导读:本文包含了模糊聚类识别论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:模糊,特征,蜂窝,负荷,曲线,光通信,湍流。
模糊聚类识别论文文献综述
侯美慧,胡雄,王冰,张博一[1]（2019）在《基于Weibull和GG模糊聚类的岸桥减速箱健康状态识别方法》一文中研究指出针对岸桥减速箱健康状态的识别问题,研究并提出一种威布尔分布与GG(Gath-Geva)模糊聚类相结合的健康状态识别方法。首先应用包络法对因岸桥工况的复杂性引起的噪声进行数据去噪,然后通过对低速轴振动信号进行威布尔分布拟合得到形状参数和尺度参数,定量反映了采集样本的变化特征。为了进一步对减速箱振动信号进行状态识别,采用GG模糊聚类方法对减速箱健康状态的不同阶段进行划分,实现对不同健康状态的识别。采用来自NetCMAS系统采集的试验数据进行实例分析,并与GK、FCM算法进行对比,结果表明该方法的有效性,聚类效果更好。(本文来源于《机械强度》期刊2019年05期）
陈革维[2]（2019）在《模糊聚类分析在异常振动振源识别技术中的应用研究》一文中研究指出聚类分析是工程应用中模式识别的重要工具.现代化高楼等工程系统具有多振源且振动特征复杂的特点,模糊聚类分析可以使分类的结果更切合实际.本文以时间序列分析理论为基础,通过对振动信号建立时间序列模型,采用主分量分析法对模型参数进行特征量提取,将模糊聚类分析方法应用于高楼异常振动的振源的实时识别,对机电设备等装置造成的异常振动可以实现有效识别.(本文来源于《深圳职业技术学院学报》期刊2019年05期）
刘蒙,涂山山,肖创柏,林强强[3]（2019）在《一种基于模糊聚类的物理小区识别分配方案》一文中研究指出用户在异构蜂窝网络(HCN)中寻求网络数据服务时,需要用到物理小区识别(PCI)对环境中不同的蜂窝小区进行识别。然而PCI的数量是一定的,传统的解决方案缺少合理利用有限数量的PCI机制,无法满足小蜂窝的大规模随机部署,同时也难以保障用户的网络质量(QoS)。针对以上问题,引入蜂窝小区"活跃度"概念,提出基于模糊分层聚类的PCI分配方案,采用欧氏距离法进行不同蜂窝小区相似度的求解,从而得到不同阈值下的蜂窝小区基站分类集群,并依据统计学中的方差分析法查找最佳阈值,优先对"活跃度"高的蜂窝小区基站群进行PCI的分配和复用。与现有方案比较,有效提高了用户的QoS以及PCI的分配效率。仿真实验结果表明,文中提出的基于欧氏距离法的聚类方法与传统的曼哈顿距离法、夹角余弦值距离法以及切比雪夫距离法相比,蜂窝基站分类结果更为合理,同时具备较低的PCI冲突混淆率。(本文来源于《现代电子技术》期刊2019年17期）
王微,胡雄,王冰,孙德建[4]（2019）在《基于多维退化特征与GG模糊聚类的滚动轴承退化状态识别》一文中研究指出考虑滚动轴承性能退化状态在时间尺度上的连续性,将时间参数映射到指数函数中,形成更符合性能退化过程的弯曲时间(curved time,CT)参数,同时将C0复杂度和有效值(root mean square,RMS)分别作为复杂性维度和能量维度的退化特征,构建描述滚动轴承性能退化过程的叁维特征向量[C0,RMS,CT]。在此基础上,采用GG(Gath-Geva)模糊聚类方法对滚动轴承性能退化状态进行阶段划分,识别不同的退化状态,选用分类系数、平均模糊熵以及序列离散度对聚类效果进行综合评价。采用来自IMS(intelligent maintenance system)的轴承全寿命试验数据进行实例分析,结果表明,提出的叁维特征向量既能够反映滚动轴承性能退化趋势,又能体现同一状态在时间尺度上的连续性。(本文来源于《东华大学学报(自然科学版)》期刊2019年04期）
吴郅君,殷新博,陈中,杜健,刘艺[5]（2019）在《基于模糊聚类曲线相似度的负荷用户识别方法》一文中研究指出为了满足电网公司精细化管理的要求及有针对性地管理用户,提出了一种基于模糊聚类算法与曲线相似度的负荷用户识别方法。以江南地区养殖负荷用户为例,通过电力数据驱动,进行数据挖掘分析,依据特征量和日负荷曲线,引入模糊聚类算法得到养殖负荷用户规律性用电行为特性,最后通过分析用户日负荷曲线与特性曲线之间的曲线相似度判断用户是养殖负荷用户的可能性,为供电公司精准服务提供依据。随机抽取供电公司未知用户负荷数据进行实例验证,结果表明,所提出的方法具有较好的可行性和有效性。(本文来源于《电力工程技术》期刊2019年03期）
王冰,胡雄,李洪儒,孙德建[6]（2019）在《基于基本尺度熵与GG模糊聚类的轴承性能退化状态识别》一文中研究指出针对轴承性能退化状态的识别问题,提出一种基于基本尺度熵与GG聚类的退化状态识别方法。首先分析轴承性能退化过程中的基本尺度熵演化规律,并分析该参数的单调性与敏感性。考虑到轴承退化状态在时间尺度的连续性,构建基本尺度熵、有效值以及退化时间的叁维退化特征向量,并采用GG模糊聚类方法对轴承性能退化状态的不同阶段进行划分,实现对性能退化状态的识别。采用来自IEEE PHM 2012的轴承全寿命试验数据进行实例分析,并与FCM、GK算法进行对比,结果表明本文所提出的方法聚类效果更优,同一退化状态内的时间聚集度更高,能够为轴承性能退化状态的识别提供一种有效的途径。(本文来源于《振动与冲击》期刊2019年05期）
