直觉模糊多核聚类算法及其在乙烯原料属性聚类中的应用

随着乙烯裂解原料种类的日益增多,原料分析仪价格昂贵,因此根据乙烯裂解原料属性进行在线聚类,对实现乙烯收率建模,优化乙烯产率、节能减耗具有重要现实意义。为了提高原料在聚类的准确性,提出了一种基于直觉模糊集理论的核聚类算法。即在定义直觉模糊集隶属度时通过引入犹豫度来表征数据的不确定信息,同时利用直觉模糊熵对多核聚类算法的损失函数重新定义,使类簇中的数据点最优化;进一步地,使用随机森林对裂解原料属性进行特征选择,依据对乙烯产率的贡献度选取聚类的主要特征属性。最后根据实际工业裂解的石脑油数据验证了所述算法的有效性。     

基于改进模糊C均值聚类算法的乙烯裂解原料识别

乙烯裂解过程中原料变化种类多,其原料分析仪因价格昂贵工业现场很少配备,为此实现油品属性的在线识别对实现裂解过程在线优化具有重要意义。由于传统模糊C均值算法隶属度的求取是基于欧氏距离,其算法只包含均值中心,带来聚类效果的单一性。为了充分利用裂解原料的有效信息,提出了基于混合概率模型的模糊隶属度设置方法,即通过建立混合高斯模型实现对聚类样本隶属关系的概率分布描述,并利用EM算法进行模型参数的极大似然估计。该算法可在考虑样本均值中心的前提下,进一步有效利用样本协方差与权重系数信息进行模式判别。最后,以经典IRIS数据聚类、乙烯裂解原料识别为仿真实例,验证了本文所述方法在Dunn指标和Xiebieni指标上明显优于模糊C均值聚类算法,表明了该方法的有效性。     

动态核聚类算法在乙烯生产中的优化模式识别

针对传统的C means聚类在小样本和类别交叉空间存在样本错分问题,研究分析一种基于核函数的动态聚类方法,以广义欧式距离作为高维特征空间的相似性度量,提高聚类的准确性,仿真实例验证了算法的有效性。提出利用动态核聚类方法来识别乙烯裂解炉生产过程最优操作模式,动态调整乙烯裂解炉的操作条件以及选择油品和预测收率,实际的工业应用说明动态核聚类方法的可行性。     

一种新的模糊聚类-分级算法及其在流程报警管理中的应用

1 INTRODUCTION Normally, operating management experience of in- dustrial process indicates that the probability one ig- nores alarm is 10-4 after handling one alarm signal and the probability one takes no direct action is 10-5 after hearing one alarm. Experiences also indicate that the probability one ignores alarm will increase to 10-3 from 10-4 if one alarm isn't handled within one minute[1]. Therefore, when the second alarm is appearing the probability which it can't be identified is 10…     

模糊聚类循环迭代模型及其在粉煤灰分类中的应用

根据模糊聚类基本原理 ,运用模糊聚类循环迭代模型研究了粉煤灰的分类问题。选择对粉煤灰分类影响较大的化学成分和物理性质为特征指标 ,以活性特性为目标 ,通过循环迭代计算获得科学的分类结果。研究表明该模型克服了以往传统分类法的不足 ,较全面地反映了产品的性能 ,从而为粉煤灰综合利用的优化配置奠定了基础。     

BCLCP聚类算法及其在批过程控制中的研究

针对传统的K-均值、FCM和PCA等聚类算法的缺陷,提出了一种连续更新的过聚类和合并相结合的竞争学习(BCLCP)的聚类算法.该算法依据OPTOC的原则,构建原型点的动态邻接区域和动态背离区域,通过自分裂和聚合的策略,识别数据集中的天然聚类并给出聚类的数目.采用该算法对批过程中的历史数据进行分析,原型点的特征与对应的质量等级相符,有效地预测了该批次产品的质量,为后续批次的决策提供依据.     

模糊聚类分析法在水质监测断面优化中的应用

以巢湖环湖11条河流共28个断面监测断面2005～2009年5年的污染指标的监测平均值作为原始数据,采用SPSS模糊聚类分析法对不同监测断面进行聚类分析,确定各监测断面间的亲疏关系,并根据断面属性等实际情况,最终将原28个断面初步优化调整为23个断面。     

ISODATA模糊聚类方法在油水层判别中的应用

从测井资料中提取储层物性和油气信息,用这些参数与试油地质资料对比,由此确定储层物性、含油性评价的特征参数,应用模糊聚类理论方法进行油水层,判别提高储层含油性评价及识别的精度。     

模糊核聚类在优化模糊控制隶属函数中的应用

针对模糊控制器隶属函数的设计与优化缺乏自学习能力的缺点,将模糊核聚类算法与TrustRegion(信赖域)方法结合起来。首先利用模糊核聚类算法对模糊控制输入、输出样本集进行聚类,然后用Trust-Region最优化方法对聚类结果进行曲线拟合,实现了模糊控制输入、输出空间的划分、隶属函数类型的确定和参数的优化。在Matlab中的仿真结果表明:模糊控制器经过笔者提出的算法优化后控制品质有较大的改善和提高。     

