Fisher有序聚类法及其在炉管温度异常时段提取中的应用

以上海某电厂600 MW超临界发电机组后水冷壁悬吊炉管经常发生温度异常变化事件或超温事件为背景,提出了一种采用有序聚类分析炉管数据的方法,对水冷壁炉管温度序列中存在的多个异常变化时段进行分析,实现了异常时段的自动提取。

支持城市功能街区划分的有序语义聚类算法

城市中的功能大都分布在沿街道的两侧建筑,表现为线性街区,识别城市街区功能划分的特征可为城市空间结构及资源的全面规划、合理配置、统筹安排等提供帮助。传统线性语义聚类算法可用于划分单功能城市街道区,但城市街区不仅包括单一功能分区,还包括混合功能区。本文提出一种支持城市功能街区划分的有序语义聚类算法,在发现单一功能区的同时,也发现混合区并定义了一种新的度量混合功能区的方法。提出的算法基于层次聚类思想,具体算法分为两阶段,第一阶段为层次树生成,采用凝聚的方法将相邻的相似分段合并,得到层次树;第二阶段为功能区提取,进行单一功能区与混合功能区识别,获取给定街区的线性功能区。在真实数据集上的实验结果表明,所提出的算法可以有效发现混合功能区。

基于AP聚类的时序数据缺失值有序填充算法

为提高数据的完整性,便于从数据中获得更多有价值的信息,提出基于AP聚类的时序数据缺失值有序填充算法。为提高数据质量,将数据分为不同子集,根据标准差思想对数据作归一化处理,将数值控制在固定区间,减少数据的不平衡性;分别构建吸引度与归属度更新矩阵,确保消息正常传递,达到近邻传播目的;设计不完整信息系统,将不同数据间的相似度作为聚类依据;获取聚类邻域的半径参数,通过数据点密度指标确定聚类中心,将相邻数据聚集在一起;利用熵值概念,根据数据相似度计算加权系数,确定缺失数据属性值,实现缺失值有序填充。实验结果表明,所提方法能够将具有相同属性特征的数据聚集在一起,即使数据缺失率较高,也能达到很高的填充准确率。

基于快速鲁棒模糊C有序均值聚类的苗族服饰图像分割算法

苗族服饰图像具有绣线纹理复杂、色彩形状多样等特征,针对模糊C有序均值(Fuzzy C-Ordered-Means,FCOM)聚类算法在进行苗族服饰图像分割时,存在耗时长、分割效果不理想的问题,提出了一种快速鲁棒模糊C有序均值聚类算法。在FCOM算法基础上加入了竞争学习的思想,通过构造新的隶属度约束函数,对像素点进行更加强制清晰的划分,提高图像像素定位的准确性,从而加快算法的收敛速度。结果表明,本文算法在图像分割过程中能有效地降低异常值的影响,获得更加准确的分割结果。该算法在Jaccard相似系数、分割精度、Dice相似系数、模糊划分系数及模糊划分熵等性能方面均优于其他几种模糊C均值(Fuzzy C-Means,FCM)算法,且分割时间与迭代次数也优于FCOM算法。

基于负荷有序聚类的主动配电网储能规划方法

为了充分挖掘电力负荷的时序性、周期性特点,进而提升配电网储能规划的可靠性与经济性,首先,在对全年3种典型负荷曲线进行相似度分析的基础上,通过有序聚类法对各类负荷曲线按照全年时间序列进行更精细聚类;然后,将配电网中移动储能动态配置的最小时间单位按月规划,进而提出一种基于负荷有序聚类的主动配电网储能规划方法;最后,采用IEEE 33节点系统对所提方法进行验证。算例结果表明:考虑负荷实际时序特性的储能配置方案经济性更优,更能真实反映配电网的实际运行情况。该方案是对配电网中储能设备灵活运用的有效扩展,可以更好地服务于主动配电网负荷多变的运行情况,进而更好地发挥储能作用。

