基于SOM的高维化工过程数据粗差判别

针对石油化工生产过程样本数据呈高维的特征.提出了基于自组织映射(Self-Organizing Map,SOM)网络的粗差判别方法.并实际应用于初馏塔生产过程.首先应用SOM网络对初馏塔生产过程数据进行保留拓扑结构的降维映射,然后通过对其映射平面神经元间距离的可视化分析,实现数据粗差判别.研究结果表明用SOM网络来发现高维复杂生产过程数据中的粗差具有很好的可视化效果及应用前景.     

表面应力场可视化模型与系统

结合科学计算可视化技术,对构件表面应力场的可视化要求进行了分析,利用颜色模型及其映射方法阐述了应力数据可视化方法和过程,建立起构件表面应力场的可视化模型,以Widnwos环境的MATLAB语言为平台,开发了用于构件局部应力状况和应力水平评价的计算机可视化分析系统,为构件工作状况评价和使用寿命预估的自动化提供了辅助工具。     

基于类别保留投影的基因表达数据降维方法

针对基因表达数据的高维小样本问题,提出一种新的线性降维方法.该方法采用保局投影,结合样本的类别信息,将基因表达数据投影到特征子空间.与主分量分析方法寻找最大方差方向不同,类别保留投影方法旨在寻找能够反映样本类别结构的特征子空间.采用该方法进行数据降维的同时能使样本按照类别属性进行聚类.对真实的基因表达数据进行了降维可视化和k均值聚类分析,并与主分量分析方法进行了实验比较,结果表明,类别保留投影方法在实现降维的同时能更好地识别样本的类别特征,从而可视化效果相比主分量分析要好得多,且能得到较好的聚类效果.     

基于超复数计算的3D径向坐标可视化映射方法

提出一种多维数据3D空间可视化方法。在二维径向坐标映射基础上,引入雷达图的面积特征作为第三维,构成三维径向坐标映射。基于超复数实现径向坐标在3D空间的计算。实验结果表明,三维映射较二维映射更能反映数据结构信息,有效处理了二维径向坐标映射中映射数据点易堆叠的问题。     

一种分布式的电磁场可视化叠加法

为了解决电磁场可视化的表达方法和仿真速度问题,通过分析面绘制、直接体绘制、特征形状绘制等常见场的绘制方法,提出一种结合标量、矢量和动态粒子的可视化叠加方法来解决叠加映射问题。利用分布式计算在可视化叠加法中的应用,设计具有开放模式的分布式可视化仿真架构,并给出动态资源调度及海量数据处理等关键技术。研究结果表明,新方法不仅可使可视化效果和仿真速度得到改善,而且适用于其它非视觉物理场的可视化。     

可视化映射事例的检索方法研究

可视化映射需要满足表示准则和有效准则。本结合基于事例的推理技术对可视化智能映射进行研究,提出了一种适合可视化映射的事例检索新方法。分析了可视化映射问题的索引模式。在集成神经网络与模糊认知图的基础上,给出了可视化映射事例的匹配算法和最佳事例选择算法,消除了基于固定相似性评价尺度进行事例检索的缺点,也解决了带有主观评价因素的可视化映射的表示准则和有效准则问题。     

电磁场的科学计算可视化

基于面向对象方法，建立了一个电磁场可视化实验系统。文中根据电磁场数据及可视化要求，采用对象表示可视化过程，建立电磁场可视化流水线模型；基于ＣＩＥ－Ｌｕｖ均匀颜色系统，生成线性灰度表用于颜色映射；同时在Ｓａｂｅｌｌａ的ＤＥ光照模型的基础上，给出了统一的电磁场可视化绘制模型。     

真实体表模型上BSPM仿真数据的可视化

虚拟心脏模型LFX采用具有真实几何形状的三维心脏、躯体模型进行仿真研究，但仿真输出结果基本上以二维的形式给出．针对这一问题，提出了一种顶点投影映射算法，将LFx虚拟心脏模型的关键仿真数据之一的体表电位(BSPM)从真实几何形状的躯干模型映射到真实人体体表模型，并在4DView三维医学图像实时可视化平台系统上对映射前后的BSPM仿真数据进行了三维可视化，从而将LFX虚拟心脏模型的BSPM仿真数据的输出从二维拓展到了三维、从真实几何形状的体表模型拓展到了真实体表模型．映射前后BSPM仿真数据的可视化结果表明，LFX虚拟心脏模型具有更为直观有效的仿真特性．     

一种多元图图形特征向球面坐标映射的可视化方法

提出一种将二维多元图图形特征映射到三维球面坐标的可视化方法。提取二维多元图中雷达图的面积特征、融合矢量的长度和角度特征,通过球面坐标映射将其有机融合到3D球体空间。对Iris数据集的实验结果表明,该方法具有较高的灵活性,能有力揭示数据结构。     

爆炸场可视化

目的将爆炸场可视化并设计一个切实可行的软件工具分析爆炸场. 方法提出一个理想的带防护墙的二维爆炸场模型,该模型用MMIC程序进行数值模拟. 模拟输出的物理数据经过规范化、编码、映射和显示等处理之后转化成DIB位图图像数据. 程序设计采用了面向对象方法. 结果与结论利用该工具,可视化了带防护墙的二维爆炸场,从中可观察到爆炸场的概貌以及冲击波传播的一些细节,如反射、绕流和马赫反射等.     

