基于记忆抗体克隆聚类算法的心音分类研究

为快速、准确地判断心音的正常与否,提出了一种记忆抗体克隆聚类算法。该方法将克隆选择算法和监督Gath-Geva算法相结合对心音信号进行识别与分类,并运用Sammon映射算法将高维心音特征数据映射成二维实现分类效果的可视化。试验中,首先对临床采集的主动脉听诊区的心音数据110组(60组正常,50组异常)和二尖瓣听诊区的心音数据100组(60组正常,40组异常)进行预处理和特征提取,然后采用提出的记忆抗体克隆聚类算法对提取的心音特征数据进行识别与分类,平均分类准确率分别达到98.1%和96.2%。

基于小波抗体记忆克隆算法的电机故障诊断

针对电机定子、转子、轴承偏心、气隙偏心等故障,提出了一种将小波分析和抗体克隆算法相结合的故障诊断新方法。使用小波技术对电机定子电流监控数据进行预处理,对采样信号进行小波分解,提取各频段的能量,归一化后将能量作为故障诊断的特征向量。将得到的故障特征向量作为抗原,由算法建立的聚类中心作为免疫系统的抗体,然后利用抗体记忆克隆算法对故障样本进行故障识别分类。试验和应用结果表明,用小波记忆克隆算法能很好地分类出电机的各种工作状态,使电机故障诊断具有较高的正确率和浓缩率。