基于自适应分段云模型的电力异构数据聚类研究

云空间中的电力数据种类繁多、数据维度大、结构复杂,容易引发电力系统运行安全问题。有效的数据聚类可以消除云空间中电力异构的无关、冗余数据。引入自适应分段云模型,提出一种全新的电力异构数据聚类方法。通过Tent映射预处理电力异构数据,使数据空间分布更加均匀,提高了数据聚类精度。利用自适应正态云模型建立云期望曲线方程,获取正态云滴,以确定数据聚类中心。根据熵值定义分段聚合条件,实现异构数据有序聚类。测试结果表明,所提方法在聚类中心空间中的异构数据分布较为均匀,分类聚类面积较大,聚类收敛较快,轮廓系数为0.4。所提方法的电力异构数据聚类效果更优,具有较好的适用性和有效性。

基于时空聚类的高校分布式多源异构数据集成方法

传统数据集成方法无法有效处理大规模数据,导致系统性能下降和响应延迟。基于此,本文提出基于时空聚类的高校分布式多源异构数据集成方法。对异构数据进行抽取、转换和加载。通过有序加权平均算子和模糊判决法,将数据源对决策的支持度进行转换,最终完成高校分布式多源异构数据融合,采用密度聚类理论,选择初始聚类中心,完成数据集成。实验结果表明,所提方法的数据筛选时间更短,加速比相对较高,接近理想情况,平均稳定性表现为99.22%。

基于有序样本聚类的城市轨道交通站点差异化高峰时段识别方法

识别城市轨道交通站点高峰时段,对合理分配站内管理资源、制定乘客限流和错峰出行方案,从而缓解线路站点的高峰拥挤现象等具有重要作用。在现有多数城市的实践和研究中,主要依据人工经验确定全网或单条线路固定长度的高峰时段,但随着城市轨道网络规模和客流的增长,该方法难以体现不同站点和线路高峰时段的差异性,为车站开展精细化运营管理带来了挑战。针对城市轨道交通网络中的每个站点,本文基于以5 min为单元的进出站连续客流数据,提出了一种基于有序样本聚类的站点级差异化高峰时段识别方法。根据识别结果,进一步定义高峰时段时间窗最大客流、峰左(右)客流比和高峰时段长度三个指标,将网络中的站点高峰分为无高峰、微弱高峰、明显高峰三类。最后,以上海轨道交通18条运营线路5个工作日的客流数据为例,验证了方法的有效性。分析结果表明:①所提出方法可同时辨识出高峰时段的开始时刻和结束时刻,无须预先确定高峰时段长度,并且针对高峰时段的特点,使用定制化聚类参数,能够识别全网各站点差异化高峰时段;②同一条线路中站点距市中心越远,其进站早高峰时段开始越早,验证了辨识差异化高峰时段的必要性。

基于有序聚类方程的数据相似性识别数学建模

针对有序数据由于结构复杂导致数据相似性识别难度增加的问题,建立基于有序聚类方程的数据相似性识别数学模型。归一化处理待识别相似性的有序数据集,依据网格粒化算法将完成归一化处理的有序数据空间划分为多个均匀的网格单元;扫描完成空间划分后的全部网格单元,将有序数据集内的全部数据划分至相应网格单元中;计算各网格单元内有序数据的密度-距离值,依据数据密度-距离值计算结果识别各网格单元中心点;以网格单元中心点为基础,利用有序聚类方程计算各网格单元内有序数据相似性,依据相似性计算结果划分有序数据至不同类簇中,相同类簇内的有序数据具有较高相似性。仿真测试结果表明,所建立模型可以有效识别有序数据的相似性,有序数据相似性识别的标准互信息结果高于0.9。