胡伟鹏,刘备,邹孝,赵新民,钱盛友[7]（2018）在《基于功率谱信息熵与GK模糊聚类的生物组织变性识别方法》一文中研究指出本文提出了一种基于功率谱信息熵和GK模糊聚类相结合的方法,应用于生物组织变性识别判定中。利用高强度聚焦超声辐照离体新鲜猪肉来改变其特性,并用热电偶测量声焦区温度,同时采集了不同温度时的超声回波信号。通过对采集的信号进行截取,研究了分段数对功率谱信息熵辨识性能的影响。研究发现当分段数为26至32时,功率谱信息熵的准确度、灵敏度和特异度均有较高的值。本研究计算了分段数为30时的功率谱信息熵,此时的变性组织对应的功率谱信息熵比未变性组织对应的功率谱信息熵平均高出约0. 094,大约为7. 99%。采用功率谱信息熵作为特征参数时,GK模糊聚类效果优于模糊C均值聚类;采用GK模糊聚类方式,功率谱信息熵比小波熵具有更高的辨识率。(本文来源于《激光生物学报》期刊2018年06期）
陈瑞东,赵凌园,张小松[8]（2018）在《基于模糊聚类的僵尸网络识别技术》一文中研究指出融合蠕虫、后门、木马等技术为一体的僵尸网络因其可被攻击者用于发送垃圾邮件、实施拒绝服务攻击、窃取敏感信息等,已成为高持续性威胁攻击的"后盾"。现有的僵尸网络检测方法多数局限于特定的僵尸网络类型,且不能有效处理边界附近的数据。为此,提出一种基于网络流量相似性的僵尸网络识别方法。该方法不依赖于数据包内容,可处理加密流量。通过提取数据集中流和包的统计特征,分别对每个特征进行模糊聚类,判别其模糊类别的特征边界,并基于最大隶属度原则判断是否存在僵尸网络流量,根据支持度和置信度筛选关联规则,从而确定具体的僵尸网络类型。实验结果表明,该方法可有效识别僵尸网络流量,并且能够对僵尸网络的类型进行预判。(本文来源于《计算机工程》期刊2018年10期）
纪素娟,吕军成[9]（2018）在《基于MATLAB对春玉米品种的模糊聚类与识别》一文中研究指出本文基于MATLAB对13个西北春玉米品种进行模糊聚类分析,依据隶属度建立标准模型库模型,然后对新品种进行模糊识别。该方法为春玉米品种优良指标的研究提供了理论依据。(本文来源于《山东农业大学学报(自然科学版)》期刊2018年06期）
陈丹,王晨昊,姚伯羽[10]（2018）在《基于模糊聚类与BP神经网络的无线光副载波调制识别》一文中研究指出基于大气弱湍流信道模型,设计了模糊聚类与改进反向传播(BP)神经网络相结合的星座图识别方法。采用模糊C均值(FCM)算法对无线光副载波多进制相移键控(MPSH2K)信号星座图进行聚类分析,通过计算其硬趋势均值获得星座图特征,然后将特征输入改进BP神经网络分类器进行调制识别。在对数振幅起伏方差σ2χ=0.1时,总正确识别率达到100%,随着起伏方差的增大,MPSK信号星座图聚敛性变差,但总正确识别率也达到87.5%,同时提高了16进制相移键控(16PSK)调制的识别率。(本文来源于《激光与光电子学进展》期刊2018年06期）
模糊聚类识别论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
聚类分析是工程应用中模式识别的重要工具.现代化高楼等工程系统具有多振源且振动特征复杂的特点,模糊聚类分析可以使分类的结果更切合实际.本文以时间序列分析理论为基础,通过对振动信号建立时间序列模型,采用主分量分析法对模型参数进行特征量提取,将模糊聚类分析方法应用于高楼异常振动的振源的实时识别,对机电设备等装置造成的异常振动可以实现有效识别.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
模糊聚类识别论文参考文献
[1].侯美慧,胡雄,王冰,张博一.基于Weibull和GG模糊聚类的岸桥减速箱健康状态识别方法[J].机械强度.2019
[2].陈革维.模糊聚类分析在异常振动振源识别技术中的应用研究[J].深圳职业技术学院学报.2019
[3].刘蒙,涂山山,肖创柏,林强强.一种基于模糊聚类的物理小区识别分配方案[J].现代电子技术.2019
[4].王微,胡雄,王冰,孙德建.基于多维退化特征与GG模糊聚类的滚动轴承退化状态识别[J].东华大学学报(自然科学版).2019
[5].吴郅君,殷新博,陈中,杜健,刘艺.基于模糊聚类曲线相似度的负荷用户识别方法[J].电力工程技术.2019
[6].王冰,胡雄,李洪儒,孙德建.基于基本尺度熵与GG模糊聚类的轴承性能退化状态识别[J].振动与冲击.2019
[7].胡伟鹏,刘备,邹孝,赵新民,钱盛友.基于功率谱信息熵与GK模糊聚类的生物组织变性识别方法[J].激光生物学报.2018
[8].陈瑞东,赵凌园,张小松.基于模糊聚类的僵尸网络识别技术[J].计算机工程.2018
[9].纪素娟,吕军成.基于MATLAB对春玉米品种的模糊聚类与识别[J].山东农业大学学报(自然科学版).2018
[10].陈丹,王晨昊,姚伯羽.基于模糊聚类与BP神经网络的无线光副载波调制识别[J].激光与光电子学进展.2018
论文知识图
