一种基于遗传算法的模糊聚类算法及基与FCM算法的结合

在各种糊聚类算法中,模糊C－均值聚类算法FCM（Fuzzy C-Mean Clustering Algorithm）的应用最为广泛。但在实际的应用中,FCM算法却容易陷入局部最优解。因此,本文首先提出了一种基于遗传算法GA（Genetic Algorithm)的模糊聚类分析方法,它利用了遗传算法随机搜索的特点,可以避免陷入局部最优解。实验表明,将该遗传算法与FCM算法结合起来进行聚类分析,比单一使用遗传算法或单一使用FCM算法进行聚类分析的效果都要好。     

电力监控系统中自适应模糊聚类算法的应用

船舶电力监控系统对于船舶的航行非常重要。本文针对C均值模糊聚类局部最优解的情况,从遗传和进化的角度出发,利用遗传算法对其改进,提出基于遗传算法的自适应模糊聚类算法,并将其应用于船舶电力负载监控中,最后通过实验对比说明本文改进算法的有效性。     

基于神经网络结构的自适应模式识别技术在机械故障诊断中…

本文利用神经网络聚类学习方法对机械故障的故障模式进行分类，通过实验研究证明该方法作为一种新的自适应模式识别技术，比传统的聚类方法和基于ＢＰ神经网络故障模式识别方法具有较高的模式分类能力。     

基于改进t-SNE和RBFNN的柴油机故障诊断

针对柴油机故障诊断问题，提出一种基于改进t分布的随机邻域嵌入（t-SNE）和径向基函数神经网络（RBFNN）的柴油机故障诊断方法。针对t-SNE算法对振动信号的实际降维效果不够理想的问题，进行自适应加权优化；引入遗传算法（GA）解决果蝇优化算法（FOA）陷入局部最优的问题，将GA-FOA应用于RBFNN参数选取中；采用改进后的RBFNN模型对经自适应加权t-SNE降维的数据进行故障识别。研究结果表明，改进后的算法能明显改善聚类效果，提高故障识别的正确率，具有良好的应用前景。     

基于模糊数学理论的船体模块划分方法研究

船体结构的模块划分,是以船体结构分析为基础将它们划分成不同层次或等级,分别加以评定和计算,在此过程中存在很多具有模糊性的地方。本文将模糊数学理论应用于船体结构模块划分过程中,通过模糊聚类方法对船体结构进行模块划分,并通过多级模糊综合评判方法对其划分方案进行了验证。     

模糊聚类在柴油机故障诊断中的应用

柴油机状态监测与故障诊断可以看作是一种故障模式的识别过程,模糊聚类方法是模式识别方法的一种,本文利用模糊C均值聚类方法对表征柴油机状态的特征向量进行模式识别,结果表明该方法可通过特征参量准确地区分不同的柴油机故障模式,模糊聚类方法在柴油机状态监测与故障诊断中有较好的适用性.     

有标记的文本聚类方法研究

聚类分析是一种模式识别无监督的分类方法。对于根据类别先验知识已经分类的文本,提出一种有标记的文本聚类分类方法。这种方法是在模糊聚类算法基础上进行了改进,通过有标记的文本样本,利用模糊聚类算法提取分类规则,然后用模糊推理方法进行分类的一种算法。文中讨论了此算法的具体数学模型,给出了算法流程。并通过实验验证了这种聚类方法是一种有效的文本分类手段。     

基于GA-FCMAC算法的船舶运动智能控制器

在研究模糊小脑模型神经网络控制器（FCMAC）的基础上，本文提出了基于遗传算法学习的模糊小脑模神经网络控制（GA－FCMAC）算法并应用于船舶运动。仿真结果表明该算法具有良好的控制性能。     

基于混合聚类算法的异常检测方法

模糊聚类算法是一种无监督的机器学习方法,能够有效地检测出网络入侵中未知的异常攻击行为,但模糊聚类算法实质上是一种迭代寻优方法,容易陷入局部最优解.因此结合遗传算法的全局搜索特性与禁忌算法的局部搜索特性,提出了一种基于遗传禁忌搜索的混合模糊聚类算法,实验表明该方法能有效避免局部最优解、得到正确的聚类结果,在KDDCUP99数据集上的实验结果表明该方法具有更高的检测率和较低的误检率.     

基于二阶段的模糊C—均值算法的模糊聚类分析研究

对模糊聚类分析算法进行研究，在模糊Ｃ－均值算法的基础上加以改进，形成二阶段模糊Ｃ－均值算法，使其对Ｉｒｉｓ数据聚类，研究表明，二阶段的模糊Ｃ－均值算法比模糊一算法性能优越     

基于FCM-ANFIS模型的船舶交通流预测

提出一种基于模糊C均值聚类自适应神经模糊推理系统(Fuzzy C-Means Clustering Algorithm with Adaptive Neural-Fuzzy Inference System,FCM-ANFIS)的船舶海上交通流预测模型,采用相关分析法预测网络模型的输入变量个数;采用模糊C均值聚类算法对仿真数据进行分析和模糊聚类,从而确定模型的聚类中心,进而建立ANFIS预测网络结构。该模型采用BP算法与最小二乘算法相结合的混合学习算法进行网络参数训练,可克服传统预报模型收敛速度慢和局部最优等问题,进而提高预报精度。同时,选用船舶自动识别系统(Automatic Identification System,AIS)记录的船舶交通流数据进行仿真预报,仿真结果验证了该模型的可行性和有效性,并取得良好的效果。     

