一种用于文本聚类的改进的K均值算法

K均值算法是聚类分析中使用最为广泛的算法之一.针对文本聚类所面临的维数灾难,稀疏向量以及标准K均值算法初始中心点选择的随机性等问题,提出了一种面向文本聚类的改进的K均值算法,通过运用特征选择及降维、稀疏向量筛除、基于密度及散布的初始中心点搜索等方法进行改进.实验结果表明,改进后的算法无论在聚类精度还是在稳定性等方面,都明显优于标准的K均值算法.     

自适应神经网络在发动机故障诊断中的应用

为适应民航系统发展的要求,确保飞机的飞行安全、提高飞机发动机的可靠性和利用率、改变对发动机故障的诊断和探测能力的局限性以及降低传统的定期维护成本,提出了应用自适应神经网络技术对飞机发动机进行诊断。该文根据在飞行中检测或地面维修时采集到的数据,并将这些数据分为故障现象和故障集分别进行编码,而后利用神经网络的自学习、联想、推测、记忆、容错、自适应和多模式处理等功能对飞机发动机的故障进行诊断。应用结果表明,诊断的精度基本符合实际应用的需要。