公共文化服务平台

搜索到346篇“ KOHONEN网络“的相关文章

模糊K-Harmonic-Kohonen网络的FTIR光谱数据聚类分析被引量：7: 2023年; 食品的品种不同则其含有营养成分和功效存在差异,得到的傅里叶变换红外光谱也存在差异。为了准确的实现品种分类,设计了一种将傅里叶变换红外光谱与模糊聚类分析方法相结合的品种鉴别方法。在模糊Kohonen聚类网络(FKCN)基础上将模糊K调和聚类(FKHM)引入到Kohonen聚类网络的学习速率和更新策略中,提出了模糊K-Harmonic-Kohonen网络(FKHKCN)算法。FKHKCN利用模糊C均值(FCM)聚类的模糊隶属度计算其学习速率,以FKHM的聚类中心为基础通过推导计算得到FKHKCN的聚类中心,可以解决模糊Kohonen聚类网络方法对于初始类中心敏感而导致聚类结果不稳定的问题。FKHKCN作为一种模糊聚类算法,可实现傅里叶变换红外光谱数据的聚类分析。采用三种数据集:(1)采集产自四川的三种茶叶(优质和劣质的乐山竹叶青以及峨眉山毛峰)作为实验样本,样本总数为96。(2)两个品种(robusta和arabica)的咖啡样本。(3)三个品种(鸡肉、猪肉和火鸡)的肉类样本。首先对三个光谱数据集进行预处理,利用多元散射校正降低茶叶样本原始光谱数据集的散射影响,使用Savitzky-Golay减少噪声对肉类和咖啡这两个光谱数据集的影响。再利用主成分分析将高维的三种光谱数据集压缩至低维。然后采用线性判别分析进行特征提取,将光谱数据投影到求得的鉴别向量上。最后分别采用FCM,FKCN和FKHKCN对茶叶、肉类和咖啡进行判别。最终结果如下:FCM,FKCN和FKHKCN对茶叶品种的聚类准确率分别为90.91%,90.91%和93.94%;对肉类品种的聚类准确率分别为90.83%,0.00%和92.50%;对咖啡品种的聚类准确率分别为89.17%,89.17%和90.83%。以上实验结果表明:采用傅里叶红外光谱技术结合主成分分析、线性判别分析和FKHKCN的方法能够较有效地对食品的品种进行鉴别,且鉴别准确率比FCM和FKCN更高,聚类结果更稳定。; 陈勇郭云柱王威武小红武小红武斌; 关键词：傅里叶变换红外光谱模糊KOHONEN聚类网络聚类分析

基于Kohonen网络聚类和ReliefF特征选择的空气质量指数预测方法: 本发明公开了一种基于Kohonen网络聚类和ReliefF特征选择的空气质量指数预测方法，包括：(1)对空气数据集进行预处理，得到处理后的空气数据集；(2)采用Kohonen网络聚类得到第k类数据集；(3)采用Relie...; 陈伯伦朱国畅朱全银袁燕于永涛马甲林

基于灰色Kohonen网络的故障诊断方法研究: 2020年; 针对故障诊断过程中传感器信息量大、相关性强、冗余严重的问题,提出一种灰色Kohonen网络故障诊断方法。该方法首先通过灰色关联分析手段,分析装备各个状态下指标参数的相关情况,建立各状态下的灰色关联分析矩阵,然后引入灰度值这一衡量指标,量化关联性的强弱关系,达到相似信息剔除的目的,最后通过Kohonen网络进行故障诊断。实例验证结果表明,该方法可在剔除相似信息的情况下保持较高的故障诊断率,同时做到快速诊断。; 吕佳朋史贤俊; 关键词：故障诊断灰色关联分析 KOHONEN网络灰色系统

S_Kohonen网络在断路器故障识别中的应用被引量：1: 2020年; 针对断路器操动机构常见故障问题,提出将改进的Kohonen网络对断路器典型故障进行诊断研究。首先,在某试验基地建立断路器监测实验平台,模拟操动机构典型故障。然后,分析采集到的合闸振动信号,采用3层小波包变换对降噪后的振动信号进行分解,得到各频段能量占总能量的百分比,利用粗糙集理论对特征参数进行知识约简,降低特征参数的维数。最终保留第1-4及第7频段。将保留的5个特征参数归一化处理后组成特征向量输入到S_Kohonen网络,对故障类型进行识别。实验结果表明,故障识别效果较好,且置信度高。; 刘勇业马宏忠张利屈斌; 关键词：断路器故障模拟粗糙集理论故障类型识别

