最近邻聚类算法

摘要： 温室控制系统变量较多,特别是温湿度控制间常存在强耦合现象,为解决这个问题,该文采用最近邻聚类算法对RBF-NN进行动态优化,提高对控制系统的在线辨识能力,再结合PID-NNC,建立基于动态RBF-NN的温湿度解耦控制策略。仿真结果表明,与常规的RBF-NN解耦控制方法相比,该策略解耦控制效果好,系统稳定性强,动态适应性好。

摘要： 针对传统RBF网络在环境污染物预测中出现的泛化能力弱和准确度低的问题,提出一种组合最近邻聚类算法(NNCA)和改进灰狼群(IGWO)的优化预测算法.首先,针对RBF网络中心参数学习不足,利用最近邻聚类算法(NNCA)调整RBF神经网络的聚类中心参数;其次,针对灰狼群算法寻优能力不足,利用sin函数对参数ɑ进行非线性调整,利用适应度加权系数进行位置调整,得到改进的灰狼群优化算法(IGWO),利用IGWO优化算法进行调整RBF神经网络的权值参数.最后利用NNCA-IGWO-RBF算法对草原环境中的PM10浓度进行预测,验证预测算法的有效性.结果表明,相对于传统的RBF和GWO-RBF算法,该算法预测误差最小,有更高的精确度和更好的泛化能力,能够为污染物治理提供指导作用.

摘要： 由于GPS高程是以WGS-84参考椭球面为基准面的大地高,使用不方便,因此GPS高程转换模型和方法得到广泛的研究和应用.由于径向基神经网络(简称RBF网络)在函数逼近方面具有全局逼近和最佳逼近的性质,根据其基本原理,采用最近邻聚类分析算法,增加神经网络的输入神经元,综合水准测量获得的正常高和GPS测量获得的平面坐标和大地高程,开发基于RBF网络的GPS高程转换程序,分析和解决了程序设计和开发中的一些关键问题,提高了最邻近聚类算法的精度.

摘要： RBF网络(Radial Basis Function Neural Network)在函数逼近方面具有最佳逼近的性质,根据其基本原理,采用最近邻聚类分析算法,利用受水库回水影响的水文测站的水位及其与下游水库坝前水位之间的落差作为输入,建立RBF网络拟合该水文测站的水位～流量关系.通过实例计算表明,RBF网络对受回水影响的水位～流量关系拟合效果好,可以进行推广应用.

摘要： 影响碟式太阳能集热器出口温度的因素较多,采用传统数学方法模拟较为复杂.利用RBF神经网络建立碟式太阳能集热器出口温度预测模型,为提高RBF的预测精度和学习效率,采用最近邻聚类算法选取基函数的中心,应用实际数据进行网络训练,网络预测结果较为准确.将本算法与传统的RBF神经网络进行仿真预测对比,本算法的结果和算法学习效率都要好于传统的RBF神经网络,验证了该算法的可行性和有效性.

摘要： 运动目标检测具有广泛的理论和现实意义,光流法是检测运动目标的重要方法之一.但是用于运动目标检测的光流算法却有着计算量大、处理复杂的问题.一种聚类分析算法和改进的LK光流法相结合检测方案可以很好地解决此类问题.对基于改进的LK光流法的运动目标检测算法进行了分析和仿真,再加以聚类分析使得检测出的运动目标更加准确.首先对图像序列进行采样与预处理,并利用LK光流法计算得出相邻帧图像的光流场,然后再利用最近邻聚类算法对得到的光流场进行处理,进而检测出图像中的运动目标,最后使用Matlab软件进行算法程序验证.通过实验可知,基于金字塔LK光流法与最近邻算法的运动目标检测方案可以更加有效地检测出运动物体.

摘要： 本文将模糊逻辑控制与PI控制相结合,构成模糊自适应PI控制,该方法有效提高系统的抗干扰、跟随性和鲁棒性,针对模糊规则需要专家经验并且比较粗糙的不足,提出了最近邻聚类算法与模糊RBF(径向基函数)网络的PI控制,利用最近邻聚类算法获得初始的模糊控制规则,然后再把控制规则中的参数输入到神经网络中进行参数调整,使得模糊神经网络具有模糊控制的非线性控制作用,又有神经网络自学习和自适应能力,能够实时整定PI控制器的参数,提高系统应用模糊自适应PI控制的控制精度,使控制对象的效果更好.

