入数据对模糊类的... 详细信息

提出了在输入-输出积空间中利用监督模糊聚类技术快速建立粗糙数据模型(rough data model,简称RDM)的一种方法.该方法将RDM模型的分类质量性能指标与具有良好特性的Gustafson-Kessel(G-K)聚类算法结合在一起,并通过引入数据对模糊类的推定隶属度的概念,给出了将模糊聚类模型转化为粗糙数据模型的方法,从而设计出一种通过迭代计算使目标函数最小的两个必要条件方程来获取RDM模型的有效算法,将Kowalczyk方法的多维搜索过程变为以聚类数目为参数的一维搜索,极大地减少了寻优时间.与传统的粗糙集理论和Kowalczyk方法相比,提出的方法具有更好的数据概括能力和噪声数据处理能力.最后,通过不同的数据集实验测试,结果表明了该方法的有效性.

关键词：粗糙数据模型粗糙集监督模糊聚类 gk算法推定隶属度

模糊聚类算法参数优选方法及其在局部放电模式识别中的应用

在线全文

学校读者我要写书评

暂无评论

高电压技术 2010年第12期36卷 3002-3006页

作者：王辉郑文栋吴晓春姚林朋黄成军钱勇江秀臣上海交通大学电气工程系上海200240 上海市电力公司上海200122

为了研究GIS中不同缺陷所激发的局部放电类型,设置了悬浮电极、针尖电晕、自由微粒以及气隙等4种常见缺陷模型。对采集的局放数据,建立了最大放电量、平均放电量和放电次数等二维相位分布函数,在此基础上提取24组指纹特征参数。在采用模... 详细信息

为了研究GIS中不同缺陷所激发的局部放电类型,设置了悬浮电极、针尖电晕、自由微粒以及气隙等4种常见缺陷模型。对采集的局放数据,建立了最大放电量、平均放电量和放电次数等二维相位分布函数,在此基础上提取24组指纹特征参数。在采用模糊C均值(FCM)和Gustafson-Kessel(gk)等聚类算法对局放数据进行聚类分析时,针对聚类有效性,即样本集的类数c和模糊加权指数m的优选问题,介绍了一种新型聚类有效性评估指标U(c),发现U(c)值越大,得到的聚类数越接近于真实值。最后与其它有效性指标对比,验证了U(c)指标的准确性和有效性。

关键词：局部放电(PD) 气体绝缘组合开关(GIS) 指纹特征 FCM算法 gk算法模糊聚类聚类有效性

在线全文

学校读者我要写书评

暂无评论

医疗决策支持系统中TS模型的应用研究

计算机工程与应用 2005年第11期41卷 163-165页

作者：潘力郭陟孙宏伟顾明清华大学软件学院北京100084

该文对构造基于gk算法的TS模型的方法进行了研究,并利用该模型建立了一个医疗决策支持系统,对医疗费用和住院天数进行预测。使用病人数据进行训练和预测的结果表明,构造的模型对预测实际发生的住院费用和实际住院天数具有较好的效果。

关键词：医疗决策支持系统 TS模型 gk算法

在线全文

学校读者我要写书评

暂无评论

聚类算法在玉米叶片病斑降维识别中的应用

江苏农业科学 2015年第1期43卷 405-406页

作者：朱景福李雪黑龙江八一农垦大学信息技术学院黑龙江大庆163319 黑龙江八一农垦大学农业工程博士后流动站黑龙江大庆163319

为了及时、准确地识别玉米病害,基于聚类识别算法,进行了玉米叶片病斑图像识别的对比试验。首先利用LLE算法对玉米图像降维以提取特征,然后采用K-均值算法、FCM算法和gk算法进行聚类分析,其中gk算法能够有效识别出玉米病斑图像,正确识... 详细信息

为了及时、准确地识别玉米病害,基于聚类识别算法,进行了玉米叶片病斑图像识别的对比试验。首先利用LLE算法对玉米图像降维以提取特征,然后采用K-均值算法、FCM算法和gk算法进行聚类分析,其中gk算法能够有效识别出玉米病斑图像,正确识别率高达95.5%。可见,gk模糊聚类算法对玉米病斑图像的识别效果较好。

