基于STA-K均值聚类的电化学废水处理过程离子浓度软测量

针对电化学废水处理过程出口离子浓度无法在线检测的问题,提出了一种基于状态转移的K均值聚类算法的软测量建模方法。在分析内部反应机理的基础上,结合物料平衡和吸附动力学定理建立电化学过程的机理模型;由于单一的软测量模型难以满足实际的精度要求,提出一种基于状态转移的K均值聚类算法将原始数据集进行聚类,应用状态转移算法对K均值算法的初始聚类中心进行优化,同时,引入离群值矩阵动态迭代同时实现数据聚类和异常值检测;最后,对聚类后的不同训练子集分别建立子模型,综合各子模型得到基于多模型切换方法的软测量模型。通过某废水处理厂的现场数据进行实例验证,结果证明了所建立的电化学废水处理过程离子浓度软测量模型合理有效。     

基于STA-K均值聚类的电化学废水处理过程离子浓度软测量

针对电化学废水处理过程出口离子浓度无法在线检测的问题,提出了一种基于状态转移的K均值聚类算法的软测量建模方法。在分析内部反应机理的基础上,结合物料平衡和吸附动力学定理建立电化学过程的机理模型;由于单一的软测量模型难以满足实际的精度要求,提出一种基于状态转移的K均值聚类算法将原始数据集进行聚类,应用状态转移算法对K均值算法的初始聚类中心进行优化,同时,引入离群值矩阵动态迭代同时实现数据聚类和异常值检测;最后,对聚类后的不同训练子集分别建立子模型,综合各子模型得到基于多模型切换方法的软测量模型。通过某废水处理厂的现场数据进行实例验证,结果证明了所建立的电化学废水处理过程离子浓度软测量模型合理有效。     

差异化密度聚类下的电力节能业务精准营销算法

针对当前营销算法,设置用电量约束范围较广,导致电力节能业务营销精准度较低的问题,提出差异化密度聚类下的电力节能业务精准营销算法。构建用户用电数据挖掘决策树,深入挖掘用户用电数据,采用差异化密度聚类算法,划分用户电力数据,确定电力节能用户分布。从用户用电效用和供电公司收益两方面,建立营销目标函数,设置用电量约束和最小用电量约束,实现电力节能业务精准营销。实验结果表明：所提算法的用户耗电量、用电总容量和交易电量,与其实际值相差较小,能够有效提高电力节能业务营销精准度,为用户提供精准的电力节能业务。     

基于K均值聚类与局部离群因子算法的故障检测研究

针对化工生产过程的多工况、数据多模态问题,提出一种基于K均值聚类的局部离群因子故障检测方法。首先利用K均值聚类算法对多模态工业数据进行聚类,将各个模态的数据分离出来,然后运用局部离群因子算法在各个模态下单独建立模型,并且确定各个模态下的局部离群因子控制限。检测时首先判断样本属于哪一类,然后在相应类别下求取局部离群因子值并与此类别下的控制限进行比较,确定是否为故障数据。将此方法运用到TE过程的多模态数据中,并且将此方法与单独应用局部离群因子算法做故障检测对比,结果表明:所提算法可以大幅提高故障的检测率。     

优化K均值随机初始中点的改进算法

针对传统K均值随机产生的初始聚类中心的方式提出最近邻K均值、极远邻K均值和自适应K均值3种优化算法。最近邻K均值是通过寻找多维空间下欧氏σ邻近点的方式确定K群;而极远邻K均值是极远σ邻判定确定法;自适应K均值是将数据集确定到矩阵中,对矩阵做归一化、二元化处理后,计算各向量间的相异度来修正确定初始中心点的加权欧氏距离。3种优化算法改善了原始K均值算法,提高了算法的稳定性和精确度,而且它们各自适用于不同的应用空间。     

一种快速全局聚类算法应用于化工建模的数据提取

分别采用模糊C-均值聚类方法和快速全局C-均值聚类两种算法实现化工建模所需训练数据的有效提取.实验结果表明,采用快速全局C-均值聚类算法在时间和数据的准确及有效性等方面都比模糊C-均值聚类有所提高.     

改进的K-均值聚类算法

在分析聚类结果对初值依赖性的基础上,对初值选取方法进行了分析和研究,提出了K-均值聚类算法中寻找初始聚类中心的新方法。该算法首先计算出样本间的距离,然后根据样本点之间的距离寻找出有可能是一类的数据,最后依赖这些样本点形成初始聚类中心。     

数据挖掘中Fuzzy c-means的自适应聚类算法

聚类算法是数据挖掘算法中的重要解决方法。针对现有聚类算法模糊c均值算法FCM中的不足 ,如需要预先确定聚类参数c,随机性较强、局部最优等弱点 ,对其算法结构加以改进 ,提出模糊c均值自适应算法 (FCMA) ,增加聚类有效性问题的分析 ,在聚类过程中可动态调整聚类数目 ,这种方法可以避免在确定参数时的随机性和经验性 ,提高聚类算法的可靠程度。     

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.     

