减法聚类

摘要： 为科学、客观地评价保定市中心城区水资源安全状况,在充分分析保定市中心城区水资源特点的实际情况的基础上,尝试构建基于压力-状态-响应(PSR)模型概念并结合相关性分析和主成分分析的方法的水资源安全评价指标体系,同时建立了基于自适应模糊神经推理系统(ANFIS)的水资源安全评价模型,对保定市中心城区2009-2018年的水资源安全状况进行评价,结果表明:2009-2018年保定市中心城区水资源安全状况无明显变化趋势,除主城区处于较安全状态外,其他区的水资源安全状况主要处于临界安全状态,形势不容乐观;水资源的状态安全是影响保定市中心城区水资源安全的最主要因素。

摘要： 在层级模糊推理系统的实际应用中,经常会遇到数据维数较高的问题。本文提出一种递进式层级模糊推理系统建模方法,利用减法聚类构建列联表,通过独立性检验和惯量排序对每一层子系统的输入变量进行选择,当系统精度达到阈值时停止子系统的构建。该方法能够在保持系统精度的同时减少规则数。在层级模糊推理系统建模过程中,保持减法聚类对论域划分,避免建模过程中的重复聚类,降低计算复杂度。利用公测数据集进行仿真计算,并与已有算法进行比较,表明该方法精度良好,且规则数量大幅减少,具有普遍适用性。

摘要： 为了更有效地研究配电线路杆塔在不同地形地貌下遭受雷害风险概率的大小,提出一种基于减法聚类与ANFIS的分类识别模型.通过对配电线路的历史雷电数据进行采集与分析,研究雷害活动与线路杆塔所处地形地貌之间的相互关系,确定了7个影响杆塔遭受雷击概率的特征参数,并将其作为模型的输入向量.采用减法聚类算法确定聚类中心和聚类个数,通过ANFIS对已知配电线路易击杆塔地形地貌的特征数据进行分析,最终实现了对易击杆塔地形地貌的分类识别.仿真结果表明,该系统可以较好地识别出不同地形地貌下杆塔遭受雷击概率的大小,能够对山区防雷提供一定的参考和借鉴.

摘要： 大型开放式网络课程(MOOC)随着互联网的发展而变得流行,并且在过去几年中吸引了数百万的学生加入.在这种大数据环境下,通过合理的数据分析方案,对学生行为数据的收集、分析和展示过程在开放的在线课程中至关重要.本文提出先使用减法聚类后进行K-means聚类数据分析模型,对"尔雅"在线学习平台中《高级数学》课程中的1388名大学生的学习行为进行了合理分析.我们可以根据分析的结果提出一些改进,为MOOC提供更好的定制.

摘要： 针对选择性催化还原(SCR)脱硝系统非线性、时变和大滞后的特点,本文提出基于小波去噪和主成分分析、自适应神经模糊推理系统(PCA-ANFIS)而建立的SCR脱硝系统预测模型.通过分析不同阈值选取原则及不同小波基和分解层数的去噪效果,选取最适合系统数据去噪的rigrsure原则、软阈值函数、Sym10小波3层分解方式,对数据进行去噪处理,并利用主成分分析法进行数据降维.然后基于减法聚类构建ANFIS模型的初始网络结构,采用混合算法优化模型参数.最后利用某燃煤机组实际运行数据对模型进行验证,并与BP神经网络模型预测结果进行对比.结果 表明,基于小波去噪和PCA-ANFIS的SCR脱硝系统模型具有较好的拟合精度和泛化能力.

摘要： 大型开放式网络课程(MOOC)随着互联网的发展而变得流行,并且在过去几年中吸引了数百万的学生加入。在这种大数据环境下,通过合理的数据分析方案,对学生行为数据的收集、分析和展示过程在开放的在线课程中至关重要。本文提出先使用减法聚类后进行K-means聚类数据分析模型,对“尔雅”在线学习平台中《高级数学》课程中的1388名大学生的学习行为进行了合理分析。我们可以根据分析的结果提出一些改进,为MOOC提供更好的定制。

摘要： 对电气火灾进行精确的预测是保证工业安全生产的重要手段.提出ANFIS(自适应神经模糊推理系统)预测模型,通过BP算法和最小二乘估计法(LSE)的混合算法来进行学习,来调整系统的前件和后件参数.以徐州特气某一办公楼层的实测数据为例进行算例分析,其中在形成初始模糊推理系统结构时,采用的算法是减法聚类,该算法有效地避免了人工设定结构法产生的组合爆炸问题.引入一阶Sugeno模糊模型,该算法有效解决了平滑地改变线性增益及非线性建模问题.最后将预测结果与真实值对比,利用MTALB仿真工具进行误差分析,结果表明鲁棒性较高,进一步说明了ANFIS预测模型的有效性.

