菜单
　　

    号中的应用，且在故障频率的模式识别方法上也是值得改进和进一步研究的。
    1.2.2 模糊C-均值聚类（FCM 算法）
    而引入模糊理论的模糊聚类分析为现实数据提供了模糊处理能力,在许多领域被广泛
    应用。目前在国内外，模糊 C-均值聚类（FCM 算法）已经被广泛地应用于模式识别、
    数据挖掘、模糊控制、图像处理、图像分割、矢量量化、模糊逻辑等众多领域[6]
    。Dubes
    和 Jain 关于聚类分析的综述包括了从 77 分杂志和 40 本书中摘取出来的 250 条引文[7]，
    如此巨大的文献量说明了聚类分析的重要性。
    聚类分析作为一种非监督学习方法[8]
    ,是机器学习领域中的一个重要的研究方向。同
    时它也是数据挖掘中进行数据处理的重要分析工具和方法。近年来,随着人们对聚类技术
    的不断研究,聚类分析在机器学习、数据挖掘等很多领域已经成为人们进行数据分析和信
    息提取的研究热点。  所谓聚类,就是把没有类别标记的样本集按某种准则划分成若干类,
    使类内样本的相似性尽可能大,而类间样本的相似性尽量小,是一种无监督的学习方法。聚
    类分析通常是在没有先验知识支持的前提下进行的,它所要解决的就是在这种前提下,实
    现满足要求的类的聚合。对于模糊 C-均值聚类算法(FCM)，它是一种比较有代表性的模
    糊聚类算法,主要是通过迭代更新聚类中心和隶属度矩阵,使目标函数值达到最小.但它还
    是存在缺陷和不足,其中最主要的就是选取不同的初始中心,会得到不同的聚类结果,影响
    到聚类的稳定性和准确率，所以对要聚类的数据集采用数据分区技术进行预处理,根据物
    质质心的定义及质心运动原理,计算每个数据分区的质心做为 FCM 聚类的初始聚类中
    心.，如此改进后的算法FCM能够降低迭代次数和运行时间,以便得到更稳定的聚类结果，
    提高准确率。
    1.3 本文的主要内容
    本文所研究的课题结合 FFT信号分析方法以及 FCM 算法，对列车关键部件的故障进
    行特征提取，来实现对列车故障的智能诊断，主要研究内容如章节安排所示，包含列车机
    械部件的故障分析，其中最重要的就是列车关键部件常见的故障类型及特征，以及列车关
    键部件的故障分析方法；包含模糊聚类的应用，模糊 C 均值聚类的分析以及模糊理论基础；包含了对于Matlab 软件及其优势、GUI界面的介绍；包含了基于 FCM 的列车故障智
    能诊断的系统设计及系统验证。
  1. 上一篇：MES系统文档图纸分发模块开发
  2. 下一篇：STC89C52单片机地铁车站电子公告牌系统设计+源程序

  1. 基波磁通补偿的串联混合...

  2. MATLAB数字图像处理的空间滤波器设计

  3. MATLAB温室作物蒸腾作用建模与试验

  4. 数字图像处理的温室作物...

  5. 轧钢加热炉控制系统的设计MATLAB仿真

  6. MATLAB温室作物光合作用建模与试验

  7. Matlab离散系统的滤波器设计与仿真

  8. g-C3N4光催化剂的制备和光催化性能研究

  9. 巴金《激流三部曲》高觉新的悲剧命运

  10. 江苏省某高中学生体质现状的调查研究

  11. 中国传统元素在游戏角色...

  12. 高警觉工作人群的元情绪...

  13. 浅析中国古代宗法制度

  14. NFC协议物理层的软件实现+文献综述

  15. C++最短路径算法研究和程序设计

  16. 上市公司股权结构对经营绩效的影响研究

  17. 现代简约美式风格在室内家装中的运用

　　

About

优尔论文网手机版...

主页：http://www.youerw.com

关闭返回