基于PCA与属性权重模糊聚类的入侵检测方法

针对入侵检测数据集中存在大量冗余信息及传统聚类算法的效果不佳,提出了结合主成分分析与属性权重模糊聚类算法的入侵检测方法。该方法分为特征提取和模糊聚类两阶段,使用主成分分析进行特征提取、消除冗余属性;将经主成分分析后得到新成分的贡献率作为聚类算法中属性的权重值,实现了基于属性权重的模糊聚类。在KDD-CUP99数据集中的实验结果表明,该方法能有效地降低检测训练时间和提高检测正确率。     

知识驱动的船舶分段建造车间在线调度方法

针对船舶分段建造车间工位利用率低的问题，提出基于聚类算法的知识驱动船舶分段建造车间在线调度方法。利用DBSCAN算法对小组立参数进行聚类，并提取簇中的调度特征参数，作为该簇的调度知识；对于待加工小组立，依据参数数据确定归属的聚类簇，并为其绑定该簇调度知识。实例验证表明，知识驱动的在线调度方法相对于传统的调度方法，车间工位平均利用率提升了7.97%，说明采用文章提出的在线调度方法可有效改善分段建造车间调度问题。     

基于加权范数的多维时间序列相似性主元分析

为提高多维时间序列相似性搜索的效率,利用多维时间序列的协方差矩阵的特征值和特征向量构造加权Frobenius范数,将其作为多维时间序列主元之间距离,并将其用于对多维时间序列主元相似度的度量.在相似性搜索算法中分别采用不同的相似性度量方法作比较.实验结果表明,相对于其他的传统多维时间序列相似性度量方法,这种基于加权Fro...     

有限空间装配体选择性拆卸研究

在分析现有聚类拆卸方法的基础上,针对有限空间选择性拆卸的特点提出选择性拆卸中最小聚类零件集概念,并将无向图(产品结构网络图)和有向图(拆卸稳定图)相结合,给出求解有限空间中进行选择性拆卸时最小聚类零件集的算法,同时给出了有限空间寻找最优拆卸序列的方法。利用该算法对减速齿轮箱的选择性拆卸进行计算,结果表明,利用该算法得出的最小拆卸零件集进行聚类可以提高聚类计算效率。     

基于自动识别系统大数据的船舶施工轨迹识别与预测

针对疏浚监控管理工作很难全天覆盖所有船舶、无法做到实时监控的问题,分析某绞吸挖泥船的AIS(自动识别系统)高频数据,包括疏浚船舶动态的航行轨迹、速度、航向等数据。对船舶施工轨迹辨识和预测进行研究,提出利用DBSCAN聚类算法粗略识别出施工区域,利用LOF(局部异常因子)算法去除航行轨迹中非施工状态下的轨迹,并利用时间序列ARIMA模型对船舶施工轨迹进行预测。结果表明,DBSCAN聚类算法结合LOF算法进行施工轨迹辨识方法合理可行,ARIMA模型进行施工轨迹预测的方法具有精确度高、实时性、易实现的特点。     

两层网络中基于聚类算法的分簇干扰对齐研究

由Femtocell和Macrocell构成两层网络可以提高系统容量,但也会引起严重的共道干扰.干扰对齐是一种避免干扰的有效方式,但对密集部署的两层网络全网实行干扰对齐是不现实的,也是没有必要的,但有必要对网络进行分簇,以减小干扰管理复杂度.为此,提出基于聚类思想分簇的干扰对齐算法.文中首先对实际场景的Femtocell网络模型进行研究,然后基于K-Medoids算法对三维泊松点过程分布的Femtocell网络进行分簇,最后对确定的簇利用干扰对齐技术进行干扰消除,以达到降低系统干扰对齐复杂度的目的.仿真结果表明,所提算法在实现系统有效分簇的同时,提高了系统的信道容量,适用于实际通信系统.     

多目标微粒群优化聚类算法及应用

提出了多目标函数评价法,通过定义两个新的目标函数实现了基于多目标微粒群优化聚类算法,可实现对多目标优化问题非劣最优解集Pareto的搜索.同时根据电磁力的计算公式定义了新的相似度测量方法,该相似度测量考虑了聚类簇的大小对数据划分的影响.给出了IRIS数据仿真结果,用入侵数据集KDD CUP99测试,实验结果验证了该算法的有效性.     

多信息融合技术在船舶动力装置故障诊断中的应用

船舶动力装置工作过程中会产生大量多域故障信号,通过收集、挖掘隐藏的关联信号,可以解决船舶动力装置在故障诊断中面临的诊断时长问题.文章采用K-均值聚类算法(K-means)对数据进行聚类,聚类结果输入BP神经网络进行模型训练,并在此基础上,设计了主成分分析法(PCA)对模型进行优化.结果 显示,2种算法都能有效降低网络诊...     

基于多目标粒子群优化和主成分聚类分析的船舶主尺度分析

根据多个技术和经济指标进行船舶主尺度优化论证是船舶设计人员需要着重解决的问题。提出结合粒子群优化和主成分聚类两阶段的方法进行船舶主尺度论证分析。建立了以载重量、建造费用、服务航速和提供舱容为设计指标的水面船主尺度论证模型。采用多目标粒子群优化算法对船舶优化模型进行求解,获得问题的Pareto解集。使用主成分聚类分析对该数据集进行综合评价。先将Pareto解集进行主成分分析,使用前2个主成分就能够表达原始数据的绝大部分信息,再通过对主成分进行聚类,获得不同类别中Pareto解集的特征,根据第一主成分得分获得每个聚类中设计样本的排序,最终可以从Pareto解集中得到折中解。利用主成分分析和聚类技术还研究了变量在主平面上的映射以及聚类特性。给出了1艘水面船的主尺度论证算例,表明本文给出的方法合理可行。     

使用协议分析和聚类支持向量机的入侵检测方法

根据入侵检测中协议分析技术与聚类支持向量机各自不同的检测特点,将协议分析技术融合到聚类支持向量机中,提出了一种新的入侵检测方法.通过协议分析不但可以快速地检测出入侵行为,而且可以有效减少支持向量机的训练时间,同时结合聚类算法进一步减少支持向量机的训练时间和预测时间,从而提高聚类支持向量机的检测效率.使用KDD99中的数据集进行仿真,试验结果表明,算法具有可行性、有效性,能有效提高检测率,降低误报率.