基于网格密度聚类算法的新能源充电桩运维优化模型

伴随着碳达峰、碳中和目标的提出,国家支持新能源行业发展的力度不断增强,而新能源汽车生产规模的扩大必然带来更多的充电需求,从而使得电动汽车充电基础设施在日常生活中发挥着重要的作用。但目前充电桩行业的盈利情况却并不乐观,归根到底是充电成本无法降低。从充电桩现状入手,利用聚类分析法优化电动汽车充电设施企业的运维方式,达到降本增效的作用。利用实例表明了本模型的实际价值。     

基于密度聚类的故障诊断 方法研究

应用时序分析的方法对振动信号进行建模,将求解出的模型参数作为提取的特征,进行了基于密度聚类(DBSCAN)的自动诊断。DBSCAN算法不需要人为确定分类的数量,且自动诊断的正确率要高于均值方法,该自动诊断方法无需计算旋转机械的转速、频率和故障信号,不需要用故障数据进行训练。因此,DBSCAN更易于实现旋转机械状态的自动在线监测。     

蚁群算法及其聚类应用

首先介绍了蚁群算法及其改进;然后在聚类分析概念基础上。综合国内外研究与实践,阐述了蚁群算法的聚类应用,重点阐述了蚁群算法用于聚类的原理,蚁群聚类的算法研究、机器人、图像和网站访问客户信息等应用。最后,给出蚁群算法在聚类研究和应用的可能方向。     

基于小波分析的数据流聚类算法

结合CluStream处理数据流的框架,提出了一种基于小波分析的数据流聚类算法WDS。在分解后的低频子波中利用小波特性寻找密集区域,并结合了CluStream的在线微聚类和离线宏聚类两个过程来处理数据流。WDS算法在聚类时无需预先指定聚类数目,有效地解决了聚类算法参数敏感的问题。     

基于距离的最大聚类数探索算法的探讨

聚类是数据挖掘中用来发现数据分布和模式的一项重要技术,它是数据挖掘中的一个很活跃的研究领域,目前提出了许多聚类算法。这些聚类算法中,聚类数一般需要给定,但是在多数情况下,聚类数事先无法确定。由于各种聚类算法一般依赖于初值,即使聚类数保持不变,算法决定的聚类结果也可能有所不同,因此对同一个数据集,如何评价聚类算法给出的不同聚类结果就成了一个关键问题,这一问题人们称之为聚类有效性问题。     

基于距离排序的点对多重归约聚类算法探讨

聚类是一种重要的数据挖掘技术。长期以来，寻求更为准确的聚类近似算法一直是科学工作者工作重点之一。为了更为精确地解决聚类问题，在K-means算法的研究基础上本文提出了点对多重归约算法的思想，并设计了基于距离排序的点对多重归约算法。该算法和K-means算法进行比较的结果，说明了该算法在聚类研究中的可行性。     

基于逻辑回归-聚类算法的采空区危险等级评价模型

采空区危险性分级研究在矿山灾害防治和风险管理中具有重要意义。为克服传统采空区危险性评价指标繁多、计算复杂等问题，提出了一种采空区危险等级快速评价模型。基于110个采空区样本，将随机森林算法（Random Forest， RF）与递归特征消除理论（Recursive feature elimination， RFE）相结合，筛选出对采空区危险性分级信息量贡献较大的指标，克服传统评价指标繁多且不易获取的缺陷，实现采空区评价指标体系精简降维。基于逻辑回归理论得到采空区危险性概率模型，并应用K-means快速聚类算法求得采空区危险性概率的4个聚类中心点，耦合2种算法构建了采空区危险等级快速分级模型，以克服传统采空区危险性评价方法计算复杂、普适性差的缺陷。为验证该评价模型的有效性，基于混淆矩阵对评价模型的准确性进行了验证分析。研究表明：①RQD值、矿柱尺寸布置、岩体结构、采空区高度、地质构造、工程布置、地下可见水赋值为采空区分级评价中信息贡献量较大的指标；②模型分级准确率达到77.4%，第一类错误率降低至6.25%，危险采空区的预测准确率达到93.75%，评价结果可为采空区后续治理提供可靠依据。     

基于逻辑回归-聚类算法的采空区危险等级评价模型

采空区危险性分级研究在矿山灾害防治和风险管理中具有重要意义。为克服传统采空区危险性评价指标繁多、计算复杂等问题，提出了一种采空区危险等级快速评价模型。基于110个采空区样本，将随机森林算法（Random Forest， RF）与递归特征消除理论（Recursive feature elimination， RFE）相结合，筛选出对采空区危险性分级信息量贡献较大的指标，克服传统评价指标繁多且不易获取的缺陷，实现采空区评价指标体系精简降维。基于逻辑回归理论得到采空区危险性概率模型，并应用K-means快速聚类算法求得采空区危险性概率的4个聚类中心点，耦合2种算法构建了采空区危险等级快速分级模型，以克服传统采空区危险性评价方法计算复杂、普适性差的缺陷。为验证该评价模型的有效性，基于混淆矩阵对评价模型的准确性进行了验证分析。研究表明：①RQD值、矿柱尺寸布置、岩体结构、采空区高度、地质构造、工程布置、地下可见水赋值为采空区分级评价中信息贡献量较大的指标；②模型分级准确率达到77.4%，第一类错误率降低至6.25%，危险采空区的预测准确率达到93.75%，评价结果可为采空区后续治理提供可靠依据。     