摘要： 仓储通风技术的不断发展可以为储粮的安全提供更好的保障.针对现今机械通风中存在的通风决策问题,在研究了径向基函数神经网络的基础上,提出了一种基于径向基神经网络的储粮通风智能决策模型.以山西省洪洞储备粮直属库的仓储通风进行实例分析,实验和测试结果表明,径向基神经网络输出的通风决策结果和通风专家对通风模式的决策结果有很好的符合度,该模型具有很好的泛化能力,可为仓储通风决策提供一种新的解决方案.

摘要： Transmission line and towers are easily broken down and collapsed by icing, an ice thickness prediction model based on improved particle swarm algorithm and normalized radial basis function (NRBF) neural network is proposed in this paper. The ice thickness of transmission lines is predicted by ameliorated NRBF neural network, and the parameters of NRBF neural network is determined through improved particle swarm algorithm to optimize the cluster radius of nearest-neighbor clustering. Taking the icing data from 220 kV Qianping lines in 2006 as an example, analysis results show that the prediction model is effective and feasible, which provides a theoretical basis for anti-icing and deicing.%冰冻灾害下覆冰易于造成断线倒塔等电力事故,提出一种基于改进粒子群算法优化NRBF神经网络的覆冰厚度预测模型.通过改进粒子群算法,优化最近邻聚类算法的聚类半径,确定NRBF神经网络隐含层节点个数,并运用优化后的神经网络对覆冰厚度进行预测.以2006年湖南电网220 kV黔平线路的覆冰数据为例,分析验证了该模型的合理性,为输电线路防冰、除冰提供理论依据.

摘要： 为了使机械臂准确跟踪目标轨迹,达到控制精度高、实时性好的目的,提出一种改进的径向基函数(RBF)模糊神经网络算法.该算法采用模糊遗传算法在线调整神经模糊控制器的参数,对其参数进行改进和优化,同时采用最近邻聚类算法对控制器的模糊规则库进行更新.仿真结果表明,该算法与传统的神经网络算法相比具有较好的性能,学习速度快,跟踪精度高,并具有艮好的控制性能和自学习能力.

摘要： 在RBF网络中,网络中心点的确定是影响网络性能的非常重要的因素.在分析现有RBF网络中心点确定方法的基础上,指出了已有的动态最近邻聚类算法的不足,并在此基础上对其作了改进.仿真结果表明,改进算法能够大大提高函数逼近的精确性,并且可用于分批数据的训练.

摘要： 提出一种基于动态RBF神经网络的模拟电路故障诊断方法.该方法利用小波变换对故障信号进行预处理,提取特征向量建立故障字典,采用最近邻聚类算法构建动态RBF神经网络,利用神经网络对各种状态下的特征向量进行分类识别,实现模拟电路故障诊断.仿真结果表明该方法具有训练速度快,故障准确率高,容错能力强的特点.

摘要： 本文提出利用神经网络对水处理系统进行建模,讨论了径向基函数(RBF)神经网络用于水处理系统建模的适应性,并将一种改进的最近邻聚类算法应用于RBF神经网络,对活性污泥法水处理系统进行建模.仿真结果表明,该模型具有较强的实用性,为实现水处理系统的在线实时自动控制提供了可行的途径.

摘要： 针对工业控制领域中复杂非线性时变系统,提出了基于动态RBF神经网络辨识的单神经元PID控制方法.采用动态RBF神经网络辨识器在线辨识系统模型,获得PID参数在线调整信息,并由单神经元PID控制器完成控制器参数的在线自整定,实现系统的智能控制.仿真结果表明,与常规RBF神经网络辨识的PID控制方法相比,该方法具有控制精度高、响应速度快的优点,并且具备较强的自适应性和鲁棒性.

摘要： 针对工业控制领域中复杂非线性时变系统,提出了基于动态RBF神经网络辨识的单神经元PID控制方法.采用动态RBF神经网络辨识器在线辨识系统模型,获得PID参数在线调整信息,并由单神经元PID控制器完成控制器参数的在线自整定,实现系统的智能控制.仿真结果表明,与常规RBF神经网络辨识的PID控制方法相比,该方法具有控制精度高、响应速度快的优点,并且具备较强的自适应性和鲁棒性.

