聚酯酯化率软测量技术研究

介绍了某聚酯生产过程酯化工艺建立的过程质量指标酯化率的软测量模型。提出一种利用减法聚类产生初始的T-S模糊模型,通过粗调与细调聚类半径优化模糊模型的方法。建模前选择或计算出辅助变量,对样本数据进行了误差剔除与归一化处理。仿真结果表明,该方法建模速度快,模型泛化性能良好,为酯化率的估计提供了一种有效方法。     

改进的RPCCL聚类方法及在遥感影像分割中的应用

RPCCL(rival penalized controlle dcompetitive learning)方法被认为是一种性能良好的聚类方法,但是将RPCCL聚类方法应用于高分辨率遥感影像分割任务中存在着聚类性能不稳定的局限。基于此,论文提出了基于簇初始化的RPCCL方法。研究表明,该方法能在保证聚类精度的情况下,改善RPCCL方法的聚类性能。     

一个基于复制的相关任务调度算法

基于任务复制的调度是一种新的调度方法，现已有许多基于任务复制的调度算法在任务满足某些条件时能产生最优调度，但也存在一些不足．因此，针对一些算法存在的问题，提出一种新调度算法，该算法既考虑合并其它父任务以减少通讯时间，同时尽可能少的合并祖先任务，从而尽量减小任务的启动时间，因而能产生更短的调度．大量实验数据表明，该算法的性能明显优于其它算法。     

基于Hash函数取样的线性时间聚类方法LCHS

作为数据挖掘中的经典算法，k-中心点算法存在效率低、对大数据集适应性差等严重不足．该文针对这一不足，提出并实现Hash分层模型LCHS（Linear Clustering Based Hash Sampling），主要贡献包括：（1）将m雏超立方体按等概率空间进行分桶，使得每层（即Hash桶）的数据个数相近，以较小的计算代价获得分层抽样的效果；（2）新算法保证了样本具有对总体数据的充分的统计代表性；（3）从理论上证明了新算法复杂度为O（N）；（4）对比实验表明新算法在数据集的个数接近10000时，效率比传统算法提高2个数量级，数据集的个数接近8000时，聚类质量比CLARA算法提高55％．     

基于概率典型性和聚类排斥的无噪声模糊聚类方法

提出了建立在概率典型性和聚类排斥基础上的一个新型无噪声模糊聚类方法RTCM，给出了它的迭代算法过程，并验证了它的收敛性．首先引述了一般的聚类方法，它们主要分为两种：噪声聚类，如模糊c均值（FCM）、可能模糊c均值（FPCM）；无噪声聚类，如NC、PCM等，然后给出了RTCM算法模型和过程，并验证了它的局部收敛性．该算法解决噪声环境下的数据聚类问题，避免了重叠聚类．对比试验表明，该算法改善了噪声环境下FCM，NC、PCM、FPCM的聚类中心质量，有效地解决了PCM在近邻聚类数据中的聚类重叠问题．     

基于汉字与部件聚类的计算机模拟研究

以自组织特征映射算法为理论基础，提出了一种新的SOMNET算法，利用人工神经网络实现了具有相似特征的汉字的聚类以及汉字部件的聚类。并对汉字及其部件的显示效果进行了分析，从不同角度刻画了SOM模型的应用。研究结果对于汉字认知研究以及留学生第二语言习得教学具有一定的参考价值。     

Identification of piecewise affine systems based on statistical clustering technique

This paper is concerned with the identification of a class of piecewise affine systems called a piecewise affine autoregressive exogenous (PWARX) model. The PWARX model is composed of ARX sub-models each of which corresponds to a polyhedral region of the regression space. Under the temporary assumption that the number of sub-models is known a priori, the input-output data are collected into several clusters by using a statistical clustering algorithm. We utilize support vector classifiers to estimate the boundary hyperplane between two adjacent regions in the regression space. In each cluster, the parameter vector of the sub-model is obtained by the least squares method. It turns out that the present statistical clustering approach enables us to estimate the number of sub-models based on the information criteria such as CAIC and MDL. The estimate of the number of sub-models is performed by applying the identification procedure several times to the same data set, after having fixed the number of sub-models to different values. Finally, we verify the applicability of the present identification method through a numerical example of a Hammerstein model.     

传感器网络目标恢复算法研究

分析了传感器网络在目标跟踪过程中产生目标丢失故障的原因.在此基础上采用分簇设计思想,通过对跟踪目标移动速度的计算和目标搜寻区域的建立等方法,提出了目标丢失故障恢复新的算法和技术.实验证明,所提出的算法和技术在延长传感器网络生存时间前提下,能够有效地解决跟踪目标发生丢失故障后目标快速恢复问题.     

一种基于SOM的中文文本两阶段快速聚类方法应用研究

研究了一种基于自组织神经网络的中文文档聚类方法,按照提出的中文聚类模型,该方法首先对文档进行SOM训练产生初步的聚类结果,然后对第一次聚类结果进行基于参考点和密度的快速聚类,理论分析和实验结果也证明了该方法适合高维中文文档的聚类,与直接聚类方法相比,该方法提高了聚类的效果,减少了计算时间。     

ITS智能车辆横向运动模式空间构造算法研究

针对ITS（intelligent transport system）智能车辆复杂的非线性结构和时变特性，提出了以空间代替时间建立IV（intelligent vehicle）横向运动模式空间的思想。通过改变车辆的各种参数，针对车体的数学模型采集车体在各种环境条件下的模拟运动控制信息，以模糊C均值算（FCM）为基础，推导出车辆运动模式空间的构造算法．该构造算法能够客观地对测量数据进行有效聚类，聚类清晰，模式子空间划分清楚，从而为车辆运动模式空间的构造提供了一种理论依据．最后对样本数据的泉类和模式空间的构造算法进行了仿真，结果证明了算法的有效性和可行性．