期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到6篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于钻进参数聚类的含煤地层岩性模糊识别 被引量：23
1
作者 张幼振 张宁 +1 位作者 邵俊杰 钟自成 《煤炭学报》 EI CAS CSCD 北大核心 2019年第8期2328-2335,共8页
通过钻进参数进行煤矿巷道围岩特征描述可为煤矿安全绿色开采提供地质信息保障。针对煤矿井下坑道钻探中随钻地层岩性识别难度大、精度低的问题,提出了一种基于钻进参数核模糊C均值聚类(Kernel Fuzzy C-means,KFCM)算法的含煤地层岩性... 通过钻进参数进行煤矿巷道围岩特征描述可为煤矿安全绿色开采提供地质信息保障。针对煤矿井下坑道钻探中随钻地层岩性识别难度大、精度低的问题,提出了一种基于钻进参数核模糊C均值聚类(Kernel Fuzzy C-means,KFCM)算法的含煤地层岩性模糊识别方法。结合钻进试验台上开展的模拟岩样钻进试验,获得了包括钻速、转速和钻压等敏感钻进参数的训练样本,利用KFCM算法对获取的钻进参数训练样本进行学习,构造钻进参数样本空间并映射到高维空间进行聚类处理。建立了以典型含煤地层分类为目标的聚类模型,采用高斯核函数分别确定了软弱夹层、煤层和泥岩层的分布结构以及对应的聚类中心。其中,对比线性核函数,高斯核函数在垂向上的分类效果符合沉积岩构造的特征,且聚类时间节约了7.2%。进一步基于钻进参数的聚类结果,将钻速作为衡量各类岩石钻进性能的关键参数,通过分析钻进参数数据集的变化规律,建立了钻速与转速、钻压幂函数表达形式的地层岩性预测模型,采用数据插值拟合方法完成了典型软弱夹层、煤层和泥岩层的空间划分。并应用模糊数学方法通过构建钻速的分段三角形隶属度函数,得出样本地层钻速对典型含煤地层钻速的隶属度公式,根据隶属度公式将地层岩性划分为5个级别,实现了对样本地层岩性的模糊识别。在实钻试验中,对提出的模糊识别方法的有效性进行了验证。结果表明,该方法能够在PDC锚杆钻头回转钻进条件下快速识别典型含煤地层岩性,识别的正确率为92%,研究结果为实现煤矿井下巷道隐蔽致灾因素动态智能探测提供了借鉴。 展开更多
关键词 坑道钻探 钻进参数 含煤地层 核模糊c均值聚类 模糊识别 实钻试验
下载PDF
变分模态分解消噪与核模糊C均值聚类相结合的滚动轴承故障识别方法 被引量：22
2
作者 姜万录 王浩楠 +2 位作者 朱勇 王振威 董克岩 《中国机械工程》 EI CAS CSCD 北大核心 2017年第10期1215-1220,1226,共7页
提出了一种变分模态分解消噪与核模糊C均值聚类相结合的滚动轴承故障识别方法。首先,对实测振动信号进行处理,得到VMD的参数;然后,对信号进行VMD分解,得到一系列限带内禀模态函数(BIMF)分量,筛选并叠加组成重构信号;第三步,计算重构信... 提出了一种变分模态分解消噪与核模糊C均值聚类相结合的滚动轴承故障识别方法。首先,对实测振动信号进行处理,得到VMD的参数;然后,对信号进行VMD分解,得到一系列限带内禀模态函数(BIMF)分量,筛选并叠加组成重构信号;第三步,计算重构信号的样本熵和均方根值作为特征向量,从而得到训练样本和测试样本的特征向量集;第四步,通过KFCM聚类方法对训练样本特征向量集进行聚类分析,得到四种类型信号的聚类中心;最后根据测试样本特征向量与训练样本聚类中心欧式距离最小的原则识别故障类型。此外,将振动信号用经验模态分解(EMD)方法进行消噪,再用KFCM聚类进行分类识别,将两种方法的识别效果进行对比,结果表明所提方法的故障识别效果要优于EMD消噪和KFCM聚类相结合方法的识别效果。 展开更多
关键词 变分模态分解 核模糊c均值聚类 样本熵 故障识别
下载PDF
基于核模糊C均值指纹库管理的WIFI室内定位方法 被引量：12
3
作者 杨慧琳 黄智刚 +1 位作者 刘久文 杜元锋 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2016年第6期1126-1133,共8页
针对目前已有的基于指纹的WIFI室内定位指纹库的管理方法对野值和噪声的敏感性,提出一种基于核模糊C均值聚类的指纹库管理的室内定位方法.利用核函数将指纹库从低维空间映射到高维空间并结合模糊聚类方法在高维空间进行指纹库管理,并在... 针对目前已有的基于指纹的WIFI室内定位指纹库的管理方法对野值和噪声的敏感性,提出一种基于核模糊C均值聚类的指纹库管理的室内定位方法.利用核函数将指纹库从低维空间映射到高维空间并结合模糊聚类方法在高维空间进行指纹库管理,并在管理后的指纹库上进行定位匹配.将指纹库映射到高维空间可以使指纹库中的数据线性可分,从而实现更好的聚类.核模糊C均值(KFCM-Ⅱ)的聚类鲁棒性能够降低聚类对噪声和野值的敏感性,从而保证系统的鲁棒性.在实测数据的实验中,将所提出的方法与基于K均值聚类和基于模糊C均值聚类的室内定位方法进行对比,实验结果表明,所提出的方法相较于K均值方法和模糊C均值方法聚类准确度分别提高了14.20%和10.58%,定位精度分别提高了26.98%和20.43%. 展开更多
