基于半监督聚类算法的水利枢纽工程设备自适应PID控制系统

为提升水利枢纽工程设备的PID控制效果,提出基于半监督聚类算法自适应PID控制系统在线调节优化方法。该方法采用径向基函数神经网络模型在线调整PID控制系统的参数,为保证调整结果的合理性和最佳性,采用蚁群算法优化径向基函数神经网络模型的节点中心和基宽带两个参数,优化过程中,基于层次策略的散布种子中心半监督聚类算法,聚类线调节参数;在此基础上,采用蚁群算法优化对参数寻优,获取最佳调节参数,以此保证PID控制系统的最佳在线调节效果,提升水利枢纽工程设备自适应PID控制效果。测试结果显示:该方法在0.04 s时即可完成PID控制系统的在线调节,聚类效果良好,互信息和兰德指数均在0.93以上,调节后PID控制系统的工程设备控制超调量均低于0.5%、转速上升耗时均在18 s以下,稳态误差低于0.2%。

运用区间二型模糊集的半监督模糊聚类算法

将区间二型模糊集引入半监督聚类,提出一种运用区间二型模糊集的半监督聚类算法.该算法以区间二型模糊集为隶属度,将已标识样本的类别标签融入目标函数,使得聚类算法可以在已标识样本类别信息的引导下,得到合理的隶属度.实验表明,相比其他聚类模型,结合半监督机制和区间二型模糊集的聚类算法具有更好的聚类性能.

基于多因子选股的半监督核聚类算法改进研究

研究了一种附有引力影响因子的半监督K-means核函数聚类算法,并将该方法应用于多因子选股模型中。研究表明,相比传统的聚类模型,改进的模型具有较强的泛化能力,模型在处理样本线性不可分、样本分布非球状簇等问题上具有明显的优势,能选出较优的股票组合。

半监督二次划分聚类算法及其报表系统应用

在基于B/S结构的Web报表系统中,报表单元格之间往往存在着复杂的依赖关系,某一单元格的求值过程会进行大量的涉及到其它单元格的公式计算,而在多用户访问的情况下,这种计算开销更为可观,导致服务器负载过重,响应速度变慢.优化报表的计算任务,可以有效减少计算量和减轻服务器端负载.为此本文提出一种半监督二次划分聚类算法,在单元格聚类的基础上,以报表单元格为顶点,以单元格之间的引用关系为有向边建立有向最大无环子图,然后通过协同计算各有向最大无环子图的拓扑序列,从而获得较优的计算顺序,达到提高Web报表计算效率,减轻服务器负载的目的.通过该算法与常规算法的对比试验,验证了其能有效降低计算量,提高系统响应速度.该算法已经成功应用于实际的Web报表系统中,表现出良好的实用性.

基于半监督模糊聚类算法的奶牛行为判别系统

以实时判别奶牛行为,提升精细养殖技术水平为目标,本试验以系统功耗低、检测灵敏度高、运行稳定性强为原则设计无线传感节点,研发了一种基于半监督模糊聚类算法的奶牛行为实时判别系统。为获取最佳通信距离及最优节点固定高度,对无线传感节点分别进行固定高度—通讯距离与丢包率关系测试、固定高度—数据波动关系测试,通信距离分别取10、20、30m,固定高度分别取10、20、30cm;并将半监督模糊聚类判别算法、K-means算法及BP神经网络算法在奶牛行为识别方面的准确度、精度及敏感度进行比较。结果显示,集成三轴加速度传感器ADXL345、处理器MSP430-F149、无线收发器CC1101等芯片设计的无线传感节点可精确采集奶牛运动加速度数据,满足长期可靠传输数据等工作要求。固定高度—通讯距离与丢包率、固定高度—数据波动关系测试结果显示,最优传输距离为10m,最佳节点固定高度为30cm。半监督模糊聚类算法性能最高,平均准确度达到95.4%,平均精度为53.0%,平均敏感度为60.6%。K-means算法的平均准确度达到90.3%,平均精度仅有39.9%,平均敏感度为45.6%。BP神经网络算法平均准确度达到93.7%,平均精度为45.5%,平均敏感度为47.0%。半监督模糊聚类算法具有准确性高、学习复杂度低、运行速度快的特点,具有良好的寻优能力,效率较高。

双重高斯混合模型的EM算法的聚类问题研究

EM算法是参数估计的重要方法,其算法核心是根据已有的数据来迭代计算似然函数,使之收敛于某个最优值。半监督聚类是利用少部分标签的数据辅助大量未标签的数据进行的聚类分析。文章介绍了一种基于双重高斯混合模型的EM算法,在无监督学习中增加一些已标记的样本,利用已标记的样本得到初始参数,研究了半监督条件下的双重高斯混合模型的EM聚类算法。实验表明,该算法较无监督学习而言,提升了样本的识别率,有良好的聚类性能。这种算法模型也可以作为一种基础模型,具有一定的应用领域。

直接零件标志条码区域定位算法

针对受工况、光照的限制,现场采集的含有直接零件标志(DPM)条码的图像经常亮度不一,并伴有变形等情况,导致因定位不准确而识别DPM条码困难,提出一种改进的SUSAN角点检测和半监督机制下的近邻传播聚类相结合的DPM条码定位算法.首先针对DPM条码图像区域多直角的特点对检测角点的SUSAN算法进行改进,使其适应由于光照问题导致灰度不均的DPM条码区域,具有检出变形角点的能力,同时极大程度地抑制背景上及条码区域中的伪角点;以此为基础,使用近邻传播聚类算法对角点进行聚类,并将DPM条码区域中角点的聚集特点转化为监督规则,形成半监督机制下的角点近邻传播聚类.实验结果表明,该算法检测出的角点对DPM条码区域的示意性强、效率高,基于角点聚类结果的DPM条码定位比其他算法精准、快速.