基于模糊核加权C-均值聚类的高光谱图像分类

高光谱图像分类是高光谱数据分析的重要研究内容之一。模糊C-均值聚类算法因其算法简单、收敛速度快等优点受到广泛的关注。由于高光谱数据的维数较高,其光谱波段的非线性特性使得传统模糊C-均值聚类算法无法在原始空间得到较好的聚类结果。另外,模糊C-均值聚类算法在计算聚类中心时,仅使用了各样本对聚类中心的隶属度,忽略了样本之间固有存在的空间分布特征。为此提出了模糊核加权C-均值聚类算法,在计算模糊核聚类中心时,根据样本的空间分布特征,为每个样本分配不同的权值,使得每个核聚类中心随着样本的不同而各有不同。标准数据和实际高光谱数据的实验结果均表明,相比较传统模糊C-均值均聚类算法,模糊核加权C-均值聚类算法在总体分类精度上有较大的提高。     

基于混合蜻蜓优化多核模糊聚类和特征子集选取的在线齿轮故障识别

对模糊C-均值聚类算法改进及在齿轮故障高效、可靠识别中的应用进行研究,提出了一种新的计及模糊聚类和特征选取的在线齿轮故障识别方法—基于混合蜻蜓优化多核模糊聚类和特征子集选取的在线齿轮故障识别算法.设计多核函数和贪婪聚类中心初始化策略,以克服模糊聚类算法对初始值敏感、高维复杂数据聚类鲁棒性差的缺陷;提出特征子集选取机制,...     

齿轮箱故障诊断的粒子群优化模糊聚类技术

用粒子群算法取代传统的梯度下降法,优化模糊C—均值算法的各个参数,并依据聚类有效性指标确定最优聚类数及聚类中心,有效地利用了粒子群算法全局寻优的优点,克服了模糊C—均值算法极易陷入局部最优的缺点,将经过PSO优化的模糊C-均值算法应用于齿轮箱故障诊断.试验结果表明,粒子群算法是有效的模糊聚类分析优化算法,提高了齿轮箱故障诊断的准确率.     

基于模糊C-均值聚类算法的柴油机磨损模式识别

将模糊C-均值聚类算法应用到柴油机磨损模式评价体系中,通过聚类中心和归一化的标准向量建立了磨损模式的模糊分析模型.对实际采集的20个样本进行模糊聚类分析,并与贴近度算法所得结果进行比较,证明模糊C-均值聚类算法对柴油机磨损模式的识别是准确、有效的.     

汽轮机故障诊断的粒子群优化加权模糊聚类法

针对模糊C-均值算法在汽轮机故障诊断中的不足,提出了粒子群优化加权模糊聚类分析的方法.首先,采用基于样本相似度的特征加权方法对样本特征及样本进行加权,以适应各种复杂分布的样本;然后,利用粒子群算法优化加权模糊聚类的特征权值和聚类目标函数,并依据聚类有效性指标自适应确定最佳聚类数及聚类结果.试验结果表明,该方法具有收敛速度快和全局收敛的特点,有效降低了汽轮机故障诊断的误分类率,诊断结果可靠.     

基于模糊C-均值聚类算法的柴油机磨损状态评判

论述了模糊C-均值聚类算法的原理与步骤，选取光谱分析中磨损元素的含量和3个定量铁谱参数作为特征参数，将模糊C-均值聚类算法应用到柴油机磨损状态评判体系中，可以得到聚类中心和用于分类的标准向量。对聚类结果进行了验证，表明应用模糊聚类的方法评判柴油机的磨损状态是可信的和准确的。     

基于LabWindows／CVI的模糊聚类分析仪在裂纹识别中的应用

当生锈的铁磁材料的表面微裂纹深度与表面腐蚀深度接近时，表面腐蚀凹陷所造成的噪声几乎淹没裂纹信号，造成深度在0．6mm以下的微裂纹检测数据相互覆盖。基于LabWindows／CVI的模糊聚类分析仪，利用三种模糊聚类算法（模糊C-均值聚类算法、“max—min”准则下的模糊聚类算法和基于遗传算法的模糊C-均值算法）对采样数据进行分类，成功地对0．4～0．6mm不同深度的裂纹进行分类识别，从而改善了硬件检测系统对这种极微裂纹的分辨率，提前了材料寿命的预报时机。     

