机械加工零件模糊聚类分析

本文论述了用模糊隶属度描述零件聚类特征的概念和方法;零件的模糊聚类及模式识别原理;用 F-统计量来选定模糊聚类分析中的阈值,以确定合理的零件分类;并建立了计算机对零件的模糊分类软件系统,分类结果令人满意.     

零件组参考模式的确定方法

确定零件组的参考模式是零件分类系统的关键问题。采用模糊聚类分析法,解决了这一难题。     

基于层次聚类和人工免疫的无监督结构故障分类算法

目的利用层次聚类与人工免疫模式识别相结合的方法解决无监督结构健康监测中对结构故障识别和分类的问题.方法通过凝聚型层次聚类实现样本数据的分类,通过模仿生物免疫识别和学习机理来训练记忆细胞集合,进而实现对结构故障的识别与分类.结果在benchmark结构模型上的仿真实验测试结果表明在抗原样本数据中采用凝聚型层次聚类和方法能够成功地确定抗原样本数据的模式数目,继而采用人工免疫模式识别算法对实测数据进行模式识别与分类,分类成功率为81%.结论基于层次聚类和人工免疫的无监督结构故障检测与分类算法通过免疫学习和进化产生高质量的记忆细胞,从而有效地识别结构故障模式.     

基于特征加权的模糊聚类算法研究

模糊聚类分析是非监督模式分类的一个分支,在模式识别中有着重要的地位。在FCM算法中,考虑到样本矢量中各维特征对模式分类的不同影响,本文引入一种基于特征加权的模糊聚类算法,该算法考虑了各维特征对分类的贡献不同,从而对数据进行了更有效的分类。     

双指标等级序列模式识别法分析十全大补丸氯仿提取物红外指纹图谱

采用一种新型模式识别方法--双指标等级序列模式识别法,对不同厂家生产的中药复方十全大补丸样品氯仿提取物的红外指纹图谱进行了分析,以实现中药复方的准确鉴别及质量控制。该法同时具有无监督及有监督模式识别的优点,无须经验知识,通过确定每个样品双指标序列中的相似样品序列,同时进行聚类及分类分析。采用该法对3个不同厂家生产的22个中药复方中成药十全大补丸样品的氯仿提取物的红外指纹图谱进行鉴别研究,正确识别率达100％,而采用UPGMA系统聚类方法的正确识别率仅为72.7％。双指标等级序列模式识别法结合红外指纹图谱,无需任何先验知识即可实现中药复方的快速准确鉴别及质量评价。     

应用模糊系统聚类分析法对零件进行分类

本文提出了应用模糊数学理论进行零件分类并选择其最佳工艺设计的方法。介绍了应用模糊系统聚类分析法进行零件分类和选定其工艺规的基本过程，以及计算机程序框图。     

基于粒子群优化模糊核聚类的电梯群交通模式识别

为了改善电梯群控系统的性能,使电梯群节能并高效运行,针对不同的交通模式采用合理的调度算法对电梯群进行优化调度,提出一种基于粒子群(PSO)的模糊核聚类算法(KFCM)的电梯交通流模式识别方法．利用基于梯度下降的粒子群优化算法代替KFCM算法的迭代过程,可使算法具有较强的全局搜索能力和局部搜索能力,并降低了KFCM算法对初始值的敏感度．利用核方法将低维特征空间的样本映射到高维特征空间,增加对样本特征的优化,并使样本特征在高维特征空间线性可分,更加容易聚类．采用在某办公楼采集的电梯交通流数据作为测试样本,仿真结果表明,与FCM聚类算法相比,该算法具有良好的性能指标,对电梯交通流的聚类效果更准确．     

模糊ISODATA算法改进及在油气预测中的应用

模糊ISODATA是一种自组织的中心聚类算法，本文对该算法进行了研究和改进，使其从无教师指导的，自组织的聚类过程变为一个有教师指导的模式识别过程，增强了其处理大量样本的分类问题的能力，改善顾分类效果。将其应用于实际的油气预测中，取得了良好的应用效果。     

基于属性识别的灰色聚类方法

对聚类系数无显著性差异的灰色聚类问题进行了研究.运用分类标准矩阵、单指标白化权函数和置信度原则,提出了基于属性识别的灰色聚类方法.该方法充分利用了已有信息和置信度准则,避免了在聚类系数向量中分量取最大时出现聚类系数无显著性差异的问题,使聚类结果更加客观、准确.并经实例验证了该方法的有效性和合理性.     

