改进的煤与瓦斯突出危险性评价灰色关联模型

为了提高灰色关联评价方法的客观性,提出了改进的灰色关联模型.以熵理论确定出了序列的均衡度,以客观权重——熵权和灰色关联系数合成为加权灰色关联度,由均衡度和加权灰色关联度合成均衡接近度,并以此作为评价准则,使评价结果更符合客观实际.运用该方法对平顶山东矿区4个回采工作面的突出危险性进行评价,得出了各工作面突出危险性的差异程度,并提出了相应的防范对策.评价结果表明,该方法较一般的灰色关联评价更合理、更符合实际.     

基于灰色关联分析的相对熵集结模型

针对传统的相对熵集结模型在赋权方面存在的缺陷,提出了一种基于灰色关联分析的REM。首先应用数值代数中的幂法得到理想的评分向量,再应用灰色关联分析计算理想评分向量与各个专家的评分向量之间的关联度,以此作为专家权重系数,最后将专家权重应用于相对熵集结模型中,来集结专家群组的一致性。通过对嵌入式计算机的性能评价结果表明该方法是有效的,而且可靠性得到很大的提高。     

基于文本属性关联和概念共现的KNN分类方法

介绍了基于向量空间模型(VSM)中的KNN文本分类方法,分析了KNN方法的实质,指出了该方法的不足,基于文本属性关联和概念共现对KNN分类中的文档相似性度量公式提出了改进.分类实验结果表明,分类准确率平均提高了10%.     

基于子块的三维网格模型检索

针对三维模型检索中如何准确计算模型间相似性问题,提出用子块局部相似性计算不同模型整体相似性的三维模型检索新方法.把经过线性细分和姿态调整的三维模型分割成不同的子块,构造每个子块的法向量直方图.采用从局部到整体的过程计算任意两个模型的相似度: 根据直方图相交函数计算模型对应子块的局部相似性,结合子块点密度及局部相似性,采用改进的相似函数计算得到不同模型的整体相似度.和一些相似的检索算法比较,子块方法可以得到比较好的检索准确率.     

面向模块化设计的客户需求分析

将灰色系统理论中的灰色关联度聚类模型运用于客户需求的量化分析,分析了模块化设计与客户需求之间的关系,提出了基于灰色系统的客户需求聚类模型.将客户需求描述成一系列的产品属性,每个属性又分为不同的属性水平,不同属性及属性水平组合形成不同的需求模块.客户需求聚类模型根据需求之间的关联相似性进行聚类.首先将客户需求映射到工程指标,对不确定数值的需求进行取值白化;然后根据客户需求对结构的影响进行功能聚类分析,从客户需求中总结出基本功能需求模块、辅助功能需求模块;最后计算需求取值之间的灰色关联度构建层次聚类树图,根据聚类评价准则确定合理的关联度取值,得到最佳聚类结果.以减震器产品为例进行了实例验证,结果表明该算法是有效的.     

一种改进的KNN分类方法

介绍了基于向量空间模型(VSM)中的KNN文本分类方法,分析了KNN方法的实质,指出了该方法的不足,对KNN分类中的文档相似性度量公式提出了一种改进方法.改进方法是在文本属性关联和概念共现等基础上提出来的.分类实验结果表明,分类准确率平均提高了约12%.     

改进型灰色关联算法在变压器故障诊断中的应用

灰色关联分析已应用于电力变压器故障诊断,传统基于单一故障标准模式向量灰色关联分析算法的油中溶解气体分析（DGA）诊断模型精度有限.为此,提出一种改进型灰色关联算法,该算法在充分考虑DGA数据分散性的基础上,将每类故障的标准故障模式向量由原来算法中的1个扩充到6个,并给出每类故障的DGA数据分布范围,增大诊断信息量;利用关联分析原理,求出待诊模式与各类故障标准模式的灰色关联度,得到故障诊断判定.实例分析证明,所提算法的诊断准确率高于原来的普通灰色关联方法.     

灰色关联分析及应用实例

灰色关联分析是基于系统之间的相似程度来确定各因素间关联性的一种分析方法.本文详细介绍如何计算系统之间的关联度及确立多因素模型关联系数的分析方法.这种改进的分析方法,为建立模型及确定模型参数提供了新的思路.通过实例应用,效果显著.     

基于实例灰色模糊聚类的造价快速估算

针对可行性研究阶段往往难以可靠、及时地进行造价估算的问题,提出了基于造价实例灰色模糊聚类的造价快速估算模型.模型将灰色关联分析和模糊聚类相结合,通过计算待估算实例和参考实例设计指标参数间的综合相似贴近性灰色关联度,以考察二者的相似性;以综合相似度集为初始数据构造各实例的相似矩阵,采用模糊传递闭包法计算等价矩阵,然后取不同的阀值以实现实例动态聚类,最终筛选出与待估算实例最相关的实例集合,实例集造价区间即为估算造价最可能区间,采用k折交叉法验证模型的可靠性.最后以办公楼造价估算16个实例,验证估价模型的有效性和可靠性.结果表明,该模型能够快速有效地估算工程造价,为造价估算提供了一种新方法.     

灰色均值量化关联度

该文灰色关联分析作为一种有效的模式识别方法应用广泛。相对关联度模型在灰色关联分析中占有重要地位,但是其计算存在一定的缺陷,即容易受奇异值的影响,进而影响关联度的整体性,而且相对关联度模型中的分辨系数的取值没有确定的方法,通常依赖于经验,这将导致关联度值不具有唯一性。该文采用对序列差进行均值计算的方法来降低奇异值的影响,并分析了分辨系数在关联度计算中的作用,并给出了分辨系数取值的具体量化方法。通过实列分析,该方法有效的增大了关联度分布区间,提高了关联度分辨力,使关联分析更符合实际。