织物性能的遗传模糊C均值聚类算法

为了解决传统模糊C均值算法(FCM)依赖初值、易于陷入局部极值的问题,设计实现了一种遗传模糊C均值聚类算法(GFCM),该算法以模糊聚类中心矩阵为优化变量,将FCM算子引入遗传算法中以增强遗传算法的寻优能力,对聚类中心施加进化扰动以寻找最优聚类;描述了FCM和GFCM的基本流程,通过一个织物性能聚类评价例子对比了两种方法的性能,证明了GFCM的优越性.     

图像处理技术测定纱线混纺比——特征值选择的系统聚类和模糊C均值聚类

基于已有的特征指标,对涤和棉纤维的各特征值进行选择和分类.利用系统聚类和模糊C均值聚类方法,对特征指标进行了比较,最终选用异形度指标对纤维进行分类,实现了纱线混纺比的计算.研究表明,对于涤棉混纺纱线,异形度指标可以很好地反映纤维间的差异.模糊C均值聚类方法较系统聚类方法,能有效地将纤维区别开来.     

织物单向悬垂性的评价方法

在基于窗帘式自然悬挂的单向悬垂性测试方法的基础上,为了综合反映织物单向悬垂特性,建立一种新的织物单向悬垂性评价体系。通过对悬垂投影曲线数据优化处理、提出一种提取单向悬垂性特征参数的新算法,并利用这些特征参数借助模糊聚类算法建立一种织物单向悬垂性评价方法。模糊聚类结果显示:利用提取的特征参数进行模糊聚类所得评定结果与人为主观评定结果一致,表明这些特征参数能综合反映织物的单向悬垂特性;该评价方法可行,为评价织物单向悬垂性提供新途径。     

基于模糊神经网络的丝织物缝纫性能预测

根据面料FAST力学性能指标与缝纫性能之间的关系,应用主分量分析对FAST高维输入数据降维,提出了一种基于模糊神经网络的丝织物缝纫平整度客观评价系统.实验结果证明,系统可以根据织物的不同结构及物理性能快速准确地预测丝织物的缝纫平整度.     

一种面向大数据的快速自动聚类算法

为了提高大数据的快速处理和识别能力,需要进行数据快速聚类分析.针对传统的模糊C均值聚类算法对初始值敏感且容易陷入局部优化解的问题,提出了一种基于Logistics混沌映射聚类中心小扰动抑制的大数据快速聚类算法.采用非线性时间序列分析方法构建大数据信息流模型,提取大数据信息流的时延尺度特征值,以提取的该特征值为聚类搜索目标函数,用模糊C均值聚类算法计算大数据聚类的最优聚类中心,采用Logistics混沌映射差分进化方法进行聚类中心的小扰动抑制,实现了优化聚类,可避免陷入局部最优解.仿真结果表明,采用该方法进行大数据聚类,能有效提高数据召回率,计算速度较快,实现了大数据的快速自动聚类.     

基于BP神经网络的织物折皱等级评定

采用改进的BP神经网络客观评定织物的折皱等级，网络结构为3层结构，输入样本数据经BP神经网络学习训练后，很快达到较小的误差收敛，从而确保评价的准确性和可靠性。     

基于后置近邻函数准则的改进型模糊聚类算法

针对不规则形状分布的数据，提出了一种新型模糊聚类算法．该方法结合了近邻函数准则分类算法，对模糊C均值聚类算法进行了拓展．仿真实验表明对球形分布的数据和非球形分布的数据，这种新算法的聚类性能优于模糊均值聚类算法。     

基于蚁群及空间邻域信息的FCM图像分割方法

针对模糊C均值(FCM)聚类算法聚类个数难以确定、搜索过程易陷入局部最优的缺陷,把蚁群算法与改进的FCM聚类算法相结合,提出了一种基于蚁群算法的带有空间邻域信息的模糊C均值聚类图像分割算法.首先利用分水岭算法对图像进行初始分割,然后利用蚁群算法寻优,求得聚类中心和聚类个数,将其作为模糊C均值聚类的初始聚类中心和聚类个数进行模糊聚类.实验结果表明:由于聚类样本数量显著减少,很大程度上提高了聚类速度和抗噪能力,增强了算法的鲁棒性.     

自适应的模糊C均值聚类算法

针对模糊C均值聚类算法对聚类数预先不可知的缺陷,提出了自适应的模糊C均值聚类算法,该算法利用已有的有效性函数自动确定聚类数目,继而进行模糊聚类,实验表明,该方法无须人工的干预,并且具有良好的有效性和可行性．     

基于模糊C均值软聚类工况辨识的风电功率短期区间预测

针对常规风电功率区间预测方法中以实发功率划分子区间有效性差的问题,提出了一种基于模糊C均值软聚类工况辨识的风电功率短期区间预测方法。模糊C均值软聚类可以将过渡工况的样本点划分到多个工况区间中,从而提高子区间划分的有效性。首先采用LSSVM建立风电功率确定性预测模型,然后基于聚类有效性,确定聚类数目,再利用模糊C均值软聚类对历史运行数据进行工况辨识从而划分为多个子区间,最后利用核密度估计计算各工况下功率预测值与真实值误差的概率密度函数,进而确定各工况的功率置信区间,完成区间预测。算例结果表明,基于模糊C均值软聚类工况辨识的风电功率区间预测方法在覆盖率和平均带宽等评价指标上优于常规方法,适合应用在风电功率短期区间预测中。     

