使用分类和聚类提高搜索引擎的可用性

由于很多Web用户面对搜索引擎搜索出来的成千上万条结果记录没有耐心一页一页地翻找,搜索出来的内容就不能得到有效的利用.自动分类聚类技术将是搜索引擎进一步改善搜索效率的一个很重要的方面.介绍联合使用分类聚类技术来改善搜索结果的表示形式,提高搜索引擎的可用性.     

基于特征的全船焊接工时聚类分析

以某型船全船焊接信息为样本,首先验证了数据样本服从对数正态分布;再以距离作为度量标准,对焊接信息进行基于不同距离测量方法的聚类分析,并重点对比平方欧氏距离和夹角余弦距离的聚类树形图,得出全船焊接信息合理的聚类数目;最后对每个类进行物理信息的解释,得到完整实用的基于特征的全船焊接工时估算标准,为新型船经济性论证及方案选型提供快捷、可靠的依据。     

复突触神经网络模型及其稳定性研究

传统的Hopfield网络在联想记忆、优化计算方面发挥了重要作用,但该网络存在一个弊端,即它只能处理线性或二次的最优化问题。因此,本文首先对Hopfield神经网络进行了扩展,将其称为复突触神经网络(或模型),扩展的网络不仅可以解决目标函数或约束中含有高阶的最优化问题,而且还可以处理目标函数含有对数、三角形式等较复杂函数的最优化问题;然后给出了该网络稳定的充分条件并给出了证明,同时对网络中的权矩阵是否对称也进行了讨论;最后结合典型的模糊c均值聚类问题验证了该模型的有效性。     

基于模糊聚类和手机定位的高速公路车辆信息采集

高速公路交通信息在高速公路管理中起着重要的作用.首先介绍了几种常用的手机定位技术,并在定位精度及设备成本方面进行了比较.在借助通信网络得到高速公路上车载手机的连续位置的基础上.采用模糊聚类分析方法分析计算得出车辆的位置、速度及车型信息,并利用MATLAB进行仿真研究,验证了该方法的有效性.     

基于无监督聚类分析的激进换道行为识别方法

为有效指导驾驶人采取更安全的换道行为,本文提出基于改进的自组织映射神经网络(SOM-Kmeans)聚类分析的激进换道行为识别方法。通过模拟驾驶设备和眼动仪获取驾驶数据和眼动状态,运用变点检测算法结合方向盘转角和横向注视位置从多模态数据集中提取换道行为事件数据,进而提取驾驶人换道行为关键特征参数,运用SOM-Kmeans聚类分析识别激进换道行为。将SOM-Kmeans聚类方法分别与基于密度的聚类算法(DBSCAN)及模糊C均值聚类算法(FCM)比较,分析激进换道行为的识别效果。研究结果表明：SOM-Kmeans能够将激进换道行为划分为紧急换道和挤车换道两种类型,并建立相应的行为指标和阈值,当换道过程中加速度波动大于8.22 m·s^-3且方向盘转角大于0.83 (°)·s^-1,识别此次换道为激进换道行为;在激进换道行为的基础上,当换道间隙小于7.5 m且换道持续时间大于10.3 s时,识别此次换道为挤车换道,否则,为紧急换道行为。挤车换道行为多出现在拥堵较严重的强制换道中,紧急换道行为多出现在交通流环境较好的自由换道中。本文提出的识别方法的准确率...     

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。     

在冰河上行车方法要对路

通过冰河前，应勘察冰河两岸的地形情况以及冰的厚度和强度，必要时，可询问当地有经验的群众。冰的强度以早、晚为高，中午较低。同时还应根据季节判断冰的强度情况，在接近化冰季节时，冰层虽厚，但不坚固。     

用于交通流量修补的统计分析方法研究

文中以上海延安高架道路为例，分析了交通流量信息的相关性，然后通过系统聚类的方法对交通流量的变化规律进行了总结．在此基础上应用回归分析对交通流量数据进行了修补，取得了较为满意的结果．文中的方法对其他系统具有借鉴意义．