基于密度聚类算法和广度优先搜索算法的道岔摩擦电流智能分析系统

[目的]现场的道岔摩擦电流测试与调整存在流程繁琐且风险高、对检修人员专业水平要求高、测定数值的主观性占比大3个弊端,为此需要基于各类智能算法及技术提升道岔的智能运维水平。[方法]分析了道岔摩擦电流测试曲线4个阶段的特征,提出建立道岔摩擦电流的智能分析系统。阐述了该系统的功能及工作原理,设定了该系统的摩擦电流标准值及阈值范围。该系统可基于密度聚类算法和广度优先搜索算法自动获取道岔摩擦电流值。介绍了该系统的调试界面截图,以说明系统在获取道岔摩擦电流值如何为现场检修人员提供操作建议。[结果及结论]该智能系统具有良好的可用性,实现了节约检修时间、降低维护成本和提高检修效率的既定目的。

一种基于广度优先搜索邻居的聚类算法

聚类算法BFSN广度优先搜索某对象的直接邻居和间接邻居 ,对符合条件的所有找到的邻居合并 ,从而完成一类聚类 .接着重复该步骤完成所有对象的聚类 .与同类算法相比 ,该算法具有实现简单、复杂度低和容易设定最佳参数等优点 .实验证明 ,在聚类正确率相近的情况下 ,该算法的效率比较高 。

采用广度优先搜索邻居聚类的通信信号调制识别

针对短波通信中无法避免的码间串扰问题,研究了聚类算法在信号调制识别中的作用,提出了一种利用广度优先搜索邻居(BFSN)聚类处理循环统计量特征的分类算法。该算法将循环统计量特征峰值作为聚类输入对象,通过BFSN聚类分析,剔除延时信号、噪声等造成的奇异类峰值,克服了多径效应产生的码间串扰影响,实现了2FSK、4FSK、BPSK、QPSK、16QAM、π/4-QPSK、π/4-DQPSK、8PSK等8种调制信号的自动识别。仿真表明,该算法聚类后提取的特征参数抗多径干扰能力强,同信道均衡方法相比识别正确率有5%的性能优势。低信噪比环境下的信号调制识别具有重要的工程应用意义。

基于广度优先搜索的小波聚类算法

针对传统小波聚类算法采用相连定义聚类时精度和效率不够的问题,提出了一种基于广度优先搜索的改进小波聚类算法。该算法综合了小波聚类算法和广度优先搜索邻居聚类算法两者的优势,以小波聚类算法的网格邻居单元定义去改善广度优先搜索邻居聚类算法人工输入参数的敏感性,同时以广度优先搜索邻居聚类算法类门限参数的设定去改善小波聚类算法类划分不精确的缺陷。通过航空发动机转子模拟振动信号实验数据,对其分别进行小波聚类,广度优先搜索邻居聚类以及改进的小波聚类分析,结果表明:基于广度优先搜索的小波聚类能够很好地改善传统小波聚类的聚类精度和聚类速度,明显地降低计算复杂度。

基于广度优先搜索的变异加权模糊C-均值聚类算法

针对传统模糊C-均值聚类方法(fuzzy C-means,简称FCM)对初始值敏感导致的易陷入局部最优和噪声敏感问题,文章提出一种基于广度优先搜索的变异加权模糊C-均值聚类算法。该算法通过改进具有全局搜索能力的广度优先搜索算法(Breadth Fist Search,BFS)和有效聚类评价函数相结合,确定了接近真实的初始聚类中心,同时能够剔除噪声数据。在此基础上考虑属性噪声对聚类结果的影响问题,引入变异系数赋权法对FCM的目标函数进行改进,进一步提高了FCM算法的抗噪性。实验结果表明,该算法能够有效的克服传统FCM的不足,与其他聚类算法相比,具有较快的收敛速度、更好的聚类准确率及较高的抗噪性。

基于单元树结构的广度优先P2P搜索算法

提出基于单元树结构的广度优先搜索算法UTBFS。将单元树结构生成算法与广度优先算法相结合,阐述UTBFS的实现思路,对其时间复杂度、空间复杂度、可行性、优越性进行分析。实验仿真结果显示,相比于传统的广度优先搜索算法和随机广度优先搜索算法,UTBFS减少了需要转发消息的邻居节点个数和冗余消息,因此性能更优。

结合有监督广度优先搜索策略的通用垂直爬虫方法

垂直爬虫程序无法直接移植到其他网站并且程序设计需要大量人工干预。为此,提出一种高可移植性的通用型垂直爬虫设计方法。自动识别目标主题和目录页面URL,并利用URL聚类生成URL正则表达式过滤器,以解决垂直爬虫中需人工维护初始URL队列的问题。然后,利用正则表达式过滤器和解析路径模板以及有监督的广度优先与网页赋权搜索策略,实现相关页面的精确定位和数据的快速准确提取。实验结果表明,该方法能够对不同网站实现高效、快速、通用的数据爬取。

