FO-CA:一种基于距离差异度组合权重的多属性数据分类方法

为了解决多属性数据分类问题,提出了一种基于模糊优选模型与聚类分析的分类方法(FO-CA)。首先由模糊优选模型得到有序综合指标数据集,其中在权重阶段提出了距离差异度并以此为依据构建了一种组合主客观权重的赋权方法;然后采用聚类分析将有序综合指标数据集聚类为几个簇进而分类;最后选取UCI中的Iris、Wine和Ruspini 3个数据集进行仿真实验。实验结果表明,该分类方法相比模糊优选方法及K-Means算法能获得更好的分类结果,对决策者有一定的参考价值。

水基动力无杆抽油机故障敏感因子提取方法研究

水基动力无杆抽油机作为一项新技术,尚未大规模的投入使用,对其故障的研究还不成熟。为了提高抽油机系统故障信号的可分性和诊断正确率,针对抽油机的典型故障,对采集到的故障信号进行数据归一化处理以及EEMD降噪。研究了基于时频域特征参数提取的方法以及基于流形学习的降维故障诊断方法。最后提出采用距离差异度和流形差异度寻找故障的敏感因子。研究结果表明,此种方法能够提取抽油机故障的敏感因子,为后续的研究奠定了基础。