一种优选神经网络训练样本的混合聚类算法

神经网络训练集中含有大量相似样本不但增加了网络的训练时间还对网络泛化能力存在较大影响,合理的选择样本集训练神经网络模型影响着建模的效率。根据实际应用中神经网络学习样本具有的内在特征和规律性,提出了一种基于自组织映射（SOM）神经网络的K-均值聚类算法优选神经网络样本,算法的主要思想是通过对样本数据的聚类分析,剔除孤立样本后挑选出具有代表性的样本训练神经网络。实验结果表明,相对随机选择法而言,本算法能够有效地减少训练样本的数目,提高建模效率。     

基于SOM-PCA-RVM 的过程建模及其应用

针对呈现高度非线性,自变量之间存在交互作用,且采集的过程数据具有一定类别特征的复杂系统,提出基于自组织映射神经网络-主元分析-关联向量机相结合的建模方法。首先,通过SOM,将样本分割成模式特性相近的若干子类,实现样本模式空间的分割。然后,基于每一子空间的建模样本,提取主元,并以预测性能为指标确定最佳主元个数,消除冗余信息干扰。最后,将各子空间的主元分别作为RVM模型的输入,建立各自的模型,实现基于样本模式空间分割的分类建模。仿真试验和在精对苯二甲酸生产过程对羧基苯甲醛含量软测量中的实际应用表明,SOM-PCA-RVM模型的拟合精度和预测精度不仅优于RVM模型,也优于PCA-RVM模型。      

基于密度聚类的模糊神经网络和CHP分解过程建模

针对基于样本数据的复杂系统建模问题,提出了基于密度聚类的模糊神经网络（DFNN）的建模方法,研究了利用密度聚类原理提取数据样本的内在规则的理论和方法,提取的规则能较好地反映样本数据输入输出的对应联系,根据提取的规则给出了模糊神经网络的模型结构.本文以化工生产过程过氧化氢异丙苯（CHP）分解反应过程为对象进行仿真建模,结果显示在模型精度和可靠性上均优于基于c均值聚类提取规则的模糊神经网络模型（CFNN）.     

双层聚类模型在日志数据分析中的应用

提出了一种基于自组织特征映射( SOM)神经网络和模糊c-均值( FCM)的双层聚类方法,对Web日志中的日志数据集进行聚类。第一层是无监督SOM神经网络聚类方法,它所产生的类的个数大大减少了原始数据集的个数,降低了FCM对类初始中心点的依赖;然后利用FCM聚类算法的优势对第一层中产生的类的中心点进行聚类,从而大大减少了聚类的时间复杂度;最后通过平行坐标技术可视化展示聚类前后的日志数据集,方便对日志数据进行分析。     

基于SOM的聚类算法在抑郁症药物药效检测中的应用

为了研究不同治疗抑郁症的药物（利血平、开郁安神胶囊）对抑郁症的治疗效果,用SOM和K-Means相结合的方法对用药后的抑郁症大鼠DNA的芯片样本进行聚类。结果表明,将K-Means用于收敛后的SOM网络,不仅较好地解决了SOM在训练样本后边界不清的问题,也将样本的训练结果映射在二维,有利于对聚类结果的呈现。此外,改进的算法能较好地解决K-Means对初始质心的选择难、对聚类类别的定量难等问题。     

一种基于SOM的中文文本两阶段快速聚类方法应用研究

研究了一种基于自组织神经网络的中文文档聚类方法,按照提出的中文聚类模型,该方法首先对文档进行SOM训练产生初步的聚类结果,然后对第一次聚类结果进行基于参考点和密度的快速聚类,理论分析和实验结果也证明了该方法适合高维中文文档的聚类,与直接聚类方法相比,该方法提高了聚类的效果,减少了计算时间。     

基于转发节点的无线体域网节能策略研究

针对无线体域网的能量受限问题,该文提出了一种利用转发节点来平衡网络能耗的分簇路由算法CRSURN.该算法在单跳路由、多跳路由以及LEACH的基础上,综合考虑了节点的通信距离、数据速率以及簇头选定对网络能耗的影响.仿真结果表明,该方法相比于其它路由算法,在整个网络和单个节点中都拥有更长的生存时间.     

复杂金融网络建模研究

以复杂网络理论为基础研究不同赋权意义下的金融网络。首先利用社会网络分析方法（SNA）进行初步复杂金融网络模型的构建与分析,然后通过进一步构造的转账频率金融网络图,研究网络中某两账户节点间的协作关系,以探悉其最可能的关联路径,为进一步研究金融网络提供一定的理论基础。     

主动管理在含有分布式电源的配电网中的应用

介绍配电网主动管理（AM）的概念和原理,建立AM问题的最优潮流（OPF）模型;提出定量评估系统,采用多种技术经济指标评估AM对含有分布式电源（DG）的配电网的影响;并应用FCM聚类算法简化初始数据集．对改进的33节点系统的评估结果表明：应用AM能够有效地减少配电网的线损,改善电压分布,并可以提高DG投资者的净收益．     

基于LAMMPS系统的集群运算系统架构

为解决分子动力学计算系统LAMMPS（Large-scale Atomic/Molecular Massively Parallel Simulator）运算数据量大、不易控制的问题,应用云计算方法,设计了智能化、高效化的集群LAMMPS运算系统架构。该架构将FTP（File Transfer Protocol）存储技术、UDP（User Datagram Protocol）快速网络传输、LAMMPS分子动力学计算技术相结合,降低了运算过程中的人工干预,提高了分子模型处理效率,并为分子级别物理、化学的计算机仿真研究提供了新的集群化解决方案。