关键词：聚类算法 gk算法玉米叶片病斑识别

在线全文

学校读者我要写书评

暂无评论

模糊聚类算法在数据挖掘中的应用研究

模糊聚类算法在数据挖掘中的应用研究

作者：蔡威兰州交通大学

学位级别：硕士

模糊聚类分析是将模糊数学方法引入聚类分析,采用隶属度函数确定样本间亲疏关系的聚类方法,适合处理客观世界中大量存在的界限不分明的聚类问题。作为一种重要的数据挖掘方法,目前模糊聚类分析已经在数据挖掘领域得到广泛的应用,诸如网... 详细信息

模糊聚类分析是将模糊数学方法引入聚类分析,采用隶属度函数确定样本间亲疏关系的聚类方法,适合处理客观世界中大量存在的界限不分明的聚类问题。作为一种重要的数据挖掘方法,目前模糊聚类分析已经在数据挖掘领域得到广泛的应用,诸如网络入侵检测、故障诊断和图像分割等。在研究传统的模糊聚类算法和基于核函数的模糊聚类算法基础上,考虑到现有聚类算法忽略了待聚类样本各属性间的不平衡性,不能全面反映聚类样本的特点,本文给出一种改进的属性加权核模糊C-均值(Weighted Kernel-based Fuzzy C-Means, WKFCM)聚类算法,该算法在聚类过程中,根据不同类别的特性,动态调整各属性对不同类别的权重,体现了不同属性对聚类结果贡献度的差异性。将该聚类算法应用于数据挖掘领域的实际问题中,验证了WKFCM模糊聚类算法的优越性能。本文的主要研究内容包括以下几个方面：首先,在分析了数据挖掘领域中的聚类分析方法的基础上,研究了C-均值聚类算法、迭代自组织数据分析算法(Iterative Self-Organizing Data Analysis Technique Algorithm, ISODATA)、核C-均值算法和支持向量聚类(Support Vector Clustering, SVC)等硬聚类算法。结合模糊数学的方法,进一步研究了模糊C-均值(Fuzzy C-Means, FCM)算法及其改进算法gk(Gustafsson-Kessel)模糊聚类算法,以及基于核函数的核模糊C-均值(Kernel-based Fuzzy C-Means, KFCM)聚类算法。其次,针对所研究的上述模糊聚类算法未考虑待聚类样本属性间的不平衡性的缺陷,给出一种改进的属性加权WKFCM聚类算法,充分体现了各特征属性对聚类结果贡献程度的差异性,改进了现有模糊聚类算法的不足。最后,将所研究的上述模糊聚类算法应用在基准聚类数据集以及具有海量数据的网络入侵检测数据挖掘问题中,实验结果表明,在聚类正确率和算法平均耗时等方面,属性加权的WKFCM算法性能最好,体现了模糊聚类算法的优越性能。

关键词：模糊聚类 gk算法 WKFCM算法数据挖掘

基于支持向量机的组合核函数及模糊系统辩识研究

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于支持向量机的组合核函数及模糊系统辩识研究

作者：郭守团西南交通大学

学位级别：硕士

基于统计学习理论的支持向量机是一种新型机器学习工具。它具有推广能力强、全局优化、与维数无关等优点,已成功的应用于文本分类、模糊辨识、智能控制、图像处理等领域。核函数将低维输入向量通过映射而工作在高维特征空间,从而有效... 详细信息