摘要： 针对天波超视距雷达"多路径"传播引起的航迹聚类问题,提出了一种基于减法聚类的自适应动态航迹聚类算法(ADC),定义了评价航迹聚类算法的两类指标。ADC算法在聚类的过程中,利用减法聚类依次获得聚类中心的同时,动态调整样本集的大小,删除样本中的虚假点。在获得聚类中心后,根据最近邻法确定每个样本点的归属。OTHR下的航迹聚类仿真验证了算法的有效性,结果表明ADC算法大大提高了航迹聚类的准确性,为航迹融合奠定了基础。

摘要： 水处理过程具有非线性、时变和大滞后的特性，经典的方法很难建立其精确的数学模型，因此本文提出了采用基于减法聚类的T-S模糊模型建立水处理模型的新方法。该方法通过减法聚类对输入空间进行划分，根据聚类结果确定模糊模型的前件参数初始值以及模糊规则;并用改进的混合BP和最小二乘学习算法对前件和后件参数进行优化。 最后，将本文提出的方法用于建立水处理过程的模型，仿真实验的结果表明该方法具有精度较高、收敛快、计算速度快的优点。

摘要： 依据GB/T5773-2004的容积式制冷剂压缩机性能试验台的精度及可靠度完全取决于传感器的可靠性.本文提出采用减法聚类和支持向量机相结合的方法对制冷剂压缩机性能试验台传感器进行故障检测.减法聚类将试验数据的各种工况加以区分,然后根据各类已区分的工况、利用支持向量机对运行数据进行故障检测.实例验证结果表明,本文提出的减法聚类和支持向量机相结合的方法可以对压缩机性能试验台的传感器固定偏差故障进行有效的故障检测,故障检测准确率在90％以上.

摘要： 随着空调的广泛使用,空调能耗所占建筑能耗的比重越来越大,空调系统故障检测与诊断研究已经得到了人们的重视和关注.本文依据螺杆压缩机试验台检测到的数据,提出利用减法聚类的方法进行故障检测及分析.在本文中介绍了螺杆压缩机试验台原理,数据采集点,减法聚类原理及算法.通过实例验证,得出减法聚类可将稳定数据按照工况进行分类，通过引入故障,验证利用减法聚类方法可以对螺杆压缩机试验台进行故障检测.

摘要： 针对焊接过程的高度非线性和多种因素交互作用复杂,难以准确地对焊接接头力学性能进行预测,基于径向基神经网络(RBF网络)技术,将影响接头力学性能的主要工艺因素：焊接电流、焊接速度、氩气流量作为网络的输入参数,接头力学性能：抗拉强度、抗弯强度、延伸率作为网络的输出参数,利用模糊C—means聚类(也称为FCM聚类)和减法聚类两种模糊聚类算法作为K-means聚类算法的改进算法。确定径向基神经网络的隐层节点和节点数据中心,克服了K-means聚类算法确定聚类个数困难和聚类过程不具有任何推理含义的缺点。采用伪逆法训练网络输出权向量,更为简捷,使训练速度加快.通过对焊接接头力学性能进行仿真,表明基于模糊聚类算法的RBF网络具有推理含义,能将专家知识融于神经网络,用两种模型预测焊接接头力学性能均达到了较高的精度,且预测精度比基于K-means聚类算法的RBF网络精度有所提高。

摘要： 近年来，国外学者采用各种数学模型和统计分析方法，期望能够对QRS波群进行有效的自动分类。大量的研究表明QRS波群自动分类准确性在相当程度上取决于所选取的特征变量、选用的分类方法以及训练数据集。本文采用基于减法聚类的自适应模糊神经网络(ANFIS)，首先用形态学方法对QRS波群进行描述，提取有效的特征变量，通过减法聚类进行聚类分析，以减少训练样本的数目；然后将模糊网络和神经网络进行有机结合，用神经网络实现模糊系统。该方法同时具有模糊推理的可理解性与神经网络的学习能力，并且考虑了训练数据集对分类结果的影响。最后通过MIT-BIH心律失常数据对该模型进行验证。

摘要： 光子映射是一种新的全局光照图形渲染算法,相对于经典的真实感渲染算法,光子映射算法可以更快速地渲染间接光照。但是光子映射算法中辐射评估非常耗时,而且在光子较少时无法得到令人满意的渲染结果。基于光子聚类的渲染算法是对光子映射算法的一种改进。通过对光子图进行聚类产生若干光子聚类中心,以少数光子聚类中心的辐射贡献作为辐射评估的结果,代替大量光子的辐射评估计算。试验证明这种方法在保证渲染效果的前提下可以加快渲染效率,并且在光子较少的情况下也可以获得较好的渲染效果。

摘要： 在厌氧消化处理废水的过程中,挥发性脂肪酸的浓度对于监测厌氧消化的进程有着至关重要的作用.本文提出了一种神经模糊网络的软测量建模方法来预测VFA的值.首先通过减法聚类优选模糊规则数,避开"规则爆炸"的问题;然后建立自适应神经模糊推理系统软测量模型.仿真结果表明该方法具有很好的拟合精度和预测精度,是一种适合有效的软测量建模方法.

