基于HFACS-FCMs模型的船舶搁浅事故人因分析

为分析船舶搁浅事故致因因素中人为失误的干扰,建立人为因素分析及分类系统(human factors analysis and classification system,HFACS)-模糊认知地图(fuzzy congitive maps,FCMs)量化分析模型,从4个层面、20个分类项目角度分析在船舶搁浅事故中人为因素的影响,采用航运业专家对船舶搁浅事故致因因子的评估打分方法,构建船舶搁浅事故致因因子关系矩阵,以模拟与计算的总体中心值和标准中心值分析船舶搁浅事故致因因子。结果表明:船舶安全管理组织不当对船舶搁浅事故影响最大,组织影响和不安全行为前提条件对船舶搁浅事故影响较大,不安全行为与不安全监督对船舶搁浅事故影响次之,缺乏团队合作对船舶搁浅事故影响最小。结合分析结果,提出船舶搁浅事故的预防措施,为有效预防和减少人为失误导致的船舶搁浅事故提供参考。

结合FCMS与变分水平集的图像分割模型

提出了一个结合融合空间约束的模糊C均值(Fuzzy C means with spatial constraints,FCMS)聚类与变分水平集的图像模糊聚类分割模型.在该模型中引入了一个基于图像局部信息和空间信息的外部模糊聚类能量,从而可以获取精确的局部图像的空间特征,使得本文模型对噪声图像的聚类分割具有较强的鲁棒性.采用不同类型的实验图像,将本文模型与10个不同类型的图像分割模型进行了对比实验,实验结果显示本文模型能克服图像中噪声影响并取得较满意的聚类分割结果.

利用FCMs技术推算金属在土壤中的腐蚀率

将模糊认知技术(FCM s)应用于金属土壤腐蚀研究,利用FCM s的学习特性和简洁性,在实验室的模拟溶液对金属腐蚀数据的基础上,根据国家自然环境埋片试验的数据,推算出金属的土壤腐蚀速率,结果近似程度比较高.

An integrated new threshold FCMs Markov chain based forecasting model for analyzing the power of stock trading trend

This paper explores the power of stock trading trend using an integrated New ThresholdFuzzy Cognitive Maps(NTFCMs)Markov chain model.This new model captures thepositive as well as the negative jumps and predicts the trend for different stocks over 4months which follow an uptrend,downtrend and a mixed trend.The mean absolute percent error(MAPE)tolerance limits,the root mean square error(RMSE)tolerance limits aredetermined for various stock indices over a multi-timeframe period and observed for theexisting methods lying within the defined limits.The results show for every‘n’number ofpredictions made,the predicted close value of the day’s stock price was within tolerancelimit with 0%error and with 100%accuracy in predicting the future trend.

农业机器人采摘目标识别技术研究——基于FCM模糊聚类算法

介绍了FCM(Fuzzy C-Means)模糊聚类算法的原理,采用权重分配的方法对该算法进行了改进,通过建立模糊的相似矩阵,对目标对象的特征聚类图进行分析,并引入隶属度矩阵对FCM算法进行优化,以加快算法的迭代速度。实验结果表明:农业机器人采用该方法对农作物轮廓分割识别度较高,算法计算效率较快,验证了其可靠性,该方法可用于目标农作物的分割和目标识别。

基于SDAE的终端区气象场景模式识别方法

气象条件是影响终端区航空器运行安全及效率的主要因素之一。为提高终端区气象场景模式识别精度,采用基于堆叠降噪自编码(SDAE)的聚类模型,在输入层添加随机噪声、构建3层自编码、逐层贪婪训练,降维后的特征作为聚类的输入,实现气象场景的模式识别。以天津滨海国际机场2022年气象观测数据为例,基于SDAE与欧氏距离、汉明距离、曼哈顿距离等传统相似性距离度量方法,分别使用K-medoids与FCM两种聚类方法进行验证。结果表明:基于SDAE的相似性度量在K-medoids与FCM聚类中均表现最优,与其他相似性度量相比差异率分别达到22.4%,12%,17.7%与24.8%,10.7%,11.8%,且运算时间最短,证明了基于SDAE的度量、聚类效果最优,最终识别出8个气象场景,各场景分类清晰明确。