基于统计学习理论的支持向量机是一种新型机器学习工具。它具有推广能力强、全局优化、与维数无关等优点,已成功的应用于文本分类、模糊辨识、智能控制、图像处理等领域。核函数将低维输入向量通过映射而工作在高维特征空间,从而有效的解决维数灾难及非线性问题,并且它携带了数据样本间的依存关系、先验知识等信息。为更好的描述现实生活中存在的大量复杂非线性系统,人们提出了不同的非线性映射形式的模糊模型。模糊网格、模糊聚类、神经网络等是常被用于这些模糊模型中生成模糊规则的辨识方法,但它们易产生维数灾难、函数逼近能力不高、对野点及噪声非常敏感等问题。利用支持向量机的优点,结合模糊系统,建立新的辨识方法,就得到了学者们的高度重视。因此,基于支持向量机理论的核函数及模糊辨识技术就具有重要的研究意义。本文主要着眼于支持向量机在核函数与模糊辨识等两方面的应用,主要内容如下： 1、组合核函数的构造及参数选择优化研究。虽然高斯核函数在机器学习领域已被广泛使用,但其具有的唯一参数不能反映出不同样本特征的重要性,同时它还存在核宽度恒定、全局性差的缺点。为了更好的发挥核函数的优势,本文构造了一个基于高斯核函数、具有全局性与局部性及可变核宽度优点的组合核函数;同时,针对支持向量机与组合核函数中的超参数,提出了一种结合支持向量机与BFGS的参数选择优化算法。 2、gk模糊聚类改进算法研究。由于gk模糊聚类能够自动地探测不同聚类形状,故其被认为是一类较好的用于分类的数据分析技术。但是,其存在每次迭代中最终聚类数恒定且需重新选择聚类中心、公式中要求协方差矩阵非零等缺点。本文针对以上问题,提出了一种改进型gk算法。 3、新型模糊辨识算法研究。本文分析了缺少常数项的支持向量回归机与Mamdani模糊模型的等价性,并提出了支持向量机模糊模型概念,以及利用改进型gk算法对数据进行分类、支持向量回归机提取模糊规则、梯度下降法优化参数的模糊辨识算法。

关键词：支持向量机组合核函数 gk算法模糊系统辨识

无人机动态特性分析及工作点设计自动化技术研究

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

无人机动态特性分析及工作点设计自动化技术研究

作者：崔跃南京航空航天大学

学位级别：硕士

由于无人机非线性特性,设计出能适应全包线无人机需求的控制律成为当前飞行控制所面临的一个技术难题。常规控制器设计方案是在飞行包线内,迭代选择多个典型工作点后,利用无人机线性模型来设计飞行控制律。因此,典型工作点的选择情况,... 详细信息

由于无人机非线性特性,设计出能适应全包线无人机需求的控制律成为当前飞行控制所面临的一个技术难题。常规控制器设计方案是在飞行包线内,迭代选择多个典型工作点后,利用无人机线性模型来设计飞行控制律。因此,典型工作点的选择情况,将直接影响无人机飞行控制的品质。本文在分析影响工作点选择因素后,对无人机典型工作点选择机制进行了研究,并应用模糊聚类技术完成了典型工作点的选取。论文首先在Matlab/Simulink环境下建立无人机6自由度非线性数学模型后,得到了无人机的飞行包线。在此基础上,通过均匀采样获取配平工作点集合。然后,利用小扰动原理,得到线性化模型后,从阻尼/自然振荡频率及气动导数两种角度,分析了无人机纵向动态特性的参数,确定了聚类原型。其次,应用gk算法对阻尼/自然振荡频率和气动导数两种聚类原型进行了研究,得到两种形式典型工作点。通过极点、阻尼比和振荡频率分布图,验证了利用模糊聚类获取典型工作点的合理性。再次,在典型工作点处,设计了无人机纵向和横侧向控制律增益。结合典型工作点处控制参数和模糊隶属度矩阵,制定了飞行控制器全包线控制律调参策略。最后,本文基于Matlab/Simulink下无人机6自由度数学模型,进行全包线非线性数值仿真。仿真结果表明:基于本文所选择的典型工作点所设计的控制器和调参方案,能够稳定控制无人机飞行,并具有较好的控制品质,从而验证利用本文选择典型工作点算法的可行性和合理性。

关键词：无人机控制律模糊聚类典型工作点 gk算法