模糊聚类分析法在结构面产状分组中的应用

提出了一种应用模糊聚类分析方法进行结构面的产状分组的新方法。该方法以结构面的倾向和倾角的相关程度值为基础进行产状分组。     

基于模糊聚类的彩色图像分割算法

提出了基于HSV空间的模糊聚类彩色图像分割算法。运用模糊C方法（FCM fuzzy clustering measure模糊聚类方法）对颜色量化后的图像进行聚类,结合了彩色图像的色彩和空间信息的特点,并且对聚类结果进行了合并优化,去除了聚类过于细小的部分。     

k-means聚类算法在油水界面检测中的应用

油田以电容式传感器检测原油沉降罐中油水界面时,受传感器制作工艺的限制,检测点数过少导致定位精度不高,并且通常采用拐点法定位油水界面,这种方法由于采集点的凸凹不平,检测到伪拐点的现象经常发生,导致较大的误差。为解决以上两个问题,提出对所采信号进行三次样条插值,增加信号的点数提高测量精度,同时通过k-means聚类算法定位油水界面。现场实验结果表明:该检测方法提高了原油油水界面检测的鲁棒性与精确性。     

免疫文化算法及其在乙烯裂解炉故障诊断中的应用

引言迄今为止,科研人员已经根据生物进化的机理提出很多用以解决复杂优化问题的方法,如遗传算法、蚁群优化算法、粒子群优化算法等。然而这些传统的进化算法只提供有限的或者隐性关于种群个体经验的知识表示和保存机制,这就让研究人员开始寻找一种利用显性机制来获取并保存种群进化求解知识和经验。在人类学的角度上,文化通常被看成是保存信     

模糊多目标粒子群算法在乙烯裂解工业中的应用研究

文中研究了模糊多目标粒子群算法（MOPSO）在乙烯裂解工业中应用。算法在Pareto排序基础上引入子目标的最优操作条件来扩展属于非劣解集的操作条件范围,使非劣解集对于每个单目标而言都有较广的覆盖范围,确保非劣解集（操作条件）均匀分布,改进了非劣解集的质量,同时对非劣解引入工况实际要求,通过后验的模糊评价,来确定非劣解的满意操作条件,为决策者提供了明确的操作条件。将模糊多目标粒子群算法用于解决乙烯裂解过程中乙烯和丙烯收率多目标优化问题,较好地平衡了两种目标之闯的冲突,为流程工业多目标优化问题提供了理论指导。     

基于自适应布谷鸟搜索的模糊聚类算法

由于布谷鸟算法的步长控制因子和发现概率在算法运行过程中保持固定,影响算法的整体寻优效率和寻优精度,为此提出一种自适应设置步长控制因子和发现概率的布谷鸟搜索算法,并利用它优化模糊聚类随机选取初始聚类中心影响聚类效果的缺陷。首先根据搜索阶段的不同自动调节两个参数,使全局和局部的搜索能力达到最平衡的状态,提高整体的搜索效率;然后用改进的布谷鸟搜索算法优化模糊聚类算法,使得算法达到更好的聚类效果。在对比实验中验证了改进后的自适应布谷鸟搜索算法在寻优速度和精度上效果更优。通过比较4种算法在UCI数据集上的聚类效果,验证了改进后的算法在聚类准确率和稳定性上都有所提升。     

聚偏氟乙烯在锂离子电池中的应用

综述了PVDT作作为粘结剂和隔膜在锂离子电池中的应用。并介绍了电极和隔膜的制作方法。     

聚偏氟乙烯树脂在涂料中的应用

1概述 近年来，随着国民经济的快速发展，以聚四氟乙烯（PTFE）、聚偏氟乙烯（PVDF）、氟烷烯烷基乙基醚（FEVE）为主的含氟树脂制成的涂料用量有了较大的增长。这些氟树脂涂料各有各的用途。本文所要讨论的PVDF涂料多应用于建筑领域，用其涂覆的各色金属板（铝合金、镀锌钢、不锈钢等）可用于建筑的外墙、屋顶及内装饰，现已成为替代瓷砖和玻璃幕墙的重要材料。PVDF涂料具有长期使用不褪色（参见图1）、耐候性及耐化学品性优良、韧性好、     

模糊c均值聚类在球磨机研磨体质量分析中的应用

用模糊c均值聚类的基本原理与方法构建球磨机研磨体质量评价指标体系。采用客观的熵值法确定指标的权重,解决主观赋权法易受人为因素干扰的缺点。运用改进的FCM方法对15个样品的球磨机研磨钢球质量进行分类,提高分类的直观性和可靠性。     

基于改进聚类算法的RBF网络及其应用

RBF网络可以逼近任意连续非线性函数,且训练速度快,性能好,被广泛应用于过程建模和预测。RBF网络的一个重要因素是隐层节点的选择,隐层节点过多或过少都会影响最终网络的性能。提出一种改进的k-means聚类算法,可以自动确定最优的聚类区数,并且可使最终的聚类中心合理地分布在数据空间中。在应用RBF网络进行建模和预测时,采用该方法确定隐层节点的中心,跟用通常的聚类方法相比,可以大大减小网络规模。仿真和实际应用结果都证明该方法的有效性。