自适应无监督聚类算法的运动图像关键帧跟踪

针对运动图像关键帧跟踪错误大,速度慢等缺陷,为了获得更高精度的运动图像关键帧跟踪结果,设计了自适应无监督聚类算法的运动图像关键帧跟踪方法。首先对运动图像关键帧跟踪流程进行分析,找到影响运动图像关键帧跟踪效果的因素,然后采集运动图像序列,对其进行分帧处理,提取运动图像关键帧特征,采用聚类算法对特征运动图像关键帧进行处理,最后引入自适应无监督聚类算法进行运动图像关键帧跟踪,并进行运动图像关键帧跟踪仿真实验,实验结果表明,文中方法获得了理想的运动图像关键帧跟踪效果,不但运动图像关键帧跟踪误差要小于其它方法,而且运动图像关键帧跟踪速度更快,具有十分显著的优越性。

基于无监督聚类算法的校园网络安全态势预测方法

针对传统校园网络安全态势预测误差大的情况,设计了一种基于无监督聚类算法的校园网络安全态势预测方法。应用无监督聚类算法,确定校园网络中的隐藏节点,根据无监督聚类结果,提取安全态势要素,将要素规范处理后得到安全态势要素集。在此基础上,使用安全态势要素集从时间上预测未来时间内的安全态势要素,判断未来时间的网络安全态势情况,由于时间预测具有一定的不确定性,引入空间数据发掘理论,得到空间特性引发的安全态势要素之间的影响关系,并采用空间数据中的指标定量计算网络节点的距离关系,得到网络安全态势预测值,以此完成校园网络安全态势的预测。实验对比结果表明,此次设计的基于无监督聚类算法的校园网络安全态势预测方法比传统方法预测误差小,能够真实反应校园网络的安全态势情况。

基于密度峰值聚类方法的多准则ABC库存分类模型

对于ABC库存分类管理的多准则优化问题,已有多种分类模型被提出,其中无监督机器学习方法具有吸引人的理论和实践特性,最大优点是不涉及主观性。在平均单位成本、全年货币使用量和提前期这三种库存决策要素的基础上,提出一个基于密度峰值聚类方法的多准则ABC库存分类模型。使用DPC模型和K-Means 模型对由47个库存单位组成的标准数据集进行聚类分类,利用成本-服务绩效方法将DPC模型、K-Means 模型和GMM模型分类结果进行比较分析。研究结果表明,在成本-服务绩效方面,DPC模型优于K-Means 模型和GMM模型,同时发现这三个无监督聚类模型分类结果优于使用同一数据集的几种数学规划模型。

一种有效的用于范例提取的改进聚类算法

针对传统范例提取算法随范例数增加而效率下降快的缺点 ,结合基于选择的 CL ARA聚类方法和 NCL聚类算法的优点 ,给出了一种有效的无监督聚类学习算法 .通过实验表明 ,该算法能在无监督下对范例进行准确归类 ,将它用于 CBR的范例提取中 。

GTM算法在齿轮箱状态监测中的应用

介绍了一种新的无监督聚类算法 GTM,研究了该算法在齿轮箱状态监测中的应用。结果表明 ,通过对齿轮箱振动信号时域特征的聚类训练 ,GTM能把正常、裂纹和断齿状态特征数据映射到二维平面的不同输出区域 ,较好地区分开不同的状态 ;特征数据映像点在平面上的轨迹变化趋势正确而直观地反映了齿轮箱工作状态的变化 ,便于及时监测到齿轮箱故障的发生。该方法可用于机械故障识别和状态监测。

基于MV-PearlNet的珍珠细粒度分类方法

提出多视图卷积神经网络模型MV-PearlNet,替代人工进行细粒度珍珠分类.该模型采用并行化处理方式,针对珍珠的多个视角图片提取特征,可提升珍珠图片的特征提取效果,并且采用中间层特征融合作为珍珠的特征表达.在训练集数据量有限的情况下,通过MV-PearlNet结合K-means方法,将无监督聚类算法应用到提取得到的特征中,并利用相似度计算完成自动类标学习,这些操作起到了扩充数据集的作用,有助于改善深度分类模型因为训练集不足导致的欠拟合问题,可提高模型的分类准确率.实验结果表明,相比于主流卷积神经网络模型,MV-PearlNet对珍珠细粒度图片的分类准确率有明显的提高.

制糖过程中递归模糊神经网络软测量技术

糖厂澄清工段过程包含复杂的物理和化学反应,具有非线性、大滞后和不确定性的特点,难以建立精确的机理模型。常规神经网络建模是静态映射,实际应用中,权值的调节不能充分利用工业生产现场的动态数据信息,效果不理想。为此,提出了含有递归环节的T-S模糊神经网络(TSRFNN)结构,采用混沌BP学习算法引入非线性自反馈项获得复杂系统的动力学特征,通过与常规T-S模糊神经网络(TSFNN)在糖厂澄清工段过程的建模与仿真试验中进行比较,结果表明,在处理这类时变复杂系统建模方面TSRFNN表现出更加优越的性能,获得了非线性系统的全局最优模型。

递归T-S模糊模型的神经网络

在常规T-S模糊神经网络的基础上加入动态递归元件,提出了递归T-S模糊模型的神经网络。在系统辨识中采用无监督聚类算法和动态反向传播算法训练该递归神经网络的参数,给出了该递归网络的逼近性证明。辨识效果与常规T-S模糊模型作比较,说明递归T-S模糊模型的神经网络在非线性系统辨识中表现出更好的性能。

基于PVDF压电电缆的心冲击信号采集与自适应处理方法研究

为提高心率监测的实时性与准确性,研究并实现了一种基于PVDF压电电缆的非接触式心率检测系统。该系统针对心冲击信号(BCG)信号的特点设计了差分阈值寻峰算法进行J峰值的提取,在此基础上结合无监督学习中的聚类算法对BCG信号进行聚类分析,获取心跳模板u并与待测BCG信号进行匹配,进而实时给出心率值。与心电仪开展实验对比,心率测量误差约±2.65次/min,10 min内整体测量准确度约为96.64%,表明该监测系统在心率检测过程中具有较好的准确性和可靠性。

陈修园《医学实在易》内服复方用药规律复杂网络关联系统综述

[主要目的]数据挖掘分析陈修园《医学实在易》内服复方用药规律规律。[资料来源]陈修园《医学实在易》。[选择文献量及依据]纳入药物组成齐全的中药内服复方。排除药名不全的方剂、外用方剂、单味药方、未注明药物组成的方剂。[数据提炼规则及应用方法]筛选出方剂录入"中医传承辅助系统(V2.5)"。通过该软件"方剂分析"功能,研究组方用药规律;"频次统计"每味药出现频次排序。"规则分析"(支持度个数45,置信度0.8)药物间关联规则,聚类分析核心算法及复杂系统熵聚类分析(相关度8,惩罚度2),挖掘组合新方。[数据综合得出结果与结论]纳入内服复方253首,用药234味。使用频次>15的有23味药,前6位是甘草、茯苓、人参、白术、生姜、当归。药物组合出现频次前3位是"人参+甘草";"白术+甘草";"甘草+茯苓"。无监督熵层次聚类算法得到4个新处方。[未来展望]运用大数据、循证医学理念,强化互联网思维,发挥计算机人工智能作用,结合临床实际分析灵活应用关联规则和聚类研究得到组方规则、核心组合和新处方,能更好、更全面地继承古代名医学术思想及经验。