基于单亲遗传算法和模糊C—均值算法的混合聚类算法

介绍了基于单亲遗传算法和模糊Ｃ－均值算法的混合聚类算法,克服了模糊Ｃ－均值算法的局部最优问题以及采用普通遗传算法聚类时搜索速度和聚类精度的矛盾。实际运算表明,算法是有效的。     

基于模糊聚类的数据关联融合算法

利用模糊相似性和模糊C均值聚类算法相结合，提出一种求解多传感器多目标跟踪数据关联问题的方法。该方法的目的是实现多传感器观测数据的模糊聚类，使源于不同目标的观测数据能正确划分到该目标中去。仿真结果表明，该算法可以实现数据与目标的正确关联，克服传统硬判断的一些缺点。     

模糊核聚类在船舶故障诊断中的应用

船舶故障具有非线性和模糊性的特点,本文将模糊核聚类算法应用于船舶故障诊断。首先阐述模糊核聚类算法的实现过程,并将此算法与模糊聚类在目标函数收敛性、学习能力、诊断正确率等方面进行对比,实验结果表明,本文算法在船舶故障诊断方面鲁棒性强、收敛速度快、学习能力强。     

提高VLCC侧向抗撞能力的一种新式双壳结构

从防止油舱泄漏、保护海洋环境的角度来看，改进超大型油轮（VLCC）双壳舷侧结构的耐接性能是十分必要的。本文在研究标准VLCC双壳舷侧结构碰撞性能的基础上，通过引入耐撞结构NOHASⅡ的设计思想，并结合轴压下薄壁圆管的动态渐进屈曲特性，提出了一种改进的双壳设计概念－－CCT。将CCT设计概念应用于299 500DWT标准VLCC。通过仿真计算和比较研究。CCT被证明是一种更加先进的设计概念，与现有的舷侧双壳结构设计相比，不仅具有最大的耐撞力，而且具有最好的耐撞性能。对VLCC而言，CCT型舷侧双壳结构是一种实用可行的防撞设计思想。     

基于半监督模糊聚类的入侵检测技术

针对当前入侵检测技术检测率较低、误报率较高,特别是难以检测新型入侵的不足,通过研究基于机器学习的异常入侵检测系统,提出了一种基于半监督模糊聚类的异常入侵检测算法SFCA(Semi-supervised Fuzzy Clustering Algorithm).算法通过加入数据之间的相关信息,同时引入代价函数来平滑目标函数,降低其对孤立点数据的敏感程度.通过利用少量的标记样本,生成用于初始化算法的种子聚类,然后辅助聚类过程.实验表明,与FCM(Fuzzy C-means)聚类算法相比,SFCA算法具有较高的性能.     

单一综合评价方法在潜艇操纵性评价中的应用

潜艇操纵性能包含指标众多,操纵性评价不是一个单指标评价问题,而是一个综合评价问题.建立科学合理的综合评价方法对潜艇的操纵性能进行综合评价具有重大现实意义.本文分别应用灰色关联分析法、灰色聚类评价法、模糊综合评价法和物元可拓评价法对某一潜艇的操纵性能进行评价,其中,灰色关联度分析法的预处理采用无量纲化方法,灰色聚类评价过程中采用的白化函数为三角形函数,模糊综合评价法采用岭形分布函数作为隶属函数确定模糊矩阵并应用计算综合评价向量,物元可拓评价法应用距离这一概念将不相容问题量化;最后对评价结果作出分析.     

基于模糊聚类综合评价的船舶柴油机排放烟色分析和实现

传统的故障树多用于定性分析,在定量分析时主观随意性较大。文章根据专家经验确定底事件的发生概率,通过三角模糊数和算子公式得到顶事件的发生概率,对故障树各层故障指标进行专家层次分析和评估,基于聚类法剔除偏离度严重的数据,进行综合评价。最后,文章开发了聚类模糊综合评价的原型系统,并以船舶柴油机排放烟色异常为实例,分析并建立故障树,实现了船舶柴油机排放烟色的聚类模糊综合评价。     

改进AHP和灰色聚类在装备战损排序中的应用

针对武器装备系统战损的抢修排序问题,应用改进层次分析法（AHP）确定指标权重的同时,并提出了战损装备抢修排序的递阶层次结构模型;然后运用灰色聚类方法,构造评价函数,综合决策战损装备抢修排序。通过实例验证,将改进AHP与灰色聚类方法相结合,取得了较为满意的结果,为战场指挥员抢修决策提供帮助。     

模糊推理规则的学习算法A

针对模糊推现规则的学习问题，基于Ｂ－Ｐ学习算法的思想，本文提出了模糊推理规则的学习算法Ａ。对于给定的训练集，学习算法Ａ能通过迭代学习到模糊推理规则，ｉｆＸｉｓＡｔｈｅｎＹｉｓＢ（α，β）中的α，β学习算法是Ａ具有易于实现之优点。