摘要： 针对工业控制领域中复杂非线性时变系统,提出了基于动态RBF神经网络辨识的单神经元PID控制方法.采用动态RBF神经网络辨识器在线辨识系统模型,获得PID参数在线调整信息,并由单神经元PID控制器完成控制器参数的在线自整定,实现系统的智能控制.仿真结果表明,与常规RBF神经网络辨识的PID控制方法相比,该方法具有控制精度高、响应速度快的优点,并且具备较强的自适应性和鲁棒性.

摘要： 针对工业控制领域中复杂非线性时变系统,提出了基于动态RBF神经网络辨识的单神经元PID控制方法.采用动态RBF神经网络辨识器在线辨识系统模型,获得PID参数在线调整信息,并由单神经元PID控制器完成控制器参数的在线自整定,实现系统的智能控制.仿真结果表明,与常规RBF神经网络辨识的PID控制方法相比,该方法具有控制精度高、响应速度快的优点,并且具备较强的自适应性和鲁棒性.

摘要： 针对工业控制领域中复杂非线性时变系统,提出了基于动态RBF神经网络辨识的单神经元PID控制方法.采用动态RBF神经网络辨识器在线辨识系统模型,获得PID参数在线调整信息,并由单神经元PID控制器完成控制器参数的在线自整定,实现系统的智能控制.仿真结果表明,与常规RBF神经网络辨识的PID控制方法相比,该方法具有控制精度高、响应速度快的优点,并且具备较强的自适应性和鲁棒性.

摘要： 针对西林铅锌矿的工业生产流程开发了"西林铅锌矿浮选过程智能咨询系统"和"西林铅锌矿浮选技术指标智能预测系统".咨询系统提供的药剂制度能够稳定浮选过程,提高作业回收率,具有一定的实用价值,可用于为浮选操作人员就地提供技术咨询和新员工的培训.预测系统的预测精度较高,具有一定的实用价值.该系统的成功开发为工业浮选过程的优化控制奠定了基础.

摘要： 针对西林铅锌矿的工业生产流程开发了"西林铅锌矿浮选过程智能咨询系统"和"西林铅锌矿浮选技术指标智能预测系统".咨询系统提供的药剂制度能够稳定浮选过程,提高作业回收率,具有一定的实用价值,可用于为浮选操作人员就地提供技术咨询和新员工的培训.预测系统的预测精度较高,具有一定的实用价值.该系统的成功开发为工业浮选过程的优化控制奠定了基础.

摘要： 本发明公开一种基于近邻传播聚类算法的多步异常点检测方法，通过挖掘正常应用程序以获取到正常数据流模式，然后采用多步异常点检测方法来检测恶意软件，最终实现不依赖已知恶意软件模型可以在Android恶意软件出现初期做到有效预警的目的。本发明可有效解决异常点检测时所面临的“维数灾难”问题，从而避免冗余特征或过多的无关特征的数据噪音对异常点检测技术的干扰；同时克服传统的基于聚类或基于距离的异常点检测技术对初始值选择的过度依赖，通过Virusshare与Google Play获取的实际数据集结合十折交叉验证法验证本发明的有效性，综上，本发明在网络安全领域具有广阔的应用前景。

摘要： 本发明公开了一种基于近邻传播的文本数据流聚类算法，其特征是按如下步骤进行：1对文本数据集进行降维处理，获得相应的文本向量集；2获得所有时刻的聚类中心，并完成聚类算法。本发明不需要预先指定聚类个数，就能提高算法的准确率和鲁棒性，从而满足解决实际问题的需要。

摘要： 本发明针对密度峰值聚类算法(DPC)需要人为设置截断距离dc、无法自动识别聚类中心的缺陷。提出了一种基于加权共享最近邻的自适应密度峰值聚类算法(WSNN‑ADPC)。首先，结合共享最近邻和指数核函数引入了新的局部密度；其次，提出一种新的聚类中心自适应策略；最后，将剩余的数据点分配到距离最近的聚类中心的簇中。实验表明，该算法在人工数据集和UCI真实数据集上比常用的几种聚类算法具有更好的聚类效果。