DEMATEL和模糊认知图在地铁深基坑施工安全风险动态评估中的应用

为探究地铁深基坑施工安全风险因素动态作用规律,科学预防施工安全事故,针对目前缺乏因素系统识别、因果关系量化和动态推理分析等共性问题,提出一种基于决策试验和评估实验室(Decision Making Trial and Evaluation Laboratory DEMATEL)与模糊认知图(Fuzzy Cognitive Map,FCM)的地铁深基坑施工安全风险分析方法。首先,通过理论分析与文献梳理,采用扎根理论识别风险因素;其次,结合专家调研与量化分析,利用DEMATEL方法分析风险因素的因果关系;再次,将DEMATAL决策矩阵转化为FCM模型的交互作用矩阵,展开风险因素的预测与诊断推理分析;最后,选取案例进行实证,验证模型方法的可用性与有效性。结果显示:因素X_(1)(人员安全风险意识)对其他因素的影响程度最高;因素X_(1)(人员安全风险意识)、X_(8)(安全施工组织设计方案)和X_(7)(施工安全风险管理措施)是排名前3的关键风险因素;完善安全施工组织设计方案是最有效的管控对策。

一种基于XGBoost的用户行为异常检测方法

伴随企业业务的不断扩增和电子化发展,企业自身数据和负载数据都开始暴增。然而,作为企业核心资产之一的内部数据,却面临着日益严峻的安全威胁。越来越多以周期长、频率低、隐蔽强为典型特征的非明显攻击绕过传统安全检测方法,对大量数据造成损毁。对此,根据用户、实体、行为关联,提出整合可以反映用户行为基线的各类数据,提取几种最能反映用户异常的基础特征,利用XGBoost的特征选择策略与FCM聚类算法结合,通过异常打分,定位异常风险最大的一批用户。结果显示,新提出的异常检测算法有着82%以上的准确率,以及86%以上的召回率。

基于FCM-LSTM的软件运行资源变化规律方法研究

软件在运行过程中会消耗资源,此过程存在两个问题,一是难以确定资源消耗发生变化的拐点,二是同一软件同一模块运行不同任务时,所产生的数据样本数量级差异过大。基于此,提出一种结合FCM和LSTM的算法研究软件运行资源变化规律的方法,利用FCM算法实现不同数量级样本间的群聚,接着把处理后的样本放入LSTM模型进行训练,进而得到资源消耗变化曲线。实验表明,通过资源消耗变化曲线能够确定拐点的类型和其出现的位置区间,进而找到软件运行资源变化规律。另外,通过对比分析,FCM-LSTM模型在解决此问题上的准确率高于其他同类型的传统算法。

多源数据融合驱动的城市快速路交通状态划分

为提升交通状态划分效果,本文提出一种基于负激励项的改进模糊C均值聚类(BNITFCM)交通状态划分模型。该模型在原有FCM(Fuzzy C-Means)模型基础上考虑了交通流样本点权重以及交通流参数权重对聚类效果的影响,并引入隶属度负激励项、交通流权重负激励项、交通流样本点权重负激励项使聚类结果呈现类内高耦合、类间低耦合的特性。在此基础上,对样本点进行加权处理,用加权欧氏距离描述样本点之间的关系。通过拉格朗日乘子法得出模型的迭代公式并通过该迭代公式对模型进行求解。针对大多交通状态划分方法参数特征维度低的问题,本文以经过多源数据融合获得的速度、速度标准差、流量、密度和道路满载度构建高维特征输入。以数值仿真实验检验了BNIT-FCM模型在分类准确性方面的表现,结果表明,BNIT-FCM模型较FCM模型和改进模糊隶属度FCM模型(IFMD-FCM)的ARI(Adjusted Rand Index)分别提升了4.17%和3.56%。以深圳市北环大道卡口和浮动车数据的交通流为研究对象,实验结果表明,BNIT-FCM模型对比FCM模型以及IFMD-FCM模型的轮廓系数分别提升了4.12%和4.07%;同时,BNIT-FCM模型采用多源融合数据的速度及其标准差比单独采用卡口数据和单独采用浮动车数据的速度及其标准差的轮廓系数分别提升了29.67%和54.13%。

基于LOF-FCM算法的船舶航行数据识别

针对传统船舶自动识别系统数据在清洗异常数据和提取停留数据时分别采用不同的识别方式、类型判断阈值需要人为设定、识别效率不佳的局限性,首次提出了一种船舶航行轨迹中停留及异常数据的一体化检测方法。通过分析航行路线的3种数据(停留、异常和航行)异常因子特征,提出基于LOF-FCM的船舶航行数据、停留数据和异常数据一体化检测算法。实验对3类数据进行了识别,模型识别准确率达到了92.69%,有效提高了异常、停留、航行数据的识别能力。结果表明所提方法可一次性实现AIS数据中3种数据的检测,能高效分离出正常船舶航行数据,具有良好的工程应用价值。

