基于密度函数加权的模糊C均值聚类算法研究

模糊聚类算法具有较强的实用性,但传统模糊C均值算法(FCM)具有对样本集进行等划分趋势的缺陷,没有考虑不同样本的实际分布对聚类效果的影响,当数据集中各样本密集程度相差较大时,聚类结果不是很理想。因此,提出一种基于密度函数加权的模糊C均值聚类算法(DFCM算法),该算法利用数据对象的密度函数作为每个数据点权值。实验结果表明,与传统的模糊C均值算法相比,DFCM算法具有较好的聚类效果。

改进的模糊聚类在控制系统故障诊断中的应用

为了提高控制系统中传感器与执行器故障诊断的准确性,结合小波分析特征提取的优势和密度函数加权模糊C-均值聚类具有较好分类效果的特点,提出了一种新的控制系统故障诊断方法。该方法首先利用小波分析对故障信号进行特征提取,降低噪声的影响;然后对特征提取后的数据通过加权模糊C-均值聚类算法,对故障进行识别分类。实验表明,基于小波分析和加权模糊C-均值聚类相结合的方法,不仅可以识别不同部件的故障,而且可以对同一部件的不同类型的故障进行诊断。

基于时空耦合视角的中国区域经济增长俱乐部趋同分析

目前有关俱乐部趋同的研究存在一个很大的缺憾,即时间维度与空间维度的分离,这不仅无法真正揭示俱乐部趋同形成的内在机理,更有可能偏离俱乐部趋同的事实。该文从时空耦合的视角构建了区域经济增长俱乐部趋同的检验方法,并以中国329个地级行政区为基本区域单元,检验了中国区域经济增长是否存在俱乐部趋同,结果发现全国仅有一个由东部沿海发达地市、辽宁省大部分发达地市及中西部部分省会和资源型发达地市构成的发展水平较高的时空耦合趋同俱乐部。对该趋同俱乐部的影响因素分析表明,它是由区域经济增长的历史因素和结构因素在空间相互作用、市场作用及政府作用的综合影响下形成的。