一种基于广度优先搜索的社区发现方法

由于当前的算法不能很好地将网络的联通性和单个节点的属性综合考虑,分析了凝聚和分裂层次聚类经典算法的局限性,从而给出边的载荷、边的权重、连接度门限、图形分割等定义.综合考虑网络的拓扑结构和边的权重关系,提出了基于广度优先搜索的社会网络社区发现算法SoNetCD.算法通过删除社区之间的边而得到社区结构,它对社区之间的边判断准确,对社区内部的边误删率低.运用经典数据集进行实验的结果表明,该算法具有比经典GN算法更好的结果.

基于宽度优先搜索的K-medoids聚类算法

针对传统K-medoids聚类算法对初始值敏感、中心点随机选择以及聚类精度不够高等缺点,在粒计算有效初始化的基础上,提出中心点宽度优先搜索策略。首先,利用粒计算初始化获取K个有效粒子,遴选该K个粒子所对应的K个中心点作为K个初始中心点;然后,根据对象间的相似性分别对K个粒子中的对象建立以中心点为根节点的相似对象二叉树,通过宽度优先搜索遍历二叉树迭代出最优中心点,同时采用簇间距离和簇内距离优化准则函数。实验结果表明,所提算法在UCI中Iris和Wine标准数据集中测试,在有效缩短迭代次数的同时保证了算法聚类准确率。

SA-BFSN:一种自适应基于密度聚类的算法

针对BFSN算法需要人工输入参数r和λ的缺陷,提出了一种自适应确定r和λ的SA-BFSN聚类方法。该方法通过Inverse Gaussian拟合判断r参数,通过分析噪声点数量的分布特征选择合适的λ值。算法测试表明,使用SA-BFSN无需人工输入参数,能够实现聚类过程的全自动化,能够有效处理任意形状、大小和密度的簇。

求解连续型分布式约束优化问题的自适应多点交叉遗传算法

针对连续型分布式约束优化问题(continuous distributed constraint optimization problems,C-DCOPs)求解算法的anytime属性的缺失、约束函数形式的限制和无法保证收敛等局限,本文提出一种求解C-DCOP的自适应多点交叉遗传算法(adaptive multi-point crossover genetic algorithm based C-DCOP,AMCGA)。在AMCGA中,智能体(agent)构建分布式种群和广度优先搜索(breadth first search,BFS)伪树以分布式地计算个体适应度;通过贪婪策略选择精英个体进行自适应多点交叉实现全局搜索,智能体之间协同通信保证分布式种群中解的一致性;利用变异算子完成局部搜索。AMCGA适用于任意形式的约束函数,并被证明具有任意时间属性和全局收敛性。在4类基准问题上的广泛实验结果表明,AMCGA的求解质量优于最先进的C-DCOP求解算法,能有效地打破目前C-DCOP求解算法的局限,并在求解质量方面存在20%~30%的提升。

面向INS数据分类的鲁棒性无监督聚类方法

针对惯性导航系统(INS)中加速度计、陀螺仪测量误差随时间积累的问题,提出了一种基于内核模糊C均值的无监督广度优先搜索聚类算法(RUCM),用于INS模块采集数据的去噪及其运动阶段的分类划分。RUCM通过广度优先搜索方法遍历相邻的数据,使用阈值确定聚类数目,同时引入高斯核函数提高RUCM对噪声和异常点干扰的鲁棒性,并验证了其收敛性和鲁棒性。最后,在基于MEMS的INS模块实物系统中验证了该算法,结果表明所提出的方法能够提高随机采样INS数据的聚类性能,抑制了噪声干扰,使其INS运动阶段的聚类划分更加清晰与明确。

用于转子故障诊断的改进小波聚类算法

为了快速准确地实现转子故障的模式识别与分类,提出了改进小波聚类方法。首先,从转子振动信号中提取峭度指标、功率谱重心和小波能谱熵三个特征向量;其次,量化特征空间,提取显著网格单元信息;然后,对显著网格单元内数据信息进行小波变换实现去噪处理;最后,应用广度优先搜索方法实现聚类。在改进小波聚类过程中,信息储存表的建立降低了空间复杂度,并使得原始数据与聚类结果建立了映射关系。应用广度优先原则搜索相邻的显著网格单元实现聚类,降低了聚类算法的复杂度。实验验证与比较说明,改进小波聚类算法能够扩展应用到高维数据空间,并且降低了高维数据空间的算法复杂度,提高了转子故障诊断的效率和正确率。

