基于密度聚类的二维码扫码支付设备故障自动诊断方法

现有二维码扫码支付设备故障种类较多,传统二维码扫码支付设备故障自动诊断方法无法实现种类复杂的故障特征聚类,导致传统方法的自适应性不好。为此,提出基于密度聚类的二维码扫码支付设备故障自动诊断方法。构建故障信息参数采集和大数据检测模型,利用载波参数控制方法,获取支付设备故障的基波周期分布矩阵,采用网格密度聚类方法,对分布矩阵中的故障特征进行解析和模糊度控制,实现对二维码扫码支付设备故障特征聚类和优化识别,完成二维码扫码支付设备故障自动诊断。仿真结果表明,采用该方法进行二维码扫码支付设备故障检测的故障特征聚类性较好,抗干扰能力强。

基于蚁群聚类算法的二维码扫码支付设备故障自动识别研究

鉴于二维码扫码支付设备的复杂性以及不同故障的多样性,提出一种基于蚁群聚类算法的二维码扫码支付设备故障自动识别方法。需引入高斯径向基核函数,将特征数据映射至高维空间,在高维空间中完成对特征矩阵的主元分析,获取有效的特征提取结果。分析了蚁群算法基本原理,依据二维码扫码支付在出现故障时和正常运行状态下特征存在差异的特点,将故障自动识别转换成对设备运行时输出与状态特征的聚类问题,把蚁群聚类算法应用于故障自动识别中,将所有故障样本数据当成蚂蚁所需的访问地点,针对所有数据样本产生有序链接,通过归并概率值将不同样本数据间的链接断开,在算法达到最大迭代次数或最大归并概率值的情况下,完成迭代,获取最优聚类结果,完成故障自动识别。经验证,所提方法可保证很高的识别精度。

人工智能自动扫码仪器的支付状态检定方法

传统的人工智能自动扫码仪器的支付状态检定方法检测准确率低,为了解决这一问题,在传统研究的基础上设定了一种新的人工智能自动扫码仪器的支付状态检定方法,分析人工智能自动扫码仪器的支付状态,检测人工智能自动扫码仪器的支付状态,确定响应灵敏度和时域响应回波两个支付参数,通过测试过程明确自动扫码仪器与物体位置的关系。为检测方法的有效性,分别在平坡和斜坡上分析回波数据,判断检测结果准确率,结果表明,给出的人工智能自动扫码仪器的支付状态检定方法的检测准确率始终高于传统检测方法,具有很好的应用效果。