一种基于边缘特征的聚类学习新方法

人类认识世界的一种重要方法是将认识对象进行分类,分类可以凭借经验和专业知识来实现,而聚类分析作为一种定量方法.从数据分析的角度,给出了一个更准确、细致的分类工具.作为统计学的一个分支和一种无教师监督的学习方法.聚类分析已有几十年的研究历史,并取得了很多研究成果.目前.聚类学习的典型代表有K-means方法和K-medoid方法等[3].

神经网络聚类方法在旋转机械故障诊断中的应用研究

在基于神经网络的聚类学习方法。分有监督学习方法和无监督学习方法。本文采用无监督学习方法对旋转机械中常见故障的分类进行了较为详细的研究，以此分类结果来达到故障诊断的目的，文中还具体描述了该算法的实现方法。研究结果表明，该方法克服了有监督学习方法的旋转机械故障诊断技术的某些缺陷，是进行大型旋转机械故障诊断的一种行之有效的方法。

基于模糊逻辑提取信号的周期

本文提出一种新的算法，运用模糊逻辑系统的最近邻聚类学习方法，提取信号基波周期。谈方法缩程简单、运行快、精度高。