多物理场耦合下FCM堆内行为研究

为研究全陶瓷包覆弥散燃料(FCM)堆内行为,评价FCM芯块的安全性能,优化FCM芯块结构设计,本文采用二维特征模型模拟FCM芯块的热-力学行为,通过计算不同位置TRISO颗粒的内压,作为输入条件,模拟缓冲层的变形将核芯和缓冲层去除,解决了多颗粒映射的难题。通过调整FCM结构参数,计算了不同结构对FCM芯块性能的影响,实现了FCM芯块的结构优化。研究结果表明,在压水堆环境下,FCM芯块中基体最高温度随运行时间迅速增大,在100天左右时温度达到稳定最高温度约为1390K,低于SiC分解温度。SiC基体的环向应力较高,最高可达1200 MPa,远高于SiC的断裂强度,因此基体在运行过程中开概率率较大。TRISO颗粒中SiC层的环向应力较小,最大应力约为180 MPa,具有较低的失效概率(9×10^(-5)),保证了SiC层的结构完整性。此外,当无燃料区尺寸为400μm时,SiC层的失效概率约为2.0×10^(-5),保证了SiC层的完整性。因此,本研究建立的FCM芯块分析方法,为FCM芯块的工程应用和结构优化奠定了基础。

基于遗传算法的简易优化及阈值确定研究

为了保持原始功能磁共振成像(function Magnetic Resonance Imaging, fMRI)数据的空间结构实现噪声体素移除,提高聚类的效果,提出了一种基于遗传算法的简易优化算法.以广义线性模型(Generalize Linear Model, GLM)方法获取的数据作为大脑视觉刺激的真实激活模板,基于遗传算法对5位被测者的fMRI数据图像进行分析.取不同阈值(0.1~0.9)时交叉率和变异率为0且具有唯一的最优值为模糊C均值聚类算法(Fuzzy C-Means, FCM)结果,依据真实模板验证聚类结果的准确度.结果表明,相比原始的FCM方法,改变阈值的大小可以使FCM聚类结果的准确度得到有效提高.通过简易优化遗传算法,可以确定最佳阈值为0.6.

采用改进多目标灰狼算法的电力系统调度规划

对计及经济、环境因素的电力系统发电调度问题(Economic Environmental Dispatching,EED)进行研究,提出一种采用改进多目标灰狼算法的发电调度规划方案。构建基于发电燃料成本、污染气体排放量和节点电压偏移量等指标的多目标EED模型,并采用改进的多目标灰狼算法进行求解,以得到更优的Pareto前沿和折中解。设计多度量自适应FCM算法对灰狼算法(Gray Wolf Algorithm,GWA)种群多样性进行分析,重新定义狼群层级结构和Pareto前沿规模控制策略,并在此基础上提出反向学习和变异进化策略,以提升GWA全局收敛性能。仿真结果表明,改进的GWA具有优秀全局寻优能力,而且基于改进多目标灰狼算法得到的Pareto前沿和折中解更具可行性和优越性。

基于多维波形差异度聚类分析的配电网故障区段定位方法

谐振接地系统运行环境繁杂,单相接地故障发生状态多变,基于单一特征量的传统配电网故障区段定位方法存在各自的定位判别盲区,方法可靠性和适用性难以保障。针对上述问题提出了一种无需整定的基于多维波形差异度聚类分析的配电网故障区段定位方法。依据故障点上下游各检测点零序电流暂态及稳态分量的波形差异性特征,通过离散Fréchet距离算法量化相邻检测点间的暂态及稳态波形差异度,并采用模糊C均值算法(fuzzyC-means,FCM)综合多特征信息以区分正常区段与故障区段,有效消除了单一特征定位盲区,实现故障区段自适应准确定位。PSCAD/EMTDC仿真结果以及10kV真型实验结果表明所提方法不仅保证了在不同故障工况下的定位可靠性和适用性,还具有耐高阻能力强、抗噪性高等优点。

发动机高速滚动轴承磨损故障信号特征识别

发动机高速滚动轴承在恶劣的工作环境下长时间使用,会导致其出现磨损故障,严重影响发动机的正常运行,且故障类型多样,每种故障类型都有其独特的特征,使得故障信号特征识别困难。为了有效解决这一问题,提出了一种发动机高速滚动轴承磨损故障信号特征识别方法。通过对发动机高速滚动轴承的振动信号进行EEMD分解和重建,获得其固有振动模态函数IMF,根据所得的IMF构建Hankel矩阵,获得拼接的奇异值样本特征矢量。通过划分样本空间和设置迭代阈值的方式,采用模糊聚类算法对故障样本聚类,计算出每个样本在不同聚类中的隶属度,以获得其贴近程度和故障特征。通过实验证明,所提算法能够较好的判别机械故障,准确性高,误报错报概率小,可确保设备的安全运行。