关键词 WIFI室内定位 指纹 核模糊c均值(kfcm)聚类 鲁棒性 K最近邻居法
下载PDF
局部均值分解和形态谱的液压泵故障诊断方法 被引量：5
4
作者 孙兆丹 郑直 +1 位作者 张何 姜万录 《噪声与振动控制》 CSCD 2020年第2期96-101,共6页
针对液压泵故障诊断问题,提出一种基于局部均值分解(LMD)、形态谱和核模糊C均值聚类相结合的方法。首先,用LMD分解液压泵振动信号,得到具有物理意义的若干个模态分量(PFs);其次,选取含有特征信息丰富的3个PFs为数据源,采用基于峰度值、... 针对液压泵故障诊断问题,提出一种基于局部均值分解(LMD)、形态谱和核模糊C均值聚类相结合的方法。首先,用LMD分解液压泵振动信号,得到具有物理意义的若干个模态分量(PFs);其次,选取含有特征信息丰富的3个PFs为数据源,采用基于峰度值、能量和均方差的评价方法,从这3个PFs中提取出各个尺度上的形态谱的3个平均值,将其组成一个向量;最后,采用核模糊C均值聚类方法(KFCM)对不同工况下所有样本进行聚类分析,对液压泵故障进行诊断。此外,将信号采用经验模态方法(EMD)分解、模糊C均值聚类方法(FCM)分析,结果表明LMD和KFCM分别优于EMD和FCM;该方法诊断精度高,是液压泵故障诊断的有效方法。 展开更多
关键词 故障诊断 局部均值分解 形态谱 核模糊c均值聚类 液压泵
下载PDF
分割多发性硬化症白质病灶的新方法 被引量：1
5
作者 相艳 贺建峰 +2 位作者 马磊 易三莉 徐家萍 《计算机应用》 CSCD 北大核心 2013年第6期1737-1738,1741,共3页
多发性硬化症(MS)是一种慢性的中枢神经系统疾病,其病灶可由常规脑部核磁共振成像(cMRI)进行检测。为提高图像处理的效率,提出了一种自动分割cMRI图像中的MS白质病灶(WML)的新方法。首先将模糊核聚类(KFCM)用于预处理后的T1加权像,得到... 多发性硬化症(MS)是一种慢性的中枢神经系统疾病,其病灶可由常规脑部核磁共振成像(cMRI)进行检测。为提高图像处理的效率,提出了一种自动分割cMRI图像中的MS白质病灶(WML)的新方法。首先将模糊核聚类(KFCM)用于预处理后的T1加权像,得到白质图像;然后利用一个种子点的区域生长处理白质图像,提取出一个二值模板。该模板与对应的T2加权像进行乘积,得到一幅仅包含白质、病灶及背景的图像;最后再次利用KFCM分割图像,得到病灶的核心部分。实验结果表明,所提出的方法能快速、有效地分割出低噪声仿真图像中的WML,且Dice相似性系数平均值在80%以上。 展开更多
关键词 多发性硬化症 模糊核c-均值聚类 常规磁共振成像 分割 白质
下载PDF
基于改进人工蜂群的核模糊聚类算法 被引量：9
6
作者 梁冰 徐华 《计算机应用》 CSCD 北大核心 2017年第9期2600-2604,共5页
针对核模糊C均值(KFCM)算法对初始聚类中心敏感、易陷入局部最优的问题,利用人工蜂群(ABC)算法的构架简单、全局收敛速度快的优势,提出了一种改进的人工蜂群算法(IABC)与KFCM迭代相结合的聚类算法。首先,以IABC求得最优解作为KFCM算法... 针对核模糊C均值(KFCM)算法对初始聚类中心敏感、易陷入局部最优的问题,利用人工蜂群(ABC)算法的构架简单、全局收敛速度快的优势,提出了一种改进的人工蜂群算法(IABC)与KFCM迭代相结合的聚类算法。首先,以IABC求得最优解作为KFCM算法的初始聚类中心,IABC在迭代过程中将与当前维度最优解的差值的变化率作为权值,对雇佣蜂的搜索行为进行改进,平衡人工蜂群算法的全局搜索与局部开采能力;其次,以类内距离和类间距离为基础,构造出适应KFCM算法的适应度函数,利用KFCM算法优化聚类中心;最后,IABC和KFCM算法交替执行,实现最佳聚类效果。采用3组Benchmark测试函数6组UCI标准数据集进行仿真实验,实验结果表明,与基于改进人工蜂群的广义模糊聚类(IABC-KGFCM)相比,IABC-KFCM对数据集的聚类有效性指标提高1到4个百分点,具有鲁棒性强和聚类精度高的优势。 展开更多
关键词 核模糊c均值聚类 人工蜂群算法 搜索策略 函数优化 适应度函数
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部