基于无人机巡线图像的地面油气管道识别方法

限于成本,无人机搭载的任务设备主要为普通数码相机,采集的是可见光图像,针对此种情况,提出了一种利用彩色分割及形状检测识别油气管道的方法,首先需要设定感兴趣区域ROI,计算出协方差矩阵C和均值m,并使用欧氏距离、马氏距离对图像进行彩色聚类分割,然后对分割图像填色后进行边缘检测,最后根据边缘图像进行霍夫变换来检测直线特征,实现复杂环境下对管道位置的自动定位.测试图像库包含300幅图像,识别准确率达到80.3%,实验结果表明,在色彩差异较大背景中,基于颜色和形状特征的识别方法能有效进行管线跟踪定位.     

Clustering with Weighted Hyperlink and Sub Similarity Matrix

Now, effectively searching web page becomesmore and more critical as the online information con-tinues to overload the web. Asolution is to make areasonable web page clustering analysis . But there isanother problem,because we must find out the webstructure and page hyperlinks , especially si milarityamongthe pages . At the same ti me ,there are someother very i mportant information such as the i mpor-tance of each page ,page content and so on[1 -3].Hyperlink analysis has already been applied …     

New Clustering Method in High-Di mensional Space Based on Hypergraph-Models

Clustering of datain alarge di mensionspaceis ofa great interest in many data mining applications .Clustering methods have been studiedin several areasincluding statistics , machine learning and data min-ing. Most of the algorithms are effective whenthe di-mensionality of the datais relativelysmall .But ,theseschemes tend to break down when the di mensionalityof the datais very high.There are several reasons[1].First ,it is not trivial to define distance measure in alarge di mensional space .…     

基于VMD和AP聚类的结构损伤识别方法

为了能够用少量无标签监测数据识别结构损伤状态,提出一种创新的损伤识别方法。首先将试验中各个长标距光纤布拉格(FBG)传感器测得的动态响应数据进行变分模态分解(VMD),提取分量信号(IMF)的时域特征和频域特征,通过Relief-F算法选择出各个传感器信号的敏感特征,组合成敏感特征集输入亲和传播(AP)聚类算法中进行损伤识别。本文采用两组不同的试验来验证方法的效果和鲁棒性,在两组试验中分别获得了100%和98.7%的损伤识别率,结果表明方法具有实际应用价值。     

大尺度高低跨柱面屋盖的风压系数分区研究

针对大尺度高低跨柱面屋盖体系风压分布变化梯度较大、跨间相互干扰以及此类屋盖风压分区无相关规范可查阅等问题,在得到各种风向下最不利极值风压的基础上,采用K-means聚类的风压系数快速分区方法将高低跨柱面屋盖表面划分为多个区域,并计算了各区域的分区风压系数。同时,在高低跨柱面屋盖风压系数分区研究过程中,对K-means方法的k值取值范围和最佳k值确定方法进行针对性改进。结果表明,高低跨柱面屋盖的边缘属于风敏感部位,而中间部分风压变化较小,因而在进行大尺度平屋盖抗风设计时,采用聚类方法进行风压分区更为合理。     

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.     

合肥市淮河路步行街商业建筑立面认知分析

以新研究视角试图探讨顾客对步行街商业建筑外立面的认知特点,利用商业流量评价合肥市淮河路步行街商业建筑外立面,并通过流量分析,运用SD法获得的量化数据对影响因子进行主成分和群聚分析,以归纳其特征,最终发现高吸引度的步行街建筑立面存在一定规律。     

基于模糊聚类及BP神经网络的采矿方法选择研究（增刊）

以某铁矿为工程背景,采用模糊聚类分析的方法对采矿方法进行初选,建立了模糊聚类初选采矿方法可行方案集,通过模糊动态聚类分析,得到了初选方案。基于BP神经网络的方法预测了初选方案的技术经济指标,运用层次分析法,综合考虑经济因素、资源利用率、劳动生产率、安全因素、合理程度五大类因素,构建了采矿方法优选的评价指标体系,最终通过模糊数学综合评判,选取了最优采矿方法。     

基于并行膜计算的短期电力负荷组合预测

提出一种并行膜计算(Parallel Membrane Computing,PMC)的电力负荷短期组合预测方法。将线性回归模型、趋势外推模型、改进灰色模型和粒子群优化参数的支持向量机分别放入膜系统的基本膜中,同时并行预测,然后把预测结果输出到表层膜。在表层膜中组合得出最终预测值,组合优化以各种方法预测结果的几何平均数与加权组合结果之差的平方值最小为目标函数,并采用改进粒子群算法分时段优化出权重系数。此外,在进行预测前对历史数据进行了改进滑动平均处理,并采用系统聚类法选出计算输入的历史数据。并行膜计算可以极大地提高组合预测速度,以多种方法预测结果的几何平均数代替真实值确立组合预测模型的目标函数更具实用性。最后,仿真结果验证了所提方法的合理性和有效性。     

基于聚类算法的蓄电池SOC模糊预测

为了实现对蓄电池的准确在线估算,研究了利用蓄电池电动势、内阻与荷电状态(state of charge,SOC)之间的关系,设计了基于模糊C-均值聚类的模糊控制器。该控制器将模糊C-均值聚类方法与模糊控制系统有机结合,能有效地进行数据划分和构建模糊控制规则。实验表明,该方法将SOC预估误差控制在3%之内,很好地反映了铅酸蓄电池的能量状态。与现有的模糊预测控制器相比,准确度更高,具有一定的实用性。