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。

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%。

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。

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。

区块链+企业网络:交互融合前因探源——基于扎根理论和FCM方法

区块链技术的应用可增强企业间信任,优化网络生态环境,但目前区块链与企业网络融合效果差强人意,尚未达到链网良性互构的效果。基于案例资料,通过扎根理论提炼出技术、环境、网络3个层面共17个影响因素,弥补了既有研究的不足;运用非线性Hebbian学习算法得到因素间的关系矩阵,揭示了各因素的重要性及关联机理。结果表明:彼此融合不仅受技术和环境层面的影响,还与网络中的节点及联结层面有关;彼此融合是技术创新能力和技术应用水平相互作用的结果;影响融合的关键因素包括技术易用性、技术标准、高层管理者支持、政府支持、共享思维、数字化基础、关系资本。交互融合前因要素的提取为融合效果研究奠定了基础。

基于改进模糊C-均值聚类的陆上风电场集电线路回路划分与拓扑结构优化

【目的】在“双碳”目标以及我国能源结构加速转型的双重驱动下,风电产业规模不断快速增长,亟须降本增效以应对平价上网压力。集电线路的造价在投资中占比较大,存在可观的优化空间。为了降低投资成本,提出了一种改进模糊C-均值(fuzzy C-means,FCM)聚类算法。【方法】利用改进FCM聚类算法对陆上风电场集电线路回路进行划分。该算法综合考虑了方位角与欧式距离,以保障回路间线路不交叉,并使相邻机组聚集到同一回路;引入机位到聚类中心距离的修正因子,通过调节其数值限制回路容量。在回路划分的基础上,利用动态Prim算法对各回路进行集电线路优化选线。最后,通过某陆上风电场算例验证方法的有效性。【结果】与只考虑方位角的聚类方法相比,考虑方位角和间距的改进FCM算法优化效果更好,单回、双回连接对应的集电线路总造价分别降低了2.6%和5.4%。【结论】所提算法能够有效降低集电线路的总造价,具有一定的应用价值,可为风电场集电线路设计提供参考。

基于多因素均衡动态分簇的WSN路由协议算法

为了解决无线传感器网络分簇路由协议随机筛选簇头节点的位置分布不均衡及转发节点的数据传输路径不合理会加剧节点能量消耗、缩短网络生存周期的问题,提出一种基于改进社交网络搜索(improved social network search, ISNS)算法优化模糊C均值聚类(fuzzy C-means, FCM)的多因素均衡动态分簇路由协议(multi-factor balanced dynamic clustering routing protocol, MD-LEACH)。首先,引入莱维飞行改进反向精英学习策略,以增强社交网络搜索算法的全局寻优能力;接着,使用ISNS优化模糊C均值聚类算法对网络节点动态均匀分簇,均衡网络负载;此外,在每个簇内,考虑簇内节点的能量因素和位置因素引入模糊推理,设计两种簇头选取模式,动态选举簇首,提高簇首质量。在稳定传输阶段,将单跳改为簇首之间的通信的方式,使用改进的蚁群算法寻找最优数据传输路径,提高能量效率。仿真结果表明,算法能够有效提高能量效率,平衡网络负载,延长网络生存期。