基于模糊有序聚类算法的间歇过程故障检测

针对间歇过程故障检测中的断续以及数据不等长等问题,提出了一种模糊有序聚类算法(fuzzy order clustering algorithm,FOCA),实现了多阶段间歇过程的故障检测。FOCA在对过程数据进行子阶段划分时加入模糊策略,在初始化聚类时严格保证类内数据连续,且只针对单独的批次数据进行聚类,有效地解决断续、数据不等长等问题,优化了子阶段划分的结果。将FOCA应用于青霉素发酵过程的故障检测中,仿真结果表明该方法有效地降低了故障漏报率以及误报率。

基于人工神经网络的汉语数字语音识别系统

利用改进的有序聚类算法得到解决时间规整问题的新算法 ,在此基础上建立了基于人工神经网络的普通话数字语音识别系统。对基于人工神经网络的算法和基于动态时间伸缩的算法作比较识别实验 ,结果表明 ,基于人工神经网络的语音识别算法的识别性能优于传统的动态时间伸缩算法 .

基于公交IC卡数据信息的客流预测方法研究

根据大连市公交IC卡的历史数据绘制公交线路客流曲线,采用有序聚类Fisher算法划分公交峰值区间,在具有典型特征的峰值区间内进行有针对性的公交客流调查,可得到实际客流数据样本。通过将公交IC卡客流数据与随车客流调查数据相结合,建立不同峰值条件下预测客流的回归方程,可实现对不同峰值区间内总体客流量的预测。