基于BP神经网络和模糊均值聚类融合算法的隧道工程造价建模与估算研究

隧道工程投资估算编制对造价控制具有重要的作用,然而随着新技术、新工艺、新材料的不断涌现,传统的定额估算编制方法已较难适应新情况的发展,而信息技术和智能算法在工程造价中的应用和发展使得更先进、高效和准确的投资估算方式成为可能。文章基于BP神经网络和模糊均值聚类融合算法,对隧道工程造价进行建模与估算研究,在拟建隧道项目与已建项目的造价数据的相似程度较小和已知造价数据不充分的条件下构建非线性造价估算模型,并以鱼珠隧道为案例进行了实证分析,验证了成果的先进性与可靠性,为隧道工程前期造价控制提供了一种新的思路与方法。

一种新的数据流聚类融合算法研究

提出一种新的选择性聚类融合算法,该算法主要基于分形维数来处理一些高维数据,选择策略则是主要基于互信息,考虑到已选聚类成员的重要程度与聚类成员的质量和多样性,此算法比较适用的数据聚集类为任意形状的,聚类融合可通过加权定义实现。仿真实验中在UCI数据集环境运用本文提出的选择性聚类融合算法,实验结果表明该算法具有良好的有效性。

多媒体图像数据投影聚类融合算法优化研究

提出基于粒子群的多媒体图像数据投影聚类融合优化算法,首先利用误差反传的梯度下降训练,选取出多媒体图像数据投影的聚类成员,为后续聚类融合提供准确的数据基础;其次计算每个多媒体图像数据投影基聚类算法被选入优化基聚类子集的概率;最后利用粒子群算法进行全局寻优,实现对多媒体图像数据投影聚类融合算法的优化.通过实验验证分析,结果表明,所提算法可以提高多媒体图像数据投影融合质量和聚类准确率.

聚类融合算法的实验评价方法

聚类融合算法被认为是数据分析的有效工具之一。然而,除了研究优良的聚类融合算法,如何评价聚类的质量也被认为是难题之一。传统的外在方法使用专家评价的基准作为参照。但是实际上,这种基准不但昂贵,而且常常不容易得到。因此,一种新颖的基于实验的聚类融合算法评价方法被提出,其参照基准是基于所有聚类融合算法折衷所得出来的。基于这个方法的设计框架,实验部分使用了SLC(single-linkage clustering)和IVC(iterative voting clustering)在2个仿真和3个UCI数据集上进了评价对比,并将结果和传统外在方法进了比较。从传统外在方法看来,当参与评价的算法是强聚类融合算法时,该评价方法结果与传统方法的评价结果一致。

基于融合模糊聚类算法的异常心电多频段弱信号快速捕捉方法

考虑到传统方法在捕捉异常心电多频段弱信号时存在准确率低、灵敏度低和特异性差的问题,提出一种基于融合模糊聚类算法的异常心电多频段弱信号快速捕捉方法。利用归一化处理方法,去除原始异常心电多频段弱信号的变化幅度;采用微分方程提取出电极干扰噪声的高频分量,根据电极干扰噪声高频分量的重叠阻塞,检测出异常心电多频段弱信号;根据异常心电多频段弱信号具有的形态特征,选取合适的小波基函数;利用连续小波基函数分解并重构了异常心电多频段弱信号,完成异常心电多频段弱信号的去噪处理;利用融合模糊聚类算法对输入的异常心电多频段弱信号进行聚类;结合平均采样处理聚类后的信号,通过差分相关算法将异常心电多频段弱信号捕捉过程中的损耗去除,实现异常心电多频段弱信号的捕捉。实验结果表明,文中方法可以提高异常心电多频段弱信号捕捉的准确率、灵敏度和特异性,从而提高异常心电多频段弱信号的捕捉能力。