密度敏感模糊核最大熵聚类算法EI北大核心CSCD

提出一种密度敏感模糊核最大熵聚类算法.该算法首先通过核函数将原始非线性非高斯的数据集转化为核空间数据集,然后利用核函数的相似性抵消不属于该聚类的样本数据在聚类过程中对聚类中心求解的干扰,消除正则化系数对聚类结果的影响,进而抑制传统最大熵聚类算法的趋同性.最后通过引入相对密度项,解决因样本数据在特征空间的分布差异而导致的聚类中心求解偏差问题,从而提高聚类结果的准确性.实验部分,本文讨论了算法参数间的关系以及对聚类结果的影响.通过与传统模糊C均值聚类算法、核模糊C均值聚类算法、最大熵聚类算法、最大熵规范化权重核模糊C均值聚类算法以及其他两种改进最大熵聚类算法的聚类结果进行对比分析,结果表明本文提出的密度敏感模糊核最大熵聚类算法的聚类性能明显优于其他算法.     

一种新型电力设备环境信息监测管理系统

为了实现对电力设备运输及运行过程中状态监控的实时化、智能化、科学化管理,从而达到降低成本损耗、提升效率的目的,提出一种新型电力设备多功能环境信息监测管理系统.该系统包括下位机电力设备多功能环境信息监测装置以及上位机远程客户端管理系统.电力设备多功能环境信息监测装置主要实现对电力设备运输以及运行过程中的环境参数信息采集,...