导读:本文包含了软聚类论文开题报告文献综述及选题提纲参考文献，主要关键词:集成学习,非线性状态估计,模糊软聚类,风电机组齿轮箱
软聚类论文文献综述
王梓齐,刘长良,刘帅[1]（2019）在《基于集成NSET和模糊软聚类的风电机组齿轮箱状态监测》一文中研究指出风电机组齿轮箱的故障频率和维修成本较高,有必要对其运行状态进行实时监测。非线性状态估计(NSET)算法有着对记忆矩阵依赖大、无法有效利用数据资源改善精度、实时性差等不足。为此,提出一种基于模糊软聚类和集成NSET的状态监测方法:使用模糊软聚类将历史数据分为边界有重迭的不同类别,实现工况的软划分并构造多个不同工况的NSET模型作为个体学习器;以参数回归方法作为结合器,可在不影响实时性的同时,使用大量数据训练参数以改善精度。用某2 MW风电机组的齿轮箱故障数据进行验证,结果表明,相比常规方法,提出方法的精度和实时性均更优;通过预测残差均值和基于残差构造的健康指数,能够灵敏、准确的反映齿轮箱的早期故障及其发展趋势。(本文来源于《仪器仪表学报》期刊2019年07期）
申彦博,袁洁,纪淑娟,张纯金[2]（2019）在《加权叁支决策增量软聚类算法及性能分析》一文中研究指出现有的增量聚类算法虽然解决了数据增量和类簇重迭问题,但在距离度量时没有考虑属性重要度不同,且普遍拥有较高的时间复杂度。针对以上问题,提出一种基于属性重要度的加权叁支决策增量软聚类算法(W-TIOC-TWD算法),将属性重要度考虑到距离度量中,弥补了现有算法在聚类过程中将所有属性的重要程度视为相等的不足。该算法还引入离群点概念,降低了算法的时间复杂度。基于人工数据集和UCI数据集的实验结果表明,W-TIOC-TWD算法的聚类准确率优于比较算法。(本文来源于《软件导刊》期刊2019年08期）
刘长良,曹威,王梓齐[3]（2019）在《基于模糊C均值软聚类工况辨识的风电功率短期区间预测》一文中研究指出针对常规风电功率区间预测方法中以实发功率划分子区间有效性差的问题,提出了一种基于模糊C均值软聚类工况辨识的风电功率短期区间预测方法。模糊C均值软聚类可以将过渡工况的样本点划分到多个工况区间中,从而提高子区间划分的有效性。首先采用LSSVM建立风电功率确定性预测模型,然后基于聚