基于多尺度二维小波分析的织物表面折皱研究

本文引入多尺度二维小波分析织物的表面折皱，织物图像首先经小波变换分解成低频和高频两部分，再从中提取四种表征织物折皱的特征参数，并计算特征参数与不同折皱等级的相关系数，实验表明，四种特征参数均可从不同侧面反映织物的折皱程度，特征参数与织物的折皱程度基本呈线性相关，最后采用分形理论与该方法进行对比，以验证此方法的可行性。     

织物折皱纹理灰度共生矩阵分析

利用图像处理中灰度共生矩阵分析方法，全面系统地分析了织物折皱图像的纹理特征，并利用所获得的参数对织物起皱程度进行评价。结果表明，由于灰度共生矩阵可以完整全面地描述织物纹理特征，因此，可以有效地评价织物免烫等级。     

人造棉织物的免烫整理

人造棉手感柔软,吸湿透气,穿着舒适,但其纤维聚合度小,无定形区大,织物易起皱,湿强力低.采用免烫树脂CFC对人造棉进行整理,能使纤维分子间产生适量的交联,提高织物的防缩抗皱性能、干湿断裂强度和尺寸稳定性,并且撕破强度下降较小,基本解决了人造棉织物长期以来存在的问题.     

基于短时傅立叶变换的脉象信号的模式识别方法

针对脉象信号的非平稳特性,采用全极点滑动窗递归算法,对15例吸毒者和15例正常人脉象信号的离散短时功率谱进行了分析。在得到每一例脉搏波的短时功率谱后,应用奇异值分解有效地提取特征矢量,然后进行模糊c-均值聚类,受测者全部予以正确识别。研究结果表明,基于短时傅立叶变换的奇异值分解方法是一种稳定、有效的特征提取方法;同样,运用模糊c-均值聚类算法不需要模式的先验知识,分类结果正确率较高,简便实用。     

蛋白类防沾色剂在活性染料染色棉织物皂洗处理中的应用效果评价

用自制的蛋白类防沾色助剂对活性染料染色的棉织物进行防沾皂洗后处理,探讨了该防沾色助剂在皂洗过程中对染色织物色牢度、浮色去除、毛效、透气性、色光等性能的影响。结果表明:该防沾助剂对不同用量染料和不同种类染料染色的棉织物都具有良好的防沾效果,染色织物防沾皂洗后能够保持良好的色牢度,浮色对白布的沾色明显减少,同时,处理织物的透气性,抗皱性略微增大,色布色光变化微小,表明该蛋白类防沾色助剂具有良好的实用价值。但该助剂存在处理织物的润湿性略微减少的缺点,需要进一步深入研究。     

基于加权样本的FCM快速算法研究

为改进FCM算法在处理大样本集聚类时速度慢、耗时多的缺点,根据样本在特征空间中的特征值分布情况,引入等价样本和样本加权概念,在此基础上提出了FCM（Fuzzy C-Means）的快速算法一般形式：WFCM（Weighted Fuzzy C-Means）算法.理论上证明了WFCM算法和FCM算法对样本集分割的等价性,并且,WFCM在运算性能方面明显优于FCM算法.而两个算法在灰度图像分割上的例子验证了WFCM算法的快速性和有效性.     

利用织物粘弹性固体模型参数计算折皱回复角

基于纺织材料的粘弹性理论，利用标准固体单元和滑块并联组成的模型，在织物摩擦约束力偶与其弯曲曲率成正比的假设下，对织物的弯曲和折皱回复性能进行了分析，并利用纯弯曲实验得到的数据计算出织物的模型参数，进而计算出了织物在不同时刻的折皱回复角．所得理论值与实测值符合较好。     

明胶蛋白在涤纶茶色素染色中的应用

仿生整理是现在织物整理的热点课题,但对于茶多酚上染涤纶织物的研究较少,本文立足这一目标进行深入研究。采用将涤纶织物进行碱减量处理,利用戊二醛交联剂,使得明胶蛋白质能够附着到涤纶织物表面,并结合牢固。通过分析叶干重浓度、pH、染色温度、染色时间四个影响因素对织物K/S值的影响,选出处理织物的最佳染色工艺,并对其做色牢度测试,结果显示其耐磨擦色牢度提高1~1.5个等级,耐水洗牢度提高0.5~1个等级,耐晒牢度提高2个等级。     

相同结构相不同组织聚乳酸织物的性能测试

设计了4种不同组织的第13结构相的聚乳酸织物,并对其性能进行了测试与分析．结果显示,相同结构相的不同织物组织结构,当交织次数越多,浮长越短时,抗起毛起球性能越好,但其他服用性能。如透气性、悬垂性、耐褶皱性、渗水性、光泽性则越差．     

TiO2水溶胶双功能整理工艺

对溶胶-凝胶法制备的TiO2水溶胶用于涤棉织物抗紫外、抗起毛起球双功能整理工艺进行了研究,并对其工艺条件进行优化,得到最佳整理工艺条件:TiO2水溶胶用量50%(质量百分数),焙烘温度130℃,焙烘时间3 min.整理后,织物的UPF值可达到53,起毛起球等级可达4～5级.TiO2水溶胶具有抗紫外和抗起毛起球双功能整理效果.