基于RBF-FCM-OLS的边坡稳定性评价方法

RBF神经网络具有很强的非线性并行处理能力和泛化能力,并且有很快的学习收敛速度,不易陷入局部极小,在边坡稳定性评价中已得到广泛的应用.但其过分依赖于隐含层数据中心的选取是否合适,故引入模糊-C均值聚类(FCM)算法对其进行优化.以122组边坡样本作为样本总体,其中1～114组为训练样本,115～122组为测试样本,运用FCM算法在边坡训练样本中初选多个RBF网络的数据中心,在此基础上运用正交最小二乘法(OLS)训练网络,利用训练后得到的回归矩阵信息在初选结果中重新选择RBF网络的数据中心,从而使数据中心得到优化,简化了RBF神经网络的结构.将优化后的RBF神经网络应用到边坡测试样本的安全系数的预测中,得到较高的预测精度.该方法加快了RBF神经网络的训练速度,提高了运算速率,与传统的BP网络进行比较,进一步证明RBF及其学习算法的优越性和实用性.     

基于减法聚类的FCM算法在电力负荷分类中的应用

针对目前在电力负荷分类中应用较多的模糊C均值聚类算法(FCM)的不足之处,提出了一种基于减法聚类改进的算法(SUB-FCM)。该算法运用减法聚类来初始化聚类中心矩阵,解决了FCM算法随机初始化的问题,且提高了算法的全局搜索能力,避免陷入局部最优解。由实验算例分析发现,该算法还能加快收敛速度,且收敛效果也较好,能有效应用于电力负荷分类。     

中草药免疫增强剂对泌乳期奶山羊淋巴细胞凋亡的影响

通过AnnexinⅤ-FITC/PI双染流式细胞术测定奶山羊饲喂中草药免疫增强剂后,血液、脾脏和乳上淋巴结淋巴细胞凋亡率的变化情况。结果表明,中草药免疫增强剂能够抑制血液、脾脏和乳上淋巴结淋巴细胞的凋亡。     

旋转机械诊断中的矢功率谱-模糊C均值聚类方法

结合矢功率谱和模糊C均值聚类算法,提出了一种新的旋转机械故障识别方法。该方法以矢功率谱为特征向量,以模糊C均值聚类算法为分类器,成功地应用到旋转机械故障诊断中。实验结果表明,该方法是有效的。     

基于FCM与KKT条件的增量学习方法

增量学习方法的思想是仅利用部分相关的样本集参与训练,即能够保留历史样本知识,又能够不断地吸收新的知识,提高机器学习效率和精度,解决了大量样本训练时间长和存储空间不足的问题。因此,如何有效地丢弃大量无效的样本点是增量学习算法研究的重点。文中提出了一种FCM(Fuzzy C-Means)和KKT(Karush-KuhnTucker)条件结合的增量学习方法,分别从历史样本集和新增样本集两个阶段对无效样本进行过滤,利用余下的样本进行训练。最后,利用UCI数据库中的4组数据进行实验分析,结果证明训练精度与全数据样本的训练精度几乎完全拟合。     

Taste Identification of Tea Through a Fuzzy Neural Network Based on Fuzzy C-means Clustering

1　IntroductionTasteidentificationisoneofthemainapplica tionsofthepatternrecognition .Thestudyoftasteidentificationcanbetracedbacktothebeginningof90’s.Theneuralnetworkmodelrealizingtasteidentificationofthefivebasictasteswithvariousdensitywasoriginally proposedbyHaoBo[1 ] in1 994.Afterward ,withthedevelopmentofartificialintelligence,thefuzzyneuralnetworkwasusedtoidentifythebasicandsweet acidcompoundtaste[2 ] .Furthermore ,thequantitysamplinganalysisofvari ousfoodsandbeverages,suchascoffee ,r…     

基于实际负荷曲线的电力用户分类技术研究

开展电力用户负荷特性分析可以帮助供电企业获得其负荷需求变化的知识,对于企业负荷预测、需求侧管理、以及改进电价目录都有重要意义。针对某电力公司大用户实际负荷曲线数据,使用模糊聚类中的典型算法模糊c均值(FCM)对其进行聚类分析,得到负荷簇和负荷代表曲线,然后分析了属于各行业和电价类的用户负荷聚类结果,显示了按负荷特性进行用户分类与现行按行业和电价的用户分类差异显著。并通过案例说明负荷分析可以帮助企业改善运营。     

FCM聚类的模糊SVM法在雷达信号识别中的应用

支持向量机(SVM)是一种新的很有效的模式识别方法,将其应用到雷达信号识别中可以较好地解决此类问题.由于传统的支持向量机由两类扩展到多类问题时,会出现不可分区域.针对雷达信号的多类识别这一实际问题,提出解决这一现象的模糊支持向量机理论(FSVM),并定义输入向量对于某类的隶属度函数,更符合实际情况.此外,支持向量机理论本身对于支持向量的选择并没有指导性,对此利用模糊C均值(FCM,Fuzzy C-Means)聚类,对训练样本进行预处理,可以大大减少训练样本的数量,从而提高支持向量机的训练速度.仿真对比实验和结果证实了结合FCM对训练样本预处理的FSVM法对雷达信号识别具有训练速度快、识别准确率高的特点.     

流式细胞技术快速检测果汁中的霉菌、酵母菌

研究应用流式细胞技术（flow cytometry,FCM）快速检测果汁饮料中霉菌、酵母菌的方法。通过正交实验和方差分析,对样品前处理技术条件进行优化,去除了影响FCM检测的基质颗粒,使FCM检测限达到101cfu/mL数量级,检测时间从5d缩短到100min。从绘制的标准曲线可以看出,FCM与平板法线性相关,符合性好。FCM将以更加灵敏、准确、快速、操作简便的优点成为一种可替代平板法来检测果汁中霉菌、酵母菌的自动化仪器检测新技术。     

An FCM–FAHP approach for managing readiness-relevant activities for ERP implementation

Any organization which plans to introduce a new enterprise resource planning (ERP) system will carry out a range of activities to improve its readiness for the new system. This paper develops a new approach for managing these interrelated activities using fuzzy cognitive maps (FCMs) and the fuzzy analytical hierarchy process (FAHP). This approach enables the organization to (1) identify the readiness-relevant activities, (2) determine how these activities influence each other, (3) assess how these activities will contribute to the overall readiness and (4) prioritize these activities according to their causal interrelationships to allocate management effort for the overall readiness improvement. The approach first uses FCMs and a fuzzy connection matrix to represent all possible causal relationships between activities. It then uses FAHP to determine the contribution weights and uses FCM inference to include the effects of feedback between the activities. Based on the contribution and interrelationships between activities, a management matrix is developed to categorize them into four management zones for effective allocation of limited management efforts. An empirical study is conducted to demonstrate how the approach works.