未知雷达信号BFSN聚类分选算法的FPGA实现

信号分选是雷达侦察系统中至关重要的环节,利用现场可编程逻辑门阵列(FPGA)实现雷达信号分选对系统速度和可靠性的提升具有重大影响,为此提出了一种非处理器架构并完全基于FPGA器件的广度优先搜索邻居(BFSN)聚类分选算法实现架构。在Xilinx公司的Virtex 5 FPGA上进行了硬件实现,并通过软件仿真与硬件测试对架构进行了实验验证。实验结果证实,该架构可对5部模拟雷达信号进行有效且快速的处理,证明了基于FPGA的雷达信号分选实现在工程上的可行性与高效性。

基于峰值网格改进的小波聚类算法

针对小波聚类算法在不同网格划分尺度下表现出的聚类效果差异,提出了一种基于峰值网格的改进方法。算法主要针对小波聚类中连通区域的检测方式进行改进:首先,将小波变换后的空间网格依网格值的大小进行排序;然后利用广度优先搜索的方式遍历每一个空间网格,以检测经小波变换后数据中的峰值连通区域;最后,标记连通区域并将其映射到原数据空间中,以得出聚类结果。在8个人工数据集(4个凸数据集与4个非凸数据集)和UCI数据库中的2个真实数据集上的实验结果表明,改进算法在低网格划分尺度下有着良好的表现,与原小波聚类算法相比,这个算法对网格划分尺度的需求降低了25%~60%,并且在相同的聚类效果下减少了14%的聚类所需时间。

基于聚类边界检测的聚类算法

为了有效地聚类,提出了以边界控制聚类向外扩展的思想。该思想以边界检测作为聚类的预处理,将数据划分为内部点、边界点和噪声,通过对聚类内部点进行广度优先搜索,将其k近邻可达的内部点归属到一个簇,直至到达边界形成聚类。在综合数据集上的实验结果表明,该算法能有效地对数据集进行聚类。

面向地学过程的源发型洪水演进仿真技术

洪水演进仿真环境的绘制包括三维地形建模和地形地貌实时绘制,源发型洪水演进动态仿真技术的关键是流域河道边界自搜索模型的建立。采用广度优先搜索和河道自适应控制为主体算法,以Visu-al C++6.0为开发平台、OpenGL为图形编程接口,并以湖域水位上涨过程为例,开发了基于三维地形景观的源发型洪水演进仿真系统。动态过程仿真实验逼真地模拟了湖水水位抬升过程中湖盆内水位上涨和湖盆出口处湖水溢出的过程及湖水溢出湖盆出口后沿河道由高向低的流向。

基于压力优化的供水管网分区多入口减压技术

城市供水管网系统必须要满足用户的水压要求,但是在确保压力满足用户需求的同时,会造成部分地区压力过高,而管网中漏损量随压力的升高而增大。采用压力管理可以最大程度的降低管网的富余压力,从而降低管网漏损率。传统的分区减压方式是在边界封闭的区域采用单入口减压,其弊端是供水安全性较低。针对这一弊端,综合节点自由水压和管网拓扑结构信息,采用基于广度优先搜索邻居的聚类算法对城市供水管网进行聚类分析,实现压力分区;提出并建立多入口减压压力优化模型,并利用粒子群算法寻优得到各入口减压阀阀后压力。案例分析表明多入口减压压力优化模型不仅提高了供水管网的安全性,而且使得管网压力更趋于均匀,能更大程度地降低管网漏失水量。

基于能量竞争学习算法的特定人数字语音识别

在数字语音识别的方法中,采用矢量量化算法往往需要事先确定分类的个数,而分类的个数事先不好确定,而基于能量的竞争学习算法能自动确定码本的大小。本文把能量竞争学习算法应用于特定人0~9数字语音识别,并利用广度优先搜索邻居的聚类算法来完成初始化码字的确定。仿真实验结果表明,该算法的效率比较高,而且可以达到98.57%的识别率。

人体动作的超兴趣点特征表述及识别

提出一种基于超兴趣点的动作特征描述方法,用于人体动作的识别。兴趣点特征描述了人体动作时变化显著的局部点信息,但其最大的缺陷在于离散的兴趣点间缺乏时间和空间上的结构关联。提出根据兴趣点间的时空距离,使用广度优先搜索邻居算法,将时空距离相近的兴趣点聚合成超兴趣点,该结构作为一个整体,反映人肢体在一定时空范围内的动作变化特征。与现有的基于局部兴趣点的动作识别算法相比,本文算法增加了兴趣点间的整体时空结构关系,提高了特征的区分度。实验采用两层分类方法对超兴趣点特征分类,实验结果表明该算法具有较好的识别率。