基于聚类算法的模糊神经网络MCP预测方法研究

本文提出采用聚类算法的模糊神经网络来预测MCP。该预测模型结构简单,是数据驱动的模型,通过对输入输出数据对的模糊C均值聚类确定模糊规则的数目,解决了全连接模糊神经网络模糊规则数目难以确定以及网络复杂所带来的训练时间长的问题。     

城市年用水量聚类分析

一年内城市用水量变化既有周期性又有变化性，为总体掌握一年内城市用水量的变化规律，利用K均值聚类算法进行分析。K均值聚类算法具有模式识别和异常值诊断功能，为获得接近全局最优结果，通常需要针对不同的分类质心初始值进行计算。考虑到类别数K值不是预先指定的，需要尝试采用不同的K值进行分析。以华东某城市的某年各日用水量作为原始数据，首先，针对小时用水量变化的上凸或下凹特性，引入加权方法修正异常值；然后，根据计算结果，分析了生成各类别用水的特点。其中，典型特征包括春节前后的用水量较低，“五一”和“十一”两个小长假用水具有相似性。分析结果对于城市用水量管理和供水运行调度具有重要参考价值。     

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。     

基于BP神经网络聚类算法的P2P流量识别

在研究有监督机器学习算法中的BP神经网络算法和无监督的机器学习算法中的k-means聚类算法的基础上,提出一种半监督的BP神经网络聚类算法对P2P流量进行识别.该算法具有有监督和无监督的机器学习算法的优点,能快速地进行精确的流量识别,即取少量离线的流量样本进行标记与分类,然后利用分类结果为聚类中心对大量在线流量进行聚类识别.这样既提高了效率,又能保证结果的准确性.利用BP神经网络对所采集的少量流量数据中每个流按包大小标准差、变换频率、平均值、包数目和总字节数5个特征进行分类,得出分类结果的特征均值,对大量的在线数据进行指导聚类.多次实际网络测试结果的准确率很高,证明该算法模型是可行的.     

基于区域最近邻生长的层次聚类算法

对于非球形和其它特殊形状的非凸数据集的聚类,基于划分的聚类算法很难取得理想的聚类结果。层次聚类算法根据数据的特征将距离近的数据进行合并,对于球形数据集和其它具有特殊形状的数据集有很好的聚类效果。在分析现有层次聚类算法的基础上,根据层次聚类的合并思想和最近邻距离的计算提出了基于区域最近邻生长的层次聚类算法。     

基于灰色系统理论的陶瓷制品颜色提取研究

针对陶瓷制品陶瓷墙地砖颜色特征提取的关键问题,提出了灰色聚类的改进算法。并同其他已有的模糊C均值算法(FCM)、MOP_FCM、鲁棒性的FCM、改进的鲁棒性模糊C均值算法,传统的灰色聚类算法,通过实验进行算法性能分析,颜色特征提取效果比较。实验结果表明,本文提出的改进算法,算法性能更高,颜色特征提取效果更明显,更有利于进行色差比较。     

基于类词包技术的图像分类算法

提出基于类词包(CSBOW,Class-Specific Bag of Words)技术的有监督图像分类算法.在训练阶段,首先在每一类训练图像库中提取特征点,运用SIFT描述符形成特征区域描述符,然后根据欧氏距离对特征矢量进行K均值聚类,每一类形成若干聚类中心即所谓类词包.在测试阶段,首先提取测试图像的特征点,运用SIFT描述符形成若干特征矢量,然后依次计算每个特征矢量与各聚类中心的欧式距离,运用竞争投票机制决定图像的分类结果.将CSBOW技术应用到商品图像分类,实验结果证明本算法分类正确率高于传统的基于词包和SVM的图像分类算法.     

基于扩散距离的信息熵FCM多阶段LSTM-AE间歇过程故障监测

针对间歇过程中因忽略数据在阶段划分中的非线性，导致故障监测精度低的问题，提出一种基于扩散距离的信息熵模糊C均值(DDEFCM)多阶段长短期记忆网络的自动编码器(LSTM-AE)间歇过程故障监测方法。首先为了自动识别聚类个数，利用信息熵描述批处理后的二维时间片矩阵。再采用扩散距离对模糊C均值聚类(FCM)算法进行改进，解决欧式距离不能表征数据非线性的问题，有效划分间歇过程的稳定阶段，然后利用轮廓系数划分过渡阶段。最后建立多阶段LSTM-AE监测模型。利用青霉素发酵数据和大肠杆菌实际生产数据对该方法进行验证，结果表明所提方法不仅可以提升阶段划分性能，还能更加准确地进行故障监测。     

基于聚类分析和可视化的增强遗传算法—II. 算例分析及有效性验证

通过比较K平均算法与聚类约束映射(CCM)的聚类结果，表明了CCM在降维过程中保持拓扑信息的有效性. 应用前文提出的增强遗传算法(IGA)对3个有约束优化算例进行了求解. 结果表明，这种可视化、聚类分析与遗传算法相结合的方法可以帮助用户参与选择聚类参数，比以往一些方法更有效.     

一种新的多种群竞争粒子群优化算法及高密度聚乙烯装置操作优化

利用模糊C均值聚类对种群自适应划分,提出一种基于模糊C均值聚类的多群竞争粒子群优化算法。根据种群规模选择不同的寻优策略,规模大者采用标准粒子群算法寻优,规模小者在最优解邻域随机搜索,增大跳出局部最优概率。在每个聚类内部,个体相互通信,通过竞争学习分别找到各聚类种群的适应值,按照不同聚类的适应值排序,再把适应值小者向其邻近的适应值大者融合,通过种群间的竞争保证种群向最优解搜索。该算法避免陷入局部最优,提高了算法的全局搜索能力,通过标准函数验证了算法的有效性。最后,把提出的优化算法应用到高密度聚乙烯装置（HDPE）乙烯单体总消耗的优化操作,实际应用效果良好。     

电子商务推荐系统中推荐方法研究

阐述了基于Web挖掘的电子商务推荐系统的推荐过程、所用算法,提出了基于关联规则、标准聚类和ARHP技术三种推荐算法,模拟实验表明,除了基于关联规则的推荐算法具有较低的准确度外,其他算法在准确度和覆盖率方面都表现的很好。