基于模糊C-均值聚类的轴承性能衰退评估方法

针对轴承性能衰退评估中遇到的性能衰退时间和过程难以确定等问题,提出一种基于模糊C-均值聚类的轴承性能衰退分析与评估方法。研究了数据驱动的性能衰退分析过程。综合应用模糊集理论和聚类分析法,开发了基于模糊C-均值聚类算法的轴承性能衰退评估算法,并给出了相应的轴承性能衰退评估流程。以某型滚动轴承为例分析与评估了其性能衰退过程。结果显示,所提方法能够较好地识别轴承性能衰退发生时间和评定轴承性能衰退程度。     

基于加权灰色关联分析与模糊C-均值聚类的柴油机磨损模式识别

将加权灰色关联分析与模糊C-均值聚类(fuzzy center-means clusteving)算法相结合应用到柴油机磨损模式评价体系中,以Bezdek准则和模糊熵值为度量指标加强全局搜索能力并确定了加权指数m值,通过聚类中心和归一化的标准向量建立了磨损模式的模糊分析模型.对实际采集的20个样本进行模糊聚类分析,并与贴近度算法所得结果相比较,证明加权模糊C-均值聚类算法对柴油机磨损模式的识别是准确、有效的.     

自适应NWFE-KFCM算法在旋转机械故障辨识中的应用

为提高故障辨识准确率,提出一种专用于故障数据集自适应确定聚类类别数目的非参数加权特征提取(NWFE)和模糊核C-均值(KFCM)相结合的算法。以一个双跨度转子实验台作为实验研究对象,在将核函数与模糊C-均值方法相结合的基础上,采用NWFE算法中加权聚类中心的计算实现了为每个样本分配不同的权值,并引入聚类评价指标PBMF自适应地确定出最佳聚类数目。用Iris经典数据集对算法进行验证表明,所提算法能够克服传统算法中存在的同等对待不同样本特征和完全靠先验知识确定聚类数目的弊端。将该算法应用到转子实验台模拟故障的特征数据集中,进一步表明了其在转子故障数据集聚类分析中的有效性和实用性。     

运用改进模糊C均值算法的复杂产品功构单元模块划分方法

为了解决目前已有聚类方法在复杂产品功构单元模块划分过程中存在的问题,提出了一种基于改进模糊C均值算法(D-FCM)的产品功构单元模块划分方法。该方法运用距离矩阵生成样本分层聚类树,结合F统计量方法确定模糊C均值算法最佳聚类数,在此基础上,应用模糊C均值算法进行聚类分析,获得聚类结果。最后,结合实际项目给出该聚类方法在机床模块划分过程中的典型应用,对该方法进行实例验证。以此为基础,开发出机床模块划分系统平台。系统实现及设计结果表明了所提出方法的有效性,为面向配置设计的机床模块划分提供了另一种有效的模块划分方法。     

基于最小二乘支持向量机的汽车ABS控制研究

为使防抱死制动（ABS）更加智能,提出了一种基于最小二乘支持向量机（LS－SVM）的汽车防抱死制动控制方法。在分析道路试验数据的基础上,提出了以车轮速度峰值连线斜率估计车身速度的方法,进而计算车轮参考滑移率;在分析车辆模型的基础上,设计了基于车身减速度的路面辨识方法,提高了控制方法的适应性;以车轮参考滑移率和角加速度为输入,以控制信号为输出,设计了具有路面辨识能力的LS－SVM ABS控制系统,实现了基于支持向量机的控制。参照国家标准,在不同条件下进行道路试验,试验结果表明,该控制方法具有良好的制动效果和自适应性。     

保持特征的散乱点云数据去噪

为保证在去除点云数据噪声的同时不损失模型的细节特征,提出了一种基于特征信息的加权模糊C均值聚类去噪算法。首先,构建点云K-D树拓扑结构,根据点的r半径球邻域点统计特性去除大尺度离群噪声点。然后,利用主元分析法估算点云的曲率和法向量,根据曲率特征标识点云数据的特征区域,并采用特征加权模糊C均值聚类算法对特征区域去噪,采用加权模糊C均值聚类算法对非特征区域去噪。最后,使用双边滤波器对点云模型进行平滑。对提出的算法进行了验证实验,结果显示:去噪后点云模型的最大偏差保持在模型尺寸的0.15%以内;标准偏差保持在模型尺寸的0.03%以内。本文算法能够在有效去除不同尺度和强度的噪声的同时不损失点云模型的细节特征,去噪精度高,且对不同的噪声模型具有较强的鲁棒性。     