基于Kohonen网络的典型绝缘缺陷局部放电模式识别被引量：6: 2020年; 针对变电站环境局部放电识别面临的不可控干扰多、初始参数确定难的问题,提出将具有自组织竞争识别、抗干扰性强的Kohonen网络用于干扰环境下绝缘缺陷的局部放电识别。首先,通过设计变电站放电典型绝缘缺陷获取多个样本数据,提取统计特征用于Kohonen网络训练。其次,分析Kohonen网络竞争层节点数对识别效果的影响,得出针对样本数据的最佳识别参数。最后,将Kohonen网络与常用的模式识别算法在同等条件下进行对比,验证其在多种放电识别时具有高稳定性与高识别率,及用于变电站环境局部放电识别的优越性。; 江杰波陈珂施永贵张航伟李洪杰; 关键词：KOHONEN网络局部放电模式识别

改进的Kohonen网络在航空发动机分类故障诊断中的应用被引量：6: 2020年; 针对传统Kohonen网络对未知样本识别时的不可辨识性和分类结果不惟一性问题,利用改进的Kohonen网络对航空发动机进行分类故障诊断,并利用混合粒子群优化算法对网络连接权值进行优化,以提高Kohonen网络在分类故障诊断中的通用性和容错能力。对GE90发动机的孔探图像纹理特征识别进行对比。结果表明:改进的Kohonen网络在分类故障诊断中有较强的实用性,分类准确率高于常用神经网络模型和支持向量机的。; 郑波马昕; 关键词：KOHONEN网络 PSO算法故障诊断航空发动机

基于改进Apriori关联规则与S_Kohonen网络的制粉系统性能优化研究被引量：3: 2020年; 对于目前电厂历史运行数据库高维度、大容量,挖掘效率低,算法占用较多的计算资源等问题,基于350 MW机组制粉系统历史稳态运行数据库,提出了基于目标制导的改进Apriori关联规则挖掘算法,利用目标制导方式对数据库进行降维和压缩,进一步通过改进Apriori算法将数据库矩阵转储为有效项坐标数组,挖掘制粉系统给煤机速率、排烟含氧量、排烟温度和一次风量等参数,以原煤单位净发电量为经济评价,获得了优化参数下全工况的制粉系统最优参数值。研究表明:对于中低负荷段,通过减少磨煤机运行台数和增加磨煤机出力,可以有效减少煤耗、一次风量和氮氧化物排放;单耗实验验证,参数优化后磨煤机单耗明显下降,能够有效降低厂用电率。; 徐樾彭道刚赵慧荣孙宇贞; 关键词：制粉系统关联规则

基于Kohonen网络聚类和ReliefF特征选择的空气质量指数预测方法: 本发明公开了一种基于Kohonen网络聚类和ReliefF特征选择的空气质量指数预测方法，包括：(1)对空气数据集进行预处理，得到处理后的空气数据集；(2)采用Kohonen网络聚类得到第k类数据集；(3)采用Relie...; 陈伯伦朱国畅朱全银袁燕于永涛马甲林; 文献传递

基于Kohonen网络算法进行医疗设备维修管理模式再优化的应用研究被引量：10: 2019年; 目的:探讨Kohonen网络算法在优化医疗设备维修管理模式中的应用价值。方法:选取医院2017-2018年临床在用的医疗设备管理数据,按照不同的管理方法将其分为对照组和观察组;对照组为2017年医院设备管理数据,其医工人员分工及维修事项采用传统管理模式,观察组为2018年管理数据,通过建立医工人员、医疗设备、维修事项和费用支出4个维度的管理数据库,采用Kohonen网络算法优化人员分工和维修事项(人员、设备、维修等维修管理元素)。结果:观察组的维修成本增幅低于对照组,成功事项比例和设备开机率高于对照组,其差异有统计学意义(Z=-2.512,Z=-2.044,Z=-1.973;P<0.05)。结论:基于Kohonen网络算法的医疗设备维修模式优化方案可减少管理费用支出,提高设备临床服务能力,为医院建设和发展提供必要的基础保障。; 秦文俊黄振陈辉

基于Kohonen网络的高压断路器机械故障识别方法被引量：11: 2018年; 引起高压断路器故障的原因大部分都是机械故障,因此对高压断路器进行故障诊断,使其可靠、高效地工作对电力系统的运行具有很大的意义。实验室模拟断路器基座支架上的合闸振动信号,采用小波包变换对取得的3种状态下的振动信号进行分解,计算各频段能量并做归一化处理,构造特征向量作为Kohonen网络的输入,进而进行机械故障识别。最后,将基于Kohonen网络的识别方法与BP网络以及RBF网络识别方法对高压断路器机械故障的识别效果进行比较。结果表明提出的基于Kohonen网络的高压断路器机械故障识别方法优于BP网络以及RBF网络,具有较高的准确性。; 徐艳马宏忠刘勇业付明星黄涛; 关键词：KOHONEN网络高压断路器振动信号

加载更多 ∨

相关作者

用户反馈

相关作者

用户登录

用户反馈