摘要： 本发明公开了一种基于K近邻与共享近邻的密度峰值聚类算法，用于解决现有密度峰值聚类算法聚类效果差的技术问题。技术方案是基于K‑近邻和共享近邻相似度对DPC算法进行改进，每个数据样本点的归属由KNN分布信息及SNN共享近邻相似度决定，若i的KNN(i)中属于某个类簇的点越多，且与i的欧式距离越近，则两个样本点之间的相似度越大，样本i关于KNN(i)所属类簇的归属度值就越大，此时样本点i被分配到这个类簇的概率就越大。聚类中心出现在局部密度较高的区域。本发明算法避免了DPC算法度量样本密度的缺陷、及其分配样本时产生的类似“多米诺骨牌效应”的连带分配错误，聚类效果好。

摘要： 本发明公布了一种基于动态K近邻代表点的密度峰值聚类算法，主要解决了原DPC算法需要手动选取聚类中心点且无法处理复杂结构数据集的缺点。实现过程为：(1)计算样本点的动态K邻域，以更好地反映数据集的空间分布情况；(2)根据新的局部密度计算公式计算样本点的局部密度ρi，计算样本点到其最近高密度点的距离δi；(3)根据样本点的聚类中心指标变化率选取聚类中心；(4)将非聚类中心点按照新的分配策略与对应的聚类中心点归为一类；(5)将剩余点分配给其最近高密度点所属的类。在人工数据集上的实验表明，对比于DPC算法，本发明算法不仅能自动选取聚类中心点，而且能获得正确的聚类结果，并且在处理复杂的数据集上优势较大。

摘要： 本发明涉及一种基于DTW距离和近邻传播聚类算法的电力用户分群方法及系统，包括步骤：采集电能质量监测数据和用户有功功率数据，构造表征时间序列变化规律的特征矩阵；计算各个用户与电能质量指标之间的特征相似度，量化用户特征与电能质量特征的关联程度；以用户特征与电能质量特征的关联程度为依据，进行不同用户的电能质量特征相似度聚类计算，将具有相似关联程度的用户归为同一类；向具有不同电能质量特征的用户提供对应的不同电能质量的电能。本发明实现了基于电能质量方面的用户特性分类，为用户精益化电能质量服务提供了技术支撑。

摘要： 本发明公开一种基于近邻传播聚类算法的多步异常点检测方法，通过挖掘正常应用程序以获取到正常数据流模式，然后采用多步异常点检测方法来检测恶意软件，最终实现不依赖已知恶意软件模型可以在Android恶意软件出现初期做到有效预警的目的。本发明可有效解决异常点检测时所面临的“维数灾难”问题，从而避免冗余特征或过多的无关特征的数据噪音对异常点检测技术的干扰；同时克服传统的基于聚类或基于距离的异常点检测技术对初始值选择的过度依赖，通过Virusshare与Google Play获取的实际数据集结合十折交叉验证法验证本发明的有效性，综上，本发明在网络安全领域具有广阔的应用前景。

摘要： 本发明具体涉及一种基于近邻传播聚类算法的电网脆弱节点自动识别方法,本发明将电网脆弱性评估与AP聚类算法相结合，依据节点结构脆弱性指标计算方法，将评估结果通过AP聚类算法不断更新迭代其吸引度矩阵和归属度矩阵，将电网中所有节点的结构脆弱性评估结果自动分成从“非常脆弱”到“不脆弱”的多类，有效辨识电网中的薄弱环节。本发明可满足大电网脆弱环节或区域自动识别的需要且不需人工干预。

摘要： 本发明公开了一种基于近邻传播的文本数据流聚类算法，其特征是按如下步骤进行：1对文本数据集进行降维处理，获得相应的文本向量集；2获得所有时刻的聚类中心，并完成聚类算法。本发明不需要预先指定聚类个数，就能提高算法的准确率和鲁棒性，从而满足解决实际问题的需要。

摘要： 本发明公开了一种基于扩展卡尔曼滤波结合最近邻聚类算法的鱼群数量估计方法，其步骤：(1)固定双频识别声呐；(2)通过走航的方式进行水下探测，并获取声学数据；(3)数据处理，并利用扩展卡尔曼滤波结合最近邻聚类算法统计鱼体个数；(4)计算扫过水体体积，求取鱼群密度；(5)根据已知水域的蓄水量，估算整个水域中的鱼体数量。本发明利用双频识别声呐发射水下声波，遇到障碍物返回声波信号的原理，通过接收回波信号，并进行信号处理、获取水下鱼群信息，从而进行鱼群数量的估计，具有简单易行、高效而又不损坏鱼类资源等优点，且比传统的利用目标强度进行积分的方法具有更高的精度，为渔业资源评估提供了一种新途径。