依赖混合型位置大数据的均值漂移聚类算法

均值漂移聚类(Mean shift clustering,MSC)算法及其变体在模式识别和计算机视觉任务中具有广泛的应用。本文基于MSC模型研究了具有高斯核的算法的动力学特性。证明MSC在给定混合型位置大数据的凸包中具有解。根据收缩映射的原理,提供了一个充分条件,取决于引入高斯核的参数,以保证解的唯一性。结果表明,在该条件下,解也是全局稳定的,并且呈指数收敛。当条件不成立时,MSC算法可能会具有多个均衡,由于每个均衡都有其自己吸引盆地,因此可以用于聚类。基于此,条件可用于估计适当的参数,以确保MSC算法具有适合聚类的平衡。     

基于量子遗传聚类算法的井下输送带图像探伤方法

通过图像处理技术在井下输送带运输过程中对输送带损伤部位的识别,以保障煤矿工业上输送带的正常安全工作。针对输送带上损伤部位与正常部位的图像差异,先通过灰度直方图确定阈值,将图像前背景相分离;再将图像中值滤波与边缘检测,完成对实时输送带图像的预处理,最后通过基于量子遗传优化的聚类算法把输送带损伤部位图像与正常输送带图像分离开。实验结果表明,该算法能有效地达到输送带探伤效果。     

融合均值漂移和改进的K均值聚类的颜色量化

针对经典K均值聚类算法需要事先给定量化数目和量化时间长的问题,提出了一种融合均值漂移和改进的K均值聚类的颜色量化算法。首先把图像从RGB空间转化到Munsell空间,然后依据均值漂移算法以及NBS距离与人类视觉对颜色差别的定量关系自动确定量化数目,最后以kd树作为数据结构来运行K均值算法从而实现图像的快速量化。     

基于聚类分析的煤矿瓦斯涌出量预测方法研究

将影响煤矿瓦斯涌出量因素作为数据对象属性,运用聚类分析对瓦斯涌出量进行聚类,得到各个样本的类别特征及各簇的平均值和标准偏差。并选取其中3个主要影响因素生成三维散点图,分析聚类效果。通过待测样本的类别划分,证实了该方法对煤矿瓦斯涌出量预测的有效性和可行性。     

改进的空间聚类算法在煤矿瓦斯监测系统中的应用研究

提出了一种改进式的空间聚类算法,研究针对瓦斯灾难信息特征提取的具体方法,将DBSCAN聚类算法应用在煤矿瓦斯监测系统中,通过数据的集成和选取、确定目标、结果表述、评价等多个步骤来实现该算法,发挥仿真和结果的作用,实现对煤矿生产现场情况的监测和指挥,进一步降低发生煤矿瓦斯灾难的概率。     

遗传算法在机械工程方面的应用研究

简单介绍了遗传算法的原理和运算过程,讨论了遗传算法在机械优化方面的应用,并用实例加以说明,总结了它的特点和应用前景。     

基于遗传算法的组卷技术研究与实践

自动组卷是考试系统的重要组成部分,改进组卷算法和提高组卷质量成为了当前的研究热点。采用一种自适应遗传算法可有效提高组卷的效率和质量。     

一种簇间多跳的WSN非均匀分簇算法

无线传感器网络中节能、能耗均衡等是延长传感器网络寿命的关键。本文在各层节点平均能耗相等的基础上提出了多跳非均匀分簇路由算法(MUCR),核心为由远及近依次求取各层成簇半径值,使得靠近sink节点的成簇半径小于远离sink节点的成簇半径;通过外层节点触发内层节点开始成簇,建簇的同时利用转发节点形成多跳路由;依据接收比特值和簇首节点剩余能量发起簇重构。在Omnet++仿真平台下模拟实验结果显示,MUCR有效地均衡了全网节点能耗,显著延长了网络生命期。     

基于安全聚类算法的挖掘机故障诊断研究

对挖掘机迅速、准确进行监测,有效进行挖掘机故障实时诊断在大型工程中成为一种迫切要求。文章提出一种安全性和相关性相结合的安全聚类算法,并在聚类过程中生成一棵安全二叉树,利用支持向量机和二叉树对挖掘机故障实时监测。实践证明这种方法不仅保证了故障诊断的正确率,而且可以让引起严重后果的故障得到优先诊断。     

用高密度电阻率法研究恐龙化石群的分布

应用地球物理勘探技术进行古生物化石探测本身是一项难度大的选题 ,国内外均无大的突破。该项目选用近几年发展较快的高密度电阻率法 ,从化石伴生岩层探测出发 ,去研究恐龙化石的分布规律和赋存具体区域。