基于Fisher判别分析鉴别中药材种类及产地

本文根据 2021 年高教社杯全国大学生数学建模竞赛“中药材的鉴别”的数据进一步研究。中药材鉴别是中药学研究 的重要领域之一,其目的是通过分析中药材的光谱特征和其他物理、化学性质,来鉴别中药材的种类和产地,以提高中药的品质和 疗效。在实际应用中,结合药材的近、中红外的光谱特征以及不同药材的吸光度可以对中药材的产地进行综合性的鉴别。本文使用 R 语言软件,通过对数据进行标准正态变量变换(svn)处理后主成分分析、K-means 聚类,根据附件给出的几种药材的近红外光 谱数据,对数据进行相关性筛选,求出该未知数据与平均值的相关性,利用 Fisher 判别分析进行对比,最后鉴别药材的类别与产 地。另外建立 XGboost 模型及作多元线性回归模型鉴别不同产地的近、中光谱特征来辨别各类药材的产地以及种类。

基于有序样本聚类的大城市主干道绿波交通信号控制方法

为了提高城市主干道路口日常(非高峰期)的车辆通行率,本文提出一种基于有序样本聚类的大城市主干道绿波交通信号控制方法。根据有序样本聚类算法,划分交通信号相位,计算公共周期、绿信比、相位差等信号灯调控参数,通过以上参数实现主干道绿波交通信号控制方法。检验数据表明,本文方法可以有效降低车辆的停车速度与停车延误,提高了主干道的车辆通行率。

基于有序聚类方程的数据相似性精准识别仿真

网络环境中海量数据具有明显复杂度,存在着大量结构化、半结构化和非结构化的数据,数据块长度与位置易产生较高相似性。当前已有的相似性数据识别属于密集任务型方法,会占用大量的内存空间。为了进一步提高数据利用率,降低数据冗余度,提出基于有序聚类方程的数据相似性识别建模仿真的方法。利用小波技术和重复数据删除技术对网络数据降噪,通过预设数据集中心,完成网络数据特征向量的优化提取。基于此,从时间、空间双维度分析特征向量的相似度,以点云分类网络和有序聚类方程为基础,构建数据相似性识别模型。实验结果表明,利用研究方法识别数据相似性时,其归一化互信息值为0.12,说明上述方法的准确度较高,针对不同规模的待识别数据,研究方法可在0.6s之内完成全部数据相似性的识别。以上实验所得数据证明了该方法具有较高的应用准确率和效率。

基于有序聚类不等分法的路面状况评价

对于我国常将等长路段作为路段划分的基本单元的方法可能导致路面损坏状况指数的数值过高或过低、造成养护资源的浪费或路面使用质量下降等问题,根据有序聚类原理以及Fisher算法中损失函数的概念,将Fisher最优分割和传统有序聚类分析相结合的方法应用于路段划分。以病害类型统计矩阵为变量指标,对指标之间定义类直径的误差函数来判别最优分割,提出适用于路面的有序聚类二阶差分统计法来确定最优分类数。通过对工程实例的验证分析对比,基于有序聚类不等分的路面划分方法更能准确地反映水泥混凝土路面破损状况的局部变化,为水泥混凝土路面养护方案决策提供更科学的依据。

基于Fisher有序聚类的汽轮机试验数据稳态检测方法

热力试验数据中包括"稳态数据"和"暂态数据",其中稳态数据的检测是完成汽轮机性能试验数据计算分析的前提,目前主要以人工选择的方式确定热力试验稳态数据。提出基于Fisher有序聚类方法对汽轮机性能试验数据分段处理,首先对汽轮机性能试验采集数据进行首次分割,通过稳定度分析判断Fisher划分后的数据段的相对稳定性,其次对不满足稳定度要求的已分割数据段进行再分割,以提高稳态数据检测精度,最终提取出符合汽轮机性能试验计算和分析要求的稳态数据。

