均衡化的改进K均值聚类法

为了进行连续马尔可夫模型的初值提取,提出一种各类在训练样本空间近似均衡分布的K均值聚类法。在聚类的过程中引入惩罚因子,从而限制过多的训练矢量集中于一个或几个类,使样本空间划分近似均匀。连续马尔可夫模型初值提取实验证明,该方法与标准的K均值聚类法、LBG(L inde Buzo G ray)聚类法相比,降低了矢量量化产生的全局失真,各个类在样本空间的分布更加均匀,提高了矢量量化的性能。将该方法用于孤立词识别连续马尔可夫模型的初值提取,可使各个高斯概率密度函数的参数估计更逼近其无偏估计,从而提高了马尔可夫模型初值的可靠性。

工程岩体质量等级判别的未确知均值聚类法

针对岩体质量分级判别中等级评价中许多不确定性影响因素,基于未确知测度理论,选用岩石质量指标、完整性系数、单轴饱和抗压强度、纵波波速、弹性抗力系数和结构面摩擦因数等6个指标作为岩体质量分级的判别因子,建立岩体质量分级评价的未确知均值聚类分析模型;以30组岩体质量实测数据作为训练样本,建立各评价因子的未确知测度函数,用各分类样本平均值表示其分类中心;根据信息熵理论计算各评价因子的权重,依照置信度识别准则进行等级判定;用建立的模型对30组实测数据逐一进行回检,正确率为100%。将建立的模型对待分类的7个样本进行测试,并与实际结果进行比较。研究结果表明:该模型判别预测结果与其他方法有较好的一致性,且预测等级与实际结果吻合,进而为工程岩体质量分级判别提供了一种新思路。

用K-均值聚类法改进地震灾害FAPE分类模型

运用K-均值聚类法改进了FAPE地震灾害分类模型,提出了K-FAPE分类法。该方法充分利用已有成灾地震的自身信息,消除了FAPE模型分类的人为干预因素,理论上改进了FAPE模型,从实际结果来看,该分类结果更加合理,能更好地解释现有地震灾害的分类现象,可为今后地震应急响应研究和实际工作提供参考。

基于模糊C均值聚类法和多元线性回归理论的铣床热误差研究

为了降低铣床主轴旋转受温度影响而产生的位移变形量,提高铣床对零件的加工精度,采用了模糊C均值聚类法和多元线性回归理论对铣床主轴的热误差进行建模,实现铣床主轴加工误差值最小化;分析了模糊C均值聚类法筛选最优值的迭代过程,对铣床上不同位置的测量温度值进行分组,筛选出每组的最优温度值;采用多元线性回归理论,对铣床热误差理论预测模型进行了推导,通过实验验证多元线性回归理论所创建的热误差预测模型。实验结果表明:补偿前,铣床主轴Y方向和Z方向受温度影响产生的热误差最大值分别为45.0μm和28.0μm;补偿后铣床主轴Y方向和Z方向受温度影响产生的热误差最大值分别为3.2μm和3.8μm,误差范围都在4μm以内。采用模糊C均值聚类法和多元线性回归理论对铣床热误差进行补偿,铣床主轴运转受温度影响所产生的误差明显降低,从而提高了主轴定位精度。

模糊C均值聚类法在新疆年降水分区中的应用

利用新疆98个气象站1960—2011年的年降水量资料,采用模糊C均值聚类法,对新疆年降水量进行分区研究;同时利用线性趋势、累积距平、M-K检验、t检验相结合的方法,对新疆年降水量在不同区域上的变化趋势以及突变时间等进行了对比诊断分析,得到了新疆地区年降水量分布的空间特征。结果表明:(1)新疆年降水的分布大致可分为7个区域;(2)根据模糊C均值方法所分区域能够体现出由于地形差异导致的降水分布不均匀的特点,这一结果与其他研究干旱区降水分布差异产生的原因相同。分区结果合理,说明该聚类方法适用于区域气候区划;(3)新疆大部分区域的降水量在20世纪80年代中后期以前偏少,低于多年平均值,自80年代中后期以后才开始偏多;不同区域的降水量依次从70年代初、80年代中后期、90年代初开始增加;整个南疆盆地、阿勒泰地区、准噶尔盆地降水的突变时间较为接近;(4)新疆降水量整体异常表现为降水一致多(或少)、北多南少、西多东少。

K-均值聚类法在机械设备铁谱监测技术中的应用

铁谱分析技术是润滑油液分析技术的主导技术,是机械设备工况监测和故障诊断的主要技术手段之一。铁谱片上磨损颗粒间的区分是磨损颗粒识别和诊断的基础。针对铁谱图像中磨损颗粒形状和颜色分布的复杂性,利用数字图像处理技术,采用K-均值聚类法,对铁谱彩色图像进行了分割处理研究。试验结果表明,K-均值聚类法可以有效地分割彩色铁谱图像,将磨损颗粒提取出来,为铁谱图像的后续处理工作奠定了基础。

