基于神经网络的中超联赛球队实力水平聚类方法研究

为了在足球比赛中更准确、快速地寻找种子队,客观对球队分组,提出一种基于自组织特征映射网络和模糊聚类分析相结合的聚类方法。运用该方法将中超联赛的16支球队聚成四类作为评价标准,任选两支球队对该聚类方法进行测试,并与球队比赛成绩对照。结果发现:所提的聚类方法是合理的,可以客观地反映出参赛球队的实力和水平,有效地进行球队赛前水平评估和球队分组。

一种改进高斯核度量的HEC算法在变压器故障诊断中的应用

针对传统超球型聚类算法难以解决变压器故障诊断问题的特性,使用一种改进的高斯核的超椭球聚类(hyper-ellipsoidal clustering,HEC)算法,并将其解释为寻找体积和密度都紧凑的椭球分簇,该算法能够有效地处理形状为椭球、大小不同和密度不同的分簇。在模拟数据集上的仿真实验表明所提算法在聚类结果和性能上优于K-Means算法、模糊C-Means算法和混合高斯模型期望最大化算法,从而验证了该提算法在处理椭球形或复杂形状数据集聚类时的可行性和有效性;同时将该算法应用在基于变压器油中溶解气体(dissolved gas-in-oil analysis,DGA)的变压器故障诊断中,验证了该方法更高的故障诊断准确度。