摘要： 针对酸碱度在线检测仪稳定性差、维护保养成本高等不足及人工检测严重滞后的问题，结合泡沫浮选工艺机理分析，以在线泡沫视频图像表观特征为辅助变量，采用最小二乘支持向量回归机实现了泡沫浮选矿浆酸碱度的软测量，将不同特性的核函数凸组合以提高模型性能，并采用最近邻山峰聚类算法约简核矩阵，降低计算复杂度，利用偏最小二乘回归提高模型鲁棒性。工业运行数据仿真结果表明，建立的软测量模型能够连续在线检测矿浆的酸碱度，并获得了比标准最小二乘支持向量回归(LSSVR)、加权LSSVR及多核LSSVR更高的预测精度，可满足工业要求。

摘要： 针对酸碱度在线检测仪稳定性差、维护保养成本高等不足及人工检测严重滞后的问题，结合泡沫浮选工艺机理分析，以在线泡沫视频图像表观特征为辅助变量，采用最小二乘支持向量回归机实现了泡沫浮选矿浆酸碱度的软测量，将不同特性的核函数凸组合以提高模型性能，并采用最近邻山峰聚类算法约简核矩阵，降低计算复杂度，利用偏最小二乘回归提高模型鲁棒性。工业运行数据仿真结果表明，建立的软测量模型能够连续在线检测矿浆的酸碱度，并获得了比标准最小二乘支持向量回归(LSSVR)、加权LSSVR及多核LSSVR更高的预测精度，可满足工业要求。

摘要： 一种基于时序向量差异序列法聚类的周期关联规则发现算法。首先针对目前周期关联规则发现算法在时间区域划分问题上存在的不足，提出算法CMDSA，它选择由项目支持度组成的时序向量作为时域数据特征点进行聚类，同时用DB准则控制聚类个数以达到最佳的聚类效果，从而更准确确定周期内关联规则的各个时间区域，和目前算法相比可发现更多有用周期关联规则。针对目前周期关联规则算法都基于Apriori算法，存在效率低的问题，提出基于Fp树的算法CFP－tree，它采用基于条件FP树的周期性剪裁技术大幅度提高了算法效率，运用CFP－tree的周期关联规则发现算法在时空效率上远远优于现有的基于Apriori的算法。

摘要： 本发明公开了一种基于减法聚类和模糊聚类算法的通信信号识别方法，其包括初始化参数；针对不同子载波，设置不同的初始领域半径值，采用减法聚类算法对接收的通信信号的星座点进行聚类；当减法聚类中心的个数小于第一预设定阀值时，将邻域半径减小，继续进行减法聚类；以减法聚类中心中密度较大的第一预设定阀值个减法聚类中心作为模糊聚类算法的初始中心，采用模糊聚类算法对通信信号的星座点再次进行聚类；指定模糊聚类的初始聚类数目，联合Xie‑Beni指标和聚类后星座图的相对半径评价聚类的合理性，若不合理，初始聚类数目需进行迭代；将相对半径与标准星座图半径比较，可得出信号的调制方式则标准调制信号所在的类别为通信信号的类别。

摘要： 本发明公开了一种基于减法聚类分类器的青椒温室环境智能监测系统，其特征在于：所述智能监测系统由基于无线传感器网络的青椒温室环境参数检测平台和青椒温室产量智能预警系统两部分组成；本发明提供了一种基于减法聚类分类器的青椒温室环境智能监测系统，本发明有效解决了现有技术仅依靠设备监测青椒温室环境参数，只能获取青椒温室环境参数，而无法根据青椒温室环境温度和光照对青椒温室产量进行预警问题。

