首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到19条相似文献,搜索用时 109 毫秒
1.
提出了一种基于减法聚类-自适应模糊神经网络(ANFIS)的网络故障诊断建模方法。减法聚类算法生成初始模糊推理系统,ANFIS建立网络故障诊断原始模型,应用混合算法对模糊规则的参数进行训练并建立最终的模型。仿真实验表明基于减法聚类-ANFIS的建模方法是有效的;通过仿真结果比较,减法聚类-ANFIS的网络故障诊断能力及收敛速度均优于BP神经网络,更适合作为网络故障诊断模型。  相似文献   

2.
一种新的模糊规则提取方法   总被引:3,自引:0,他引:3  
吴淑芳  吴耿锋  王炜 《计算机工程》2005,31(6):157-159,181
提出了一种新的模糊规则提取方法,该方法先采用基于山峰函数的减法聚类法自适应地确定初始的聚类中心,然后由此构造动态自组织神经网络进行学习,在学习的过程中可根据情况适当地合并或分裂神经元,并重构神经网络继续学习,最后按聚类中心确定模糊子集数目和隶属函数并形成模糊规则集.实验结果表明,通过网络结构和神经元的动态自适应变化能够获取样本集中的模糊信息,形成直观的模糊规则.  相似文献   

3.
针对织物染色配色过程中的复杂性和非线性问题,提出一种基于聚类的BP神经网络织物染色配色方法.通过模糊C均值聚类方法对初始样本集进行预处理,然后构建结构合理的BP神经网络对处理后的样本集进行训练和仿真.实验结果验证该方法与传统的BP神经网络相比能明显提高网络的收敛速度和泛化能力,能较准确地实现对织物染色配方的预测.  相似文献   

4.
为了准确并及时地发现高速公路上的交通事故隐患,减少事故引发的交通延迟,提高高速公路运行安全性,结合减法聚类与模糊C均值(FCM)聚类算法对输入样本数据进行聚类,建成初始模糊推理系统,然后通过神经网络的自学习机制,训练模糊系统参数,确定模糊推理规则,建立最终模糊模型。通过仿真实验结果对比,验证了基于改进模糊聚类与自适应神经模糊推理系统(ANFIS)建模方法的有效性。  相似文献   

5.
提出一种将减法聚类与改进的模糊C-均值聚类相结合并用于说话人识别的方法.该方法将从语 音信号中提取的Mel 频率倒谱系数及其差分作为特征参数;用减法聚类算法初始化聚类中心,再用改进的模 糊C-均值聚类算法进行修正,形成码本.识别时,对每一个待识别语音进行模糊聚类识别.仿真结果表明,该 方法比改进的模糊C-均值聚类算法识别率高,具有较好的鲁棒性,且计算比较简单.  相似文献   

6.
改进的RBFNN在运动员竞技状态预测中的应用   总被引:1,自引:0,他引:1       下载免费PDF全文
提出了一种改进的径向基函数(RBF)神经网络,该神经网络以模糊系统模型为基础。首先利用减法聚类算法确定径向基函数的中心数,然后通过模糊C均值聚类算法优化基函数中心与宽度,最后依据样本数据的聚类结果设计RBF神经网络并进行训练。将该神经网络应用于网球队运动员的竞技状态的预测。仿真结果表明:该算法先进有效、具有较高的精度,用其建立的模型具有较强的实用性。  相似文献   

7.
采用模糊C均值聚类客观评定织物平整度等级。首先介绍了模糊C均值聚类的基本原理,模糊聚类可以将输入特征值进行聚类并分组;然后利用模糊C均值聚类对输入特征值进行聚类分析,不同平整度等级的织物模板被分属于不同的模糊聚类中心;最后选取26种不同类型的织物样本进行测试,试验结果表明,客观评价与主观评价的相关系数达到97.38%,评定准确率超过90%。  相似文献   

8.
快速模糊C均值聚类彩色图像分割方法   总被引:33,自引:3,他引:33       下载免费PDF全文
模糊C均值(FCM)聚类用于彩色图像分割具有简单直观、易于实现的特点,但存在聚类性能受中心点初始化影响且计算量大等问题,为此,提出了一种快速模糊聚类方法(FFCM)。这种方法利用分层减法聚类把图像数据分成一定数量的色彩相近的子集,一方面,子集中心用于初始化聚类中心点;另一方面,利用子集中心点和分布密度进行模糊聚类,由于聚类样本数量显著减少以及分层减法聚类计算量小,故可以大幅提高模糊C均值算法的计算速度,进而可以利用聚类有效性分析指标快速确定聚类数目。实验表明,这种方法不需事先确定聚类数目并且在优化聚类性能不变的前提下,可以使模糊聚类的速度得到明显提高,实现彩色图像的快速分割。  相似文献   

9.
基于自组织竞争神经网络技术的模糊聚类研究   总被引:1,自引:1,他引:1  
本文对常规模糊聚类方法进行了深入的研究,提出了一种基于自组织竞争神经网络技术的模糊聚类方法。仿真结果证明,这种方法可以有效地进行模糊聚类。  相似文献   

10.
基于模糊神经网络方法实现茶味信号识别的研究   总被引:1,自引:0,他引:1  
提出一种基于模糊c-均值聚类(FCM)的模糊神经网络模型用于荼味信号识剐的方法。该方法采用模糊c-均值聚类实现模糊神经网络中模糊子集及其隶属度函教的自动确定,并对模糊加权型推理法进行了改进,在此基础上构枣了一个模糊神经网络模型。通过5种茶味信号识别的仿真实验,表明本文提出方法的有效性。  相似文献   