基于模糊K-均值聚类法的煤与瓦斯突出危险性评价

鉴于煤与瓦斯突出对煤矿的安全生产的威胁以及其影响因素的复杂性,通过收集突出矿井的相关资料,分析并合理选取对矿井煤与瓦斯突出影响的主要指标,结合基于模糊数学理论的K-均值聚类法对煤与瓦斯突出矿井进行聚类分析,并利用最小二乘法获取合理的分类和聚类中心矩阵,来预测煤与瓦斯是否突出,以供技术人员参考,以便提前预防突发事故.结果表明此模型的评价结果与实际相符,为高瓦斯矿井的煤与瓦斯突出危险性评价提供了一种科学的理论方法.

基于K-均值聚类法和Fisher判别法对城镇居民可支配收入的分析

城镇居民可支配收入是全国居民可支配收入的主要组成部分,对其进行准确的分析至关重要。文章在利用K-均值聚类法将中东部地区的一些省市划分为高收入组和次高收入组的基础上,进一步利用Fisher判别法,通过建立Fisher判别模型,从而判定未分组省市的具体类型。实证分析结果表明,全国31个省市的城镇居民可支配收入分布状况与我国东部沿海地区较中西部高的国情基本吻合。

基于模糊c均值聚类法的玉米农田管理分区研究

为提高大面积农田作物管理的精确性,以甘肃黄羊河农场玉米膜下滴灌示范区为研究对象,对大面积农田进行管理分区研究。综合考虑地形属性(高程、坡度、坡向)、土壤质地(砂粒、粘粒、粉粒含量)、土壤含水率(SWC)、速效氮含量(AN)、电导率(EC 1:5)以及玉米产量,根据相关性分析结果筛选产量主控因子,使用主成分分析得到3个主成分作为分区依据,进而使用模糊c均值聚类法(Fuzzy c-means algorithm,FCM)进行管理区划分,以模糊性能指数和归一化分类熵作为最佳分区数的评判依据,分析管理分区后各分区间的差异。结果表明:玉米产量的主控因子分别为土壤粉粒含量、土壤砂粒含量、SWC、AN、EC 1∶5和高程,使用模糊c均值聚类法进行聚类分区得到最优分区数为3个。管理区之间各主控因子呈现极显著差异性(P<0.01),且生育期内作物株高、叶面积指数(LAI)和SWC在不同分区中也有明显差异;同时,分区内的各因子变异性均有不同程度的下降。研究结果说明,农田分区管理可以依据不同分区特点制定管理策略,为“精准农业”的实施提供理论基础。

基于模糊C均值聚类法的河南省近57年干旱特征分析

根据河南省1960-2017年19个气象站的逐日降雨数据计算标准化降水指数(SPI),结合模糊C均值聚类法、小波分析,从月、年际和周期维度上研究近57年来河南省干旱的时空变化特征。结果表明:所有气象站点可以分成3个区域,分别为豫东南、豫北、豫西地区;全区在1966、1986、1997年发生持续干旱,豫东南持续干旱时间最长为10个月且在夏季易旱,豫北持续干旱时间最长为9个月且易发生特旱,豫西持续干旱时间段最多但尺度最长为7个月;干旱频率主要分布在豫北,豫西次之,豫东南最小,但干旱频率都在30%以上,且20世纪90年代后干旱频率在各区之间分布比较均匀;豫东南、豫北、豫西分别呈现23～25、20～22、15～17 a易干旱的主周期。

模糊c-均值聚类法在干港选址中的应用

合理的干港选址,对于区域经济发展起着至关重要的作用。根据干港规划布局的影响因素,引入模糊c-均值聚类法,来验证干港选址的合理性。

K-均值聚类法对甘肃省临夏州当归引种区划的分析

通过统计学上的K-均值聚类法对当归在甘肃省临夏州的适生种植进行农业气候区划,以避免因不当引种带来的损失,并借此来说明统计学方法在农业区划方面的重要作用。

模糊c-均值聚类法在干港选址中的应用

为促进区域经济发展,更合理地进行干港选址,分析干港规划选址布局的影响因素,提出模糊c-均值聚类方法,认为模糊c-均值聚类法具有分析许多不确定性因素的优势,适应范围较广,且设计简单,在实际选址工作中易于将其转化成优化问题进行解决,其易于在计算机应用的特点对验证干港选址的合理性具有一定的理论意义。

k均值聚类法在识别低弱地球化学异常中的应用:以内蒙古阿木牛林场地区为例

为消除岩性对地球化学背景值的影响,加强对低弱地球化学异常的识别,论文利用k均值聚类法对内蒙古阿木牛林场地区1:5万化探数据资料进行了分析。根据地质单元数目和轮廓系数,将研究区共分为5大类。论文以Pb、Zn元素为例,分类后采用3S法对异常值进行剔除,然后计算标准差、方差和衬度值,制作等值线图。结果显示,分类方法圈定的Pb、Zn异常的形态和范围与传统方法差异较大,若采用传统方法圈定异常会造成岩体地区被圈定为异常区。采用k均值聚类法后可以有效消除岩性对地球化学背景值的影响,突出低弱地球化学异常,为进一步找矿提供有利的信息。