摘要： 本发明公开了一种基于减法聚类的快速图像分割方法。本发明首先将所有像素点归一化到一个超立方体中，对等待聚类的所有像素进行等间隔均匀采样后重组；在重组的像素中，计算采样像素点两两之间的密度权值矩阵及其逆阵以及采样像素与剩余未采样像素之间的密度权值矩阵。然后计算逼近的未采样像素两两之间的密度权值矩阵和计算所有像素点的密度值。最后计算所有像素的最大密度值并获得聚类中心，为找出新的聚类中心，需对每个像素点的密度值进行衰减，该过程不断迭代，根据终止条件停止迭代。本发明与经典的减法聚类方法相比，本发明在不影响聚类结果的情况下，对于较大规模数据集，大大提高减法聚类方法的实时性。

摘要： 本发明公开了一种基于减法聚类和模糊聚类算法的通信信号识别方法，其包括初始化参数；针对不同子载波，设置不同的初始领域半径值，采用减法聚类算法对接收的通信信号的星座点进行聚类；当减法聚类中心的个数小于第一预设定阀值时，将邻域半径减小，继续进行减法聚类；以减法聚类中心中密度较大的第一预设定阀值个减法聚类中心作为模糊聚类算法的初始中心，采用模糊聚类算法对通信信号的星座点再次进行聚类；指定模糊聚类的初始聚类数目，联合Xie‑Beni指标和聚类后星座图的相对半径评价聚类的合理性，若不合理，初始聚类数目需进行迭代；将相对半径与标准星座图半径比较，可得出信号的调制方式则标准调制信号所在的类别为通信信号的类别。

摘要： 本发明涉及导航定位系统，特别是涉及一种小波自适应神经网络减法聚类模糊推理方法、系统及定位设备、存储介质；本发明结合提取自适应神经模糊推理系统的最佳特征和减法聚类算法，提高了预测精度，加快了定位速度；利用离散小波变换技术获得具有较低的噪声水平的INS数据，潜在地训练了所提出的模型，减少了预测模式下的实际误差估计；通过减法聚类帮助ANFIS选择一个最优的隶属函数和规则数量，通过DWT技术为所提出的模型准备了更多的实际数据；能够在由全球定位系统和惯性导航系统组成的组合导航系统中GPS长期阻塞的情况下有效的提高低成本集成惯性导航系统的预测精度和加快定位系统的速度。

摘要： 本发明公开了一种基于减法聚类模型的多表融合用能行为分析方法，属于电力技术领域。目前应用的用户用能分析方法由于缺乏用户用水、用气数据，仅仅是基于用电量对用户用能进行的预测，无法充分挖掘用户用能之间的相关性，分析效果较差。本发明采集电、水、气数据，能够充分地挖掘用户用能之间的相关性，结合根据现场多年运行经验设计的基于减法聚类模型的多表融合用能行为分析方法，利用用户用日用电量、用水量、用气量，通过构建电水气融合数据矢量，利用聚类算法实现用户聚类，达到对居民用户用能的分类与离群用户区分，并在后续对离群用户进行研究是否出现窃电、漏水等用能异常，达到提高工作效率和减少供能企业损失的目的。

摘要： 本发明公开了一种基于减法聚类分类器的青椒温室环境智能监测系统，其特征在于：所述智能监测系统由基于无线传感器网络的青椒温室环境参数检测平台和青椒温室产量智能预警系统两部分组成；本发明提供了一种基于减法聚类分类器的青椒温室环境智能监测系统，本发明有效解决了现有技术仅依靠设备监测青椒温室环境参数，只能获取青椒温室环境参数，而无法根据青椒温室环境温度和光照对青椒温室产量进行预警问题。

摘要： 本发明公开了一种基于减法聚类的快速图像分割方法。本发明首先将所有像素点归一化到一个超立方体中，对等待聚类的所有像素进行等间隔均匀采样后重组；在重组的像素中，计算采样像素点两两之间的密度权值矩阵及其逆阵以及采样像素与剩余未采样像素之间的密度权值矩阵。然后计算逼近的未采样像素两两之间的密度权值矩阵和计算所有像素点的密度值。最后计算所有像素的最大密度值并获得聚类中心，为找出新的聚类中心，需对每个像素点的密度值进行衰减，该过程不断迭代，根据终止条件停止迭代。本发明与经典的减法聚类方法相比，本发明在不影响聚类结果的情况下，对于较大规模数据集，大大提高减法聚类方法的实时性。

摘要： 一种基于核减法聚类的多功能传感器样本选择方法，涉及传感器。1）对于需要进行信号重构的传感器进行采样，获得样本数据；2）将步骤1）获得的样本数据进行归一化处理；3）利用核减法聚类将归一化处理后的样本数据映射到高维空间，使其线性可分，并进行分类；4）将每一类的聚类中心作为被选取的样本点。在保证重构精度的基础上，降低信号重构所需的样本数据数量。无需对每个传感器都进行较高密度的采样，从而大大降低采样所需的工作量。