[动力电池]融合车、路、人信息的电动汽车续驶里程估算

Aiming at driving cycle and driving style influenced significantly on remaining range estimation, which resulted in the remaining range estimation difficulty, a estimate method was adopted,which combined driving cycle with driver’s driving style,to estimation the driving range of electric vehicles. The typical driving condition fragments were selected based on large sample and traffic characteristics of Zhengzhou, which through principal component analysis and fuzzy C-means clustering technique.Under MATLAB/Simulink,a model to identify driving patterns was established based on principal component analysis and learning vector quantization by the typical driving condition fragments and driving style fuzzy recognition model, the remaining range estimation were carried out, which adopted joint simulation method,and the results of remaining range estimation were optimized by Kalman filtering. The simulation analysis and hardware in the loop test results show that driving range estimation for electric vehicles through vehicles,roads, and human information fusion method, reduces the remaining range estimation errors, and confirmes the feasibility of the method at the same time.     

基于模糊聚类的油田往复压缩机气阀故障诊断研究

往复压缩机气阀是整个机体中故障率最高的部件,针对其故障模式复杂、难以辨识的特点,选取与气阀运行状态密切相关的6个振动参数作为特征参数,采用模糊聚类方法对气阀故障和运行状态进行评判.用现场实际采集的20个样本进行模糊聚类分析,求出故障特征,并与频谱分析和现场实际情况进行比较,聚类结果与实际情况相吻合,证明此方法应用于运行状态评判和挖掘故障特征是有效的.     

Advances in the segmentation of multi-component microanalytical images

Segmenting multi-component microanalytical images consists in trying to find zones of the specimen with approximate homogeneous composition, representing different chemical phases. This can be done through pixel clustering. We first highlight some limitations of classical clustering algorithms (C-means and fuzzy C-means). Then, we describe a new algorithm we have contributed to develop: the Parzen-watersheds algorithm. This algorithm is based on the estimation of the probability density function of the whole data set in the feature space (through the Parzen approach) and its partitioning using a method inherited from mathematical morphology: the watersheds method. Next, we introduce a fuzzy version of this approach, where the pixels are characterized by their grades of membership to the different classes. Finally, we show how the definition of the grades of membership can be used to improve the results of clustering, through probabilistic relaxation in the image space. The different methods presented are illustrated through an example in the field of electron energy loss mapping, where four elemental maps are concentrated in a single chemical phase map.     

基于粒子群优化模糊聚类的旋转机械故障诊断

提出基于柱子群优化模糊聚类分析的算法,并将其用于旋转机械的振动故障诊断。该算法以模糊C一均值算法（FCM）的聚类目标函数作为粒子群的适应度函数来衡量各聚类中心的优劣,并依据聚类有效性指标自动确定最优聚类数及聚类中心,有效的结合了FCM极易陷入局部最优的缺点以及粒子群算法全局寻优的优点。实践表明,该方法提高了旋转机械故障诊断的准确率,既可正确判断单一故障,又可有效诊断复合故障,从而证明了该算法的有效性。     

基于聚类动态LS-SVM的L-赖氨酸发酵过程软测量方法

针对生化反应过程中软测量模型存在的模型失效问题,提出了一种基于模糊C均值聚类(FCM)和动态LS-SVM的混合建模方法.首先,采用FCM算法将训练集分成具有不同聚类中心的子集,然后对每一类分别采用LS-SVM进行训练并建立子模型.对于带有新信息的样本数据首先计算其对每一类的模糊隶属度函数,然后用隶属度最大的一类所对应的子模型进行动态学习,并更新子模型.将所提出的软测量建模方法用于对L-赖氨酸发酵过程关键生物量参数的预测,实验结果表明所提出的建模方法可以有效地增强软测量模型适应工况变化的能力,提高其预测精度.     

基于软竞争Yu范数自适应共振理论的轴承故障诊断方法

传统自适应共振理论网络模型利用硬竞争机制对故障类边界处的样本进行分类时易造成误分类,为此,提出了基于软竞争Yu范数自适应共振理论的轴承故障诊断方法。将基于模糊竞争学习的软竞争方法引入Yu范数自适应共振理论模型中,根据模式节点与输入样本间隶属度的大小,对竞争层多个节点进行训练和学习。通过对轴承故障试验数据的诊断分析可知,该方法不但能有效识别不同类型的故障,而且能识别不同严重程度故障,且诊断精度优于自适应共振理论模型和模糊C均值聚类模型。