模糊C-均值聚类新算法在说话人辨认中的应用

该文提出了一种将模糊C-均值聚类法的各种改进算法与矢量量化法相结合的说话人辨认的新方法。首先从语音信号中提取MFCC特征矢量,其次利用矢量量化来设计码书,最后用改进算法对待识语音进行辨认。新算法的辨认率达到95%以上,抗噪性能也优于矢量量化法。

基于K最近邻与K均值聚类法的样本分类方法对苯酚类化合物的定量结构毒性相关研究

选取了258个苯酚类化合物的生物毒性数据,通过软件ADMEWORKS Model Builder的计算,选出7个结构描述符作为样本的结构参数,用稳健诊断方法剔除24个奇异样本,分别采用K最近邻方法和K均值聚类方法对剩余的234个样本数据进行分类,对分好的每一个类分别随机选择外部测试集,并用球型排除算法划分训练集和内部测试集,然后运用多元线性回归(Multiple Linear Regression,MLR)、偏最小二乘(Partial Least Squares,PLS)和人工神经网络(Artificial Neural Networks,ANN)方法进行预测模型的建立,计算结果表明,非线性模型的预测结果优于线性模型,有管理的分类方法(K nearest neighbors method,KNN)的预测结果优于无管理的分类方法(K均值聚类法)。

模糊C-均值(FCM)聚类法与矢量量化法相结合用于说话人识别

该文提出了一种将模糊C-均值聚类法与矢量量化法相结合进行说话人识别的方法。该算法将从语音信号中提取的 12阶 LPC(线性预测编码)倒谱系数作为待分类样本的 12个指标,先用矢量量化法求出每个说话人表征特征参数的码书,作为模糊聚类算法的聚类中心,最后将待识别的特征矢量以得到的码书为聚类中心,进行聚类识别。该算法所使用的特征参数较少,计算比较简单,但识别率较矢量量化法高。

基于K均值聚类的编组站分类方法研究

简述了编组站分类问题的研究现状以及编组站的类别,介绍了运用K均值聚类对编组站进行分类的主要步骤。将该方法应用到东北地区11个编组站分类的实例中,在计算过程中,使用SPSS16统计学软件,计算结果表明分类正确,证明该方法可行,具有人为因素影响小、计算持续时间短及结果较精确等特点。

隧道围岩分级判别的未确知均值聚类模型

基于未确知测度理论,建立隧道围岩分级的未确知均值聚类分析模型。针对隧道围岩分级判别中等级评价中许多不确定性影响因素,选用岩石等级、风化程度、岩体弹性纵波波速、岩体结构、地质构造影响程度、节理裂隙发育程度和地下水情况等7个指标作为隧道围岩分级的判别因子;以20组隧道围岩实测数据作为训练样本,建立各评价因子的未确知测度函数,用各分类样本平均值表示其分类中心;根据信息熵理论计算各评价因子的权重,依照置信度识别准则进行等级判定;用建立的模型对20组实测数据逐一进行回检,正确率为100%。将建立的模型对待分类的10个样本进行测试,并与实际结果进行比较。研究结果表明:该模型判别预测结果与实际结果吻合,比较客观地反映了隧道围岩分级的复杂状况;且方法科学合理,意义明确,为隧道围岩分级判别提供了一种新思路。

基于改进的FCM聚类算法对温度测点的优化和建模

在分析了国内外热误差建模方法的基础上,提出了一种基于改进的模糊C均值聚类算法,从而基于多元线性回归理论建立教学型复合机床主轴热误差模型。使用温度传感器对机床主轴不同位置进行温度测量,并采用改进的模糊C均值聚类法对所测量数据进行分组,筛选出每组的最优温度值进行迭代。采用优选出的温度数据,采用多元线性回归建模法对机床主轴热误差进行预测建模。通过实验验证多元线性回归理论创建的预测建模分析可得:补偿后,教学型复合机床的主轴Y、Z方向受温度影响的热误差降低到了5.4μm以内,通过对改进的模糊C均值聚类法和多元线性回归模型相结合,使机床主轴在Y、Z方向误差有所降低,能更好的预测主轴热误差,从而提高机床加工精度。