模拟核芯FCM燃料的振荡烧结行为研究

全陶瓷微封装弥散(FCM)燃料以其较好的固有安全性而成为核能领域研究的重点。针对SiC基体难以烧结的问题,本研究利用振荡烧结具有加速传质和降低烧结温度的优势,开展了模拟核芯FCM燃料振荡烧结行为研究,重点考察了振荡烧结温度、振荡时间与振荡压力等参数对基体致密化行为的影响,并与热压烧结结果进行了对比。结果表明,振荡烧结温度、保温时间以及中值压力对基体致密化有重要影响,而振荡压力的振幅对基体致密化影响不大。相比于热压烧结,振荡烧结可以提高材料的致密度,振荡烧结试样的致密度更高,1850℃振荡烧结试样的致密度为99.99%;振荡烧结试样的晶粒尺寸更小,1850℃振荡烧结试样的晶粒尺寸为(284±4)nm,比同等温度下热压烧结试样的晶粒尺寸减小~27%;振荡烧结试样的硬度更高,1850℃振荡烧结试样的硬度为(26.7±0.4)GPa。借助改进的热压烧结本构方程,计算得到试样在致密度为90%时的应力指数n=1,活化能Q=430 kJ/mol,致密化的主导机制为晶界扩散协调的晶界滑移。

基于改进FCM聚类的光伏电站出力场景特性研究

为提高新型电力系统的运行安全可靠性,需要对光伏电站的出力特性进行量化评估,并从高不确定性的众多发电场景中掌握光伏电站的运行规律。为此,基于场景聚类和缩减原理对光伏出力进行分析。首先提出光伏出力特性的评价指标,包括波动性和出力效率2个一级指标和相应的二级指标;然后采用模糊C均值(fuzzy C-means,FCM)聚类算法,基于密度思想和距离最大、最小原则确定初始聚类中心,通过不断迭代得到不同场景下光伏出力的聚类结果。考虑到传统聚类算法存在局部收敛性,难以确定最优聚类数目,提出结合聚类有效性指标来确定聚类最优数目,进而采用基于概率距离的前推回代法对得到的聚类结果进行场景削减,最终得到光伏电站季节典型出力场景。最后基于广东省某光伏电站实际出力数据进行分析,验证所提指标和算法的有效性。

利用流式细胞术鉴定3种李属植物基因组大小及染色体倍性检测

【目的】研究适合不同李属资源的FCM检测体系,估测其基因组大小及倍性,为李属资源的鉴定、分类及基因组和转录组等深入研究提供依据。【方法】利用FCM对3种常用的细胞核裂解液进行筛选与优化,选取最适宜的裂解液鉴定3种李属植物进行基因组大小和检测染色体倍性。【结果】LB01、Marie’s和WPB 3种裂解液对樱桃李检测效果均较好,而WPB裂解液检测效果最佳;Marie’s和LB01裂解液与欧洲李不匹配,改良的WPB裂解液最适合欧洲李;杏李与LB01裂解液不匹配,WPB裂解液对杏李的裂解效果好于Marie’s裂解液,而改良的WPB裂解液对杏李的裂解效果均最好。樱桃李和杏李基因组大小范围分别为491.22~566.40 Mb和514.46~573.83 Mb,欧洲李资源平均基因组大小为1678.37 Mb。【结论】樱桃李和杏李资源均为二倍体,欧洲李资源全部为六倍体,李属植物每个种内不同品种之间的基因组大小存在一定差异。

基于K-SVD算法的数字图像自适应修复方法

为了提升数字图像的完整性和清晰度,提出一种基于K-SVD算法的数字图像自适应修复方法。通过FCM算法将数字图像划分成不同的图像块,将不同类别的数字图像依据K-SVD算法的稀疏编码和字典更新模块进行训练,获取各个不同类别数字图像块的字典,求出其稀疏系数,结合字典和稀疏系数更新数字图像中的每一类图像块,完成数字图像中每一类图像块的修复或重构,将修复好的图像块放回原数字图像中,实现数字图像的自适应修复。实验结果表明,该方法能够有效地恢复图像的细节和结构,修复后的数字图像均方根误差低,并且具有较高的峰值信噪比,同时,修复后的数字图像与原图像的结构相似性高达0.95,且在数字图像修复效率方面具备显著优势。