基于SOM聚类平滑图信号生成的MFR工作模式识别方法

针对无人机集群截获的信号样本难以直接融合分析,以及训练样本较少且工作模式样本不平衡条件下多功能雷达(MFR)工作模式识别精度低的问题,提出了一种基于自组织映射(SOM)聚类平滑图信号生成的MFR工作模式识别方法。首先,利用分布式SOM算法对截获的信号样本集进行聚类,提取样本之间的相似性;然后,依据聚类结果将信号样本集以平滑图信号的方式表征,建立同一工作模式下信号样本的关联;最后,采用图注意力网络对上述图信号进行图节点数据融合与分类,完成MFR工作模式识别。实验结果表明,在工作模式样本不平衡度约为10∶1,每种类别训练样本数为25时,该方法的识别准确率和F1指数相对现有方法分别提高了22.8%、22.34%,且能适用于存在一定噪声干扰的情况。     

基于模式识别的计算机辅助工艺设计

计算机辅助工艺设计（QHCAPP）系统，是根据某厂的生产实际而研制的。系统中有六个程序模块，八种数据文件。系统中的分类模块采用了模式识别法，零件的特征描述则用一个68维向量，以工艺码来补充工艺信息的不足。在生成工艺过程中，采用了标准形的概念，从而可提高新产品设计及其工艺的标准化水平。     

基于模糊距离的RBF神经网络板形模式识别

针对BP网络在板形缺陷模式识别的应用中,由于网络本身存在收敛速度慢,学习时间长,容易陷入局部极小等结构性能不佳的问题,从而影响板形识别精度;文中提出了基于模糊距离的RBF网络板形缺陷模式识别法.RBF网络是一种局部逼近的神经网络,它在逼近能力、分类能力和学习速度等方面都优于BP网络.为了使板宽变化时网络结构不变,将模糊距离与RBF网络相结合进行模式识别,仿真实验结果表明,该方法与BP网络方法相比,网络收敛速度较快,而且识别精度较高.     

基于灰色关联度的聚类分析机械故障诊断方法

本文以灰色系统理论中的关联分析方法为基础．建立了评价待分析体系的聚类方法，并将该方法应用于机械故障诊断模式识别。实际诊断表明，该方法是一种行之有效的简便方法．     

基于LSSVM的电梯交通模式的模糊识别

提出可以对电梯交通模式进行模糊识别的方法.采用最小二乘支持向量机(LSSVM)的回归算法来学习2种交通模式的相对隶属度,通过相对比较法得到当前时刻所有交通模式的隶属度.介绍了LSSVM二值分类算法及传统的多值分类算法,分析LSSVM多值分类与函数回归的关系.分析结果表明,采用函数回归算法可以进行多值分类.若以交通模式的隶属度作为类标,则可采用LSSVM的回归算法来进行2种交通模式的模糊分类.为了提高LSSVM的线性度,分3步逐步细分电梯客流的交通模式.实验结果表明,采用该方法得到的各交通模式隶属度随时间的变化曲线与依据群控专家经验得到的曲线非常相似,识别结果的平均误差小于应用神经网络识别的平均误差,可将识别结果作为电梯群控系统的输入参数.     

ART-2神经网络在机器人视觉特征识别中的应用

介绍了一种采用ART-2型神经网络技术对图像进行识别的方法,并进行了一系列实验.实验结果表明,基于神经网络的识别模型是一种比较理想的图像识别模型,基于ART-2神经网络的视觉系统能够很好的识别物体形状,具有良好的应用前景.     

Application of extension neural network to safety status pattern recognition of coal mines

In order to accurately and quickly identify the safety status pattern of coalmines,a new safety status pattern recognition method based on the extension neural network (ENN) was proposed,and the design of structure of network,the rationale of recognition algorithm and the performance of proposed method were discussed in detail.The safety status pattern recognition problem of coalmines can be regard as a classification problem whose features are defined in a range,so using the ENN is most appropriate for thi...     

化学计量学在墨迹分析中的应用与进展

墨迹分析是法庭物证分析的重要内容,不仅需要精密的现代化学分析仪器获取数据,更需要结合主成分分析、聚类分析、人工神经网络、模式识别等化学计量学方法解析数据。本文综述了化学计量学中试验设计与优化、信号处理、多元校正、模式识别以及数据库和专家系统等方法和理论在墨迹分析中的应用,并对该领域的研究前景进行了展望。     

超声检测缺陷分类的小波分析与神经网络方法

根据金属超声检测中缺陷脉冲回波为非稳态信号的特点,提出了一种基于小波变换和模式识别技术的缺陷宁性分类方法,重点研究了利用小波变换提取反映缺陷性质的特征值以及动用模式识别技术对特征值进行缺陷定性识别的方法。为验证上述方法,设计了实验系统,同时对信号的采集异常信号的剔除等问题进行了研究。利用实际焊接试样进行了实验,经小波变换提取缺陷特征值,然后采用ＢＰ（ｂａｃｋ ｐｒｏｐａｇａｔｉｎｏ）神经网络,使缺     

模式分类中的特征融合方法

特征融合方法是模式识别领域的一种重要方法.计算机视觉领域的图像识别问题作为一种特殊的模式分类问题,仍然存在很多挑战.特征融合方法能够综合利用多种图像特征,实现多特征的优势互补,获得更加鲁棒和准确的识别结果.笔者基于信息融合理论分析了特征融合方法的原理,介绍了特征融合方法的研究现状,讨论了特征融合与3类主流基础理论相结合的方法,其中基于贝叶斯理论的特征融合算法可以实现多特征的融合决策,基于稀疏表示理论的特征融合算法能够得到多特征的联合稀疏表示,基于深度学习理论的特征融合算法能够强化深度神经网络模型的特征学习过程.