基于模糊最近邻聚类学习算法的海水藻类繁殖状态预测

为了预报海洋赤潮等灾害的发生,需要监测海水中藻类的繁殖状况.通过建立针对海水中叶绿素a浓度状态的预测模型间接预测海水中藻类的繁殖生长状况.运用基于数据的模糊最近邻聚类学习算法对采样数据进行聚类处理,基于最优模糊逻辑系统建立了针对海水叶绿素a浓度状态的预测模型.根据采样数据的特点和降低模型阶次的实际需求,设计了改进的模糊最近邻聚类学习算法,并应用于叶绿素a浓度状态的预测.实验结果表明,该方法可有效提取样本数据的特征,降低数据维数,提高算法学习的收敛速度.改进的模糊最近邻聚类学习算法降低了预测模型构造的复杂度,使模型具有较好的泛化性能,能够有效预测海水中藻类的繁殖生长状况.

基于模糊最近邻的高维数据聚类

提出一种基于模糊最近邻的聚类算法 (简称 FNNC算法 ) .FNNC算法通过加权共享最近邻图来形成簇 ,而且仅仅使用对象图中一些有用的连接 .本文通过实验验证了 FNNC算法在高维数据聚类中的有效性 .

基于自适应最优模糊逻辑系统的移动通信话务预测

移动通信话务数据具有强非线性,传统的预测技术很难准确预测其变化规律.文中根据移动通信话务量的特点,对移动通信话务数据进行分块建模———采用最近邻模糊聚类算法对周期分量模块进行建模,采用线性回归方法对趋势分量模块进行建模,并据此设计了一种智能型的自适应最优模糊逻辑话务预测系统,进而对广东某地区的话务数据进行了预测.现场调试结果表明,该预测系统能有效预测移动通信的话务量.

基于鲁棒模糊聚类的混沌时间序列预测

采用一种基于鲁棒模糊聚类算法的模糊辨识方法,通过引入局部划分关联度因子,增强了系统辨识的抗干扰能力,提高了系统辨识的鲁棒性.首先用最近邻模糊聚类法划分初始输入空间,得到模糊规则数及初始聚类中心;然后用鲁棒模糊聚类算法求解并优化模糊隶属度和聚类中心,建立高精度的T-S模糊模型;最后利用最小二乘法辨识模型的初始结论参数,进一步利用带遗忘因子的递推最小二乘法优化结论参数.采用该方法对Mackey-Glass混沌时间序列进行建模和预测,仿真结果表明利用本方法可以进行准确建模和预测,验证了本方法的鲁棒性、有效性和实用性.

泵站用交流电动机控制方法的改进

泵站中所用的交流电动机,其带动的一般是较大的负载。如果交流电动机的起动和制动不平稳,就有可能对电机、泵和其它一些装置产生较大的冲击,这会对这些装置造成损害。由于传统的PID控制效果并不理想,作者提出了用模糊最近邻聚类学习算法设计最小方差控制器,并进行仿真实验,取得了不错的结果。