基于系统聚类算法和Fisher判别模型的古代玻璃成分分析与类别鉴定

古代玻璃体现了我国古代高度发达的工艺技术,新时代,玻璃成为了人们生产生活的必需品,研究古代玻璃有助于加深人们对玻璃的认识,唤醒我国人民对工艺研究的热情。本文对古代玻璃的实验数据进行分析,首先使用描述性统计分析和卡方检验分析研究玻璃文物样品表面有无风化化学成分含量的统计规律,得到玻璃表面风化与类型的关系;然后依据玻璃表面风化与类型的关系建立系统聚类算法模型,研究不同类别玻璃文物样品的化学成分之间的关联关系;最后依据化学成分之间关联关系建立Fisher判别模型,得到玻璃类别鉴定的Fisher判别公式,可以对未知类别的玻璃文物进行类别鉴定。本文对古代玻璃的成分分析与类别鉴定提供一定的借鉴意义。

京津冀医药产业协同发展研究——基于面板数据Fisher最优有序聚类方法的实证分析

深入研究京津冀医药产业状况,运用基于面板数据Fisher最优有序聚类方法进行实证分析,从而对医药产业的竞争力状况有一个客观的认识,为科学制定京津冀一体化背景下契合三地药产业发展战略提供支撑,切实提高京津冀医药产业的整体竞争力,大力推动京津冀医药产业发展实现战略跃升。

有序聚类法在土壤水分垂直分层中的应用

针对现阶段土壤水分动态研究中土壤水分垂直剖面分层方法所存在的数学理论依据不足的问题，应用有序聚类法中次序不变性的特点，以晋西黄土残塬沟壑区吉县刺槐林地为研究对象，通过对4个样地0．200cm土壤水分的定位观测，将土壤水分垂直剖面进行了分层．研究结果表明，晋西黄土残塬沟壑区刺槐林地土壤水分垂直剖面可分为：土壤水分弱利用层（0—20cm）、土壤水分利用层（20～100cm）、土壤水分调节层（100cm以下）．通过与现有的同类研究对比，有序聚类法分类结果与其他分类结果较为吻合，表明有序聚类法在严密的数学理论基础上，结合了土壤水分层次的有序性，是土壤水分分层研究的创新．

基于有序聚类法的大中修路段划分技术研究

利用有序样本的聚类划分方法,将待修路段的检测数据看作是一个有序检测样本,应用Fisher算法中损失度函数的概念,将路面评价指标按照一定的权重综合加权计算损失度函数,以损失度函数达到极小值为目标进行大中修路段长度划分.列举实例说明该算法的计算步骤,进一步证实该方法的可操作性.

基于新的距离度量的异构属性数据子空间聚类

真实数据集中往往包含分类属性和数值属性,其中分类属性可分为有序属性和标称属性,同时具有分类属性和数值属性的数据集可称为异构属性数据。针对现有异构属性数据距离度量不区分分类属性中的有序属性导致信息缺失、聚类效果不理想这一问题,提出了一种基于新的距离度量的异构属性数据子空间聚类算法。首先,总结了现有的异构属性数据距离度量的思路和区分有序属性的解决方案;其次,利用不同属性的数据特征分别定义了有序属性、标称属性和数值属性下的属性值之间的距离公式;再次,利用簇间差异和簇内距离这2个因素分别给出了不同属性在聚类过程中的动态加权方案;最后,联立距离公式和加权机制得到了可适用于异构属性数据的距离度量,进而设计了一种基于新的距离度量的异构属性数据子空间聚类算法。由于该算法既统一了异构属性数据的距离度量又能在子空间中进行簇搜索,因此该算法能在异构属性数据集上取得良好的聚类效果,在11个真实数据集上的对比实验结果验证了此算法的有效性。

基于模糊Fisher准则的半模糊聚类算法

该文针对线性可分数据提出一种鲁棒的基于模糊Fisher准则的半模糊聚类算法FFC-SFCA。FFC-SFCA通过模糊化散布矩阵,将模糊理论引入Fisher判别方法,通过对模糊Fisher准则函数迭代优化实现聚类。FFC-SFCA的优势在于具有很好的鲁棒性且可以获得可分性好的聚类结果,同时,可以求得最优鉴别矢量和分类阈值。实验证实了FFC-SFCA的有效性以及对两个常规聚类算法的优越性。