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. 基于中频信号的家用治疗...

  2. 基于嵌入式技术的智能家...

  3. MATLAB小电流接地故障选相方法研究

  4. 基于FPGA竞赛系统设计+程序

  5. Matlab基于前馈控制的加热炉温度控制系统设计

  6. Matlab微流控芯片热键合工艺优化研究

  7. MATLAB永磁同步电机矢量控制模型与算法设计

  8. 中考体育项目与体育教学合理结合的研究

  9. 河岸冲刷和泥沙淤积的监测国内外研究现状

  10. 当代大学生慈善意识研究+文献综述

  11. 十二层带中心支撑钢结构...

  12. 电站锅炉暖风器设计任务书

  13. java+mysql车辆管理系统的设计+源代码

  14. 大众媒体对公共政策制定的影响

  15. 乳业同业并购式全产业链...

  16. 酸性水汽提装置总汽提塔设计+CAD图纸

  17. 杂拟谷盗体内共生菌沃尔...

　　

About

751论文网手机版...

主页：http://www.751com.cn

关闭返回