基于改进模糊k均值算法和神经网络算法的数据挖掘模型

为解决神经网络算法中样本数据包含大量与目标数据无关的属性而导致网络训练时间长、效率低的问题,提出基于改进模糊k均值(FKM)和BP神经网络算法的数据挖掘模型.利用改进的FKM聚类算法对输入数据的属性进行聚类,摈弃与目标属性相关性弱或冗余的属性,保留相关性强的属性,减少了神经网络的训练样本数据量,提高了网络的训练效率.对儿童血红蛋白含量的预测结果表明,该模型具有很好的实用性和可靠性.

模糊k均值算法和神经网络算法在入侵检测中的应用

为了解决由于入侵检测样本数据多和冗余属性导致的BP神经网络训练速度慢和效率低的问题,本文提出利用模糊k均值聚类算法对样本数据依据和目标属性相关性和隶属度强弱进行聚类,优化神经网络权值。实验表明,该算法检测的准确率较高,网络入侵检测的性能和效率都得到了提高。

基于模糊K均值聚类的高校网络用户行为分析

随着网络科技的迅猛发展,互联网用户的规模正在以指数的速度不断增长。高校网络用户的规模也随着互联网兴起而出现大规模增长。对高校网络用户的上网行为进行分析,能够更好地掌握在校学生的动态,为学校制定科学、高效的互联网管理方式奠定了更加客观的数据基础。本文首先将高校网络用户上网行为进行分类,然后通过模糊K均值聚类算法对学生的上网行为进行分类。实践表明,通过对某高校的学生上网行为展开分析,为该校的互联网管理和学生的精细化管理提供了有利的数据支撑。

一种基于CSA的模糊聚类新算法

在聚类分析中,模糊k均值算法是目前应用最为广泛的方法之一,然而该算法对初始化敏感,容易陷入局部极值点。为此,该文提出一种基于克隆选择的模糊聚类新算法以实现全局优化处理。在新算法中,由于克隆算子能够将进化搜索与随机搜索、全局搜索和局部搜索相结合,因而通过对候选解进行克隆算子操作,能够快速得到全局最优解。用人造数据和IRIS实际数据所做测试结果表明了新算法的有效性。

一种基于EKFCM算法的电站脱硫系统目标工况库的建立方法

在对电站湿法烟气脱硫系统运行特性分析的基础上,建立了以系统运行成本为目标的综合评价标准,给出了从系统历史数据库中建立系统目标运行工况库的基本流程。提出信息熵理论结合K均值和模糊C均值的EKFCM算法,采用信息熵跃迁值差值来评价系统信息量有序程度,并以K均值聚类结果作为初始条件,并完成测试数据的聚类分析,测试结果表明该算法具有较高精度。以某600 MW机组石灰石/石膏湿法烟气脱硫系统为对象,按照负荷和入口烟气SO2浓度将运行工况划分为多个工况簇,以p H值、液气比和浆液密度等可控参数为聚类输入,以单位SO2脱除成本为工况评价标准,从系统历史运行数据中聚类出各个簇内的目标工况,并建立了目标工况模型,得到了连续的最优目标工况库,可为现场运行人员提供实际参考。

融合人运动模式分析的服务机器人和谐导航

提出一种学习人典型运动模式的方法,并利用该方法对环境中的人的行为做出预测,协调机器人以达到与人和谐共处的导航目的.算法首先通过非重叠多摄像头采集人在环境中不同地点间的运动轨迹;其次,应用两层模糊K均值算法分别对这些运动轨迹进行空间和时间序列上的分类,并利用TSC标准对每一次分类结果进行评估;然后建立每一聚类运动模式的概率方程,依此实现对摄像头网络观测下人运动行为的预测,进而调整机器人的导航策略以达到与人和谐共处的导航目的.实验展示了该算法能够快速地利用人的运动调整其导航行为.

基于RBF神经网络的控制系统传感器故障诊断方法

针对现行研究中压铸机实时检测与控制系统中相关传感器的常见故障问题,通过对人工神经网络理论与方法的学习,建立了一种基于径向量基函数神经网络RBFNN的控制系统传感器故障诊断观测器模型。通过来自压铸机的实测参数进行模型训练,采用模糊K均值聚类算法选取聚类中心,利用该观测器确定传感器输出值与传感器实际输出值之间的残差,以此判断传感器是否发生故障。仿真结果表明,RBFNN观测器具有较强的非线性处理和任意函数逼近的能力,预测精度高,学习时间短,网络运算速度快,性能稳定,可满足传感器故障诊断的要求。