面向机电设备选型设计方案的精细分类方法

针对机电产品选型设计过程中存在复杂性、模糊性的状况,为了提高其设计进程,改进检索的效率和质量,提出了一种将多种方法与模糊C-均值聚类方法相结合方法。通过构建基于模糊C-均值原理的分类模型,借助于模糊伪F统计判别,可以较快获得更为精细的最佳分类数据,在一定程度上避免了分类的盲目性及人为主观因素的干扰,能较好地为案例设计提供数据支持,提高检索推理质量。通过实际运用验证了该方法的可行性。

基于样本密度的非监督动态改进FCM算法

针对传统FCM算法中聚类结果对初始聚类中心敏感,分类数C依赖于先验知识确定的不足,提出了基于样本密度的非监督动态改进FCM算法。该算法基于初始样本密度确定初始聚类中心,基于模糊伪F统计量自动确定最佳分类数,实现了基于样本密度非监督状态下的动态聚类。选取瓦斯涌出量的聚类分析进行应用,应用结果表明,该算法能合理选择初始聚类中心并动态确定分类数,降低了对初始聚类中心的依赖度,提高了收敛速度和自动化程度,并能根据指标做出正确预测。