状态监控与故障诊断聚类分析法

概要阐释聚类分析方法及其技术要点，对用聚类分析进行状态监控和故障诊断作了探索性研究，提出用８种系统聚类法进行状态监控和故障诊断。     

应用聚类分析对关联规则进行分组

关联规则是要从大量的数据中找到数据之间的规律，但有时所产生的规律十分繁多，从而形成新的知识管理问题。针对该问题本文提出了一个新的算法，该算法利用系统聚类分析方法对规则进行分组，从而可更好地帮助用户解所发现的规律，该方法的距离（RatioD）是基于关联规则本身，因此，可对规则进行高效地分组。实验结果表明，该算法是有效的。     

应用ART1神经网络仿真车间分组

阐述了ART1神经网络在制造单元设计过程中形成零件族的基本方法,并在基于MATLAB的软件平台上,利用其神经网络工具箱对生产过程中的实际情况进行了仿真和应用。     

一种鲁棒的概率核主成分分析模型

大数据时代面临的数据维数越来越高,对数据降维处理越发显得重要。经典的主成分分析模型已被证明是一种有效的数据降维方法。但它在处理非线性、存在噪声和异常点的数据时存在效果较差的问题。对此,文章提出了一种鲁棒概率核主成分分析模型。该模型将核方法与基于高斯隐变量模型的极大似然框架相结合,用多元 t分布作为先验分布,以同时解决主成分分析在这 3个方面的弊端。提出混合鲁棒概率核主成分分析模型,使其可直接用于对混合的非线性数据进行降维和聚类分析。在不同数据集上进行的实验结果表明,与标准的混合概率核主成分分析模型相比,文中模型在数据聚类方面有更高的准确率。     

成组技术中计算机辅助零件分类方法的探讨

成组技术是有效实现CAD/CAM的基础之一,是提高多品种、中小批量生产水平的重要手段。本文提出了在成组技术中应用模糊数学理论进行计算机辅助零件分类的新方法,并对回转零件进行了分类试验,取得了满意的结果。采用这种方法,不需要对零件进行编码,可以对零件相似性进行定量分析,使得零件分类更具有柔性,为成组技术中零件分类提供了新的方法。     

大规模定制中应用聚类分析法获取客户需求

应用聚类分析法,根据客户忠诚度等指标,对复杂的客户需求进行合理聚类,聚类的结果将指导产品族建模的方向.这样形成的产品族模型能够充分体现客户需求的个性化与产品模块的完备性.     

基于聚类分析和灰色模型的固体火箭发动机价格模型

通过对定性影响固体火箭发动机的单价因素进行修正,进行了相关分析和聚类分析,并提取了少量且有代表性的变量作为其价格模型的参数,通过建立灰色模型作为发动机价格的预测。实践表明,这种方法具有较高精度,平均残差百分比绝对值为1.61%,适合小样本单价的建立。     

一种卫星对地观测需求分析方法

针对卫星对地观测任务需求分析方法研究的复杂性和迫切需要,文章通过把文本化的卫星观测需求编码成数值向量的形式,提出需求之间的相似度度量方法。进而基于无监督学习的相关理论和算法,给出向量化表示的需求聚类算法。同时为了能在二维平面直观展示分析高维需求数据,在引入需求之间距离计算方法的基础上介绍了高维数据的降维算法,并且通过测试数据验证了算法的有效性和可行性。通过把繁杂的需求信息转换成高维空间向量,能大大降低分析人员对领域专业知识的依赖,提升需求分析的效率和科学性。     

基于合成特征参数的雷达信号聚类分析

针对截获的雷达辐射源脉冲数据提出了一种基于特征参数合成的聚类算法。算法利用全脉冲数据的特征参数,通过对每一个特征参数的分选计算出该参数的加权系数。通过加权系数对每一个特征参数的加权得到合成的特征参数,并利用合成参数对脉冲进行聚类。仿真试验表明该算法能够实现对信号的聚类分选,采用编码的方式有利于降低噪声的影响。     

基于聚类分析的软件多故障定位技术

故障定位的思想一般是通过对程序语句及其执行结果的分析,从而定位到存在缺陷的程序语句的位置.目前,软件单故障定位技术研究较多,多故障相关研究较少.本文根据程序语句覆盖执行信息构造程序谱,提出基于聚类分析的软件多故障定位技术方法,在Siemens测试程序集的基础上,和现有的一些基于程序谱的定位方法进行对比,在大部分的情形下,验证了本文提出的基于聚类分析的软件多故障定位技术在软件多故障定位方面的定位效率要优于这些方法,减少测试人员的工作开销.