11.
姚磊  刘渊 《计算机工程》2014,(2):189-192,198
针对高速公路交通事故引发交通堵塞的问题,提出一种基于减法聚类和自适应神经模糊推理系统的事件持续时间预测新方法。将该方法应用于交通事件持续时间预测,从I-880数据库中提取事件持续时间相关因素,使用非参数估计法进行显著性分析,将影响程度最大的因素作为模糊系统的输入样本,采用减法聚类对输入样本进行聚类,得到模糊规则数并建立初始模糊推理系统,使用BP反向传播算法和最小二乘估计算法的混合算法对该模糊系统进行训练并优化,建立最终模糊模型。仿真结果证明,该系统对交通事件持续时间预测具有较高检测率和较低误报率。  相似文献   

12.
基于改进型模糊聚类的模糊系统建模方法   总被引:8,自引:1,他引:8       下载免费PDF全文
结合减法聚类和模糊C均值聚类,提出了一种改进型聚类算法,加快了收敛速度.利用改进后的算法对模糊系统输入或输出的样本集聚类,对聚类结果采用Trust-Region法拟合高斯型和S型函数,以实现模糊系统输入、输出空间的划分和隶属度函数参数的确定.结合MATLAB的模糊和曲线拟合工具箱,详述了如何在标准算法上进行改进和模糊系统建模.通过对IRIS标准数据聚类实验以及在解决机械加工误差复映问题上的应用,验证了改进后算法和建模方法的有效性.  相似文献   

13.
王涛  刘渊  谢振平 《计算机工程》2011,37(23):186-188,207
提出一种基于自适应神经模糊推理系统的视频烟雾检测算法。从视频图像中提取烟雾特征,采用减法聚类确定模糊规则数,建立初始模糊系统。通过神经网络的自学习机制调整前提参数和结论参数,确定模糊推理规则。实验结果表明,与传统BP神经网络算法及支持向量机算法相比,该算法具有较优的ROC曲线特性。  相似文献   

14.
提出了一种设计递阶模糊系统的简易而有效的方法.在得到一个单级模糊系统的基础上,用灵敏度分析法对每一个输入变量的重要性进行排序,从而确定每一级子系统的输入变量.利用减法聚类和自适应神经 模糊推理系统逐级对子系统进行训练.所得到的递阶模糊系统可进一步得到简化.仿真实例证实了设计方法的有效性.  相似文献   

15.
Prediction of cutting forces is very important for the design of cutting tools and for process planning. This paper presents a fuzzy modelling method of cutting forces based on subtractive clustering. The subtractive clustering combined with the least-square algorithm identifies the fuzzy prediction model directly from the information obtained from the sensors. In the micro-milling experimental case study, four sets of cutting force data are used to generate the learning systems. The systems are tested against each other to choose the best model. The obtained results prove that the proposed solution has the capability to model the cutting force in spite of uncertainties in the micromilling process.  相似文献   

16.
如何生成最优的模糊规则数及模糊规则的自动生成和修剪是模糊神经网络训练算法研究的重点。针对这一问题,本文提出了基于UKF的自适应模糊推理神经网络(UKF-ANFIS)。首先,通过减法聚类确定UKF-ANFIS的模糊规则及其高斯隶属函数的中心和宽度参数;其次,分析了模糊神经网络的非线性动力系统表示,并用LLS和UKF分别学习线性和非线性的参数;然后,用误差下降率方法作为模糊规则修剪的策略,删除作用不大的规则;最后,通过典型的函数逼近和系统辨识实例,表明本文算法得到的模糊神经网络的结构更为紧凑,泛化性能也更佳。  相似文献   

17.
基于ANFIS和减法聚类的遥感红外目标分选   总被引:2,自引:0,他引:2       下载免费PDF全文
针对自适应神经模糊推理系(ANFIS)的结构特点,本文应用多个ANFIS组合的网络来解决多目标分选问题。为了给ANFIS赋予一个合适的初始状态,减法聚类被用于预处理输入特征数据,实现了网络结构和初始参数的优化。基于ANFIS的红外航母和大型舰船目标分选仿真实验证明,其学习速度快、目标分选准确。  相似文献   

18.
通过对排样问题的需要进行分析,选取了有效的聚类特征;通过对模糊C-均值算法和减法聚类算法的比较,选取减法聚类实现对排样图形的聚类;给出了针对排样问题的参数选取,文末给出了实例.  相似文献   

19.
有混合数据输入的自适应模糊神经推理系统   总被引:1,自引:0,他引:1  
现有数据建模方法大多依赖于定量的数值信息,而对于数值与分类混合输入的数据建模问题往往根据分类变量组合建立多个子模型,当有多个分类变量输入时易出现子模型数据分布不均匀、训练耗时长等问题.针对上述问题,提出一种具有混合数据输入的自适应模糊神经推理系统模型,在自适应模糊推理系统的基础上,引入激励强度转移矩阵和结论影响矩阵,采用基于高氏距离的减法聚类辨识模型结构,通过混合学习算法训练模型参数,使数值与分类混合数据对模糊规则的前后件参数同时产生作用,共同影响模型输出.仿真实验分析了分类数据对模型规则后件的作用以及结构辨识算法对模糊规则数的影响,与其他几种混合数据建模方法对比表明本文所提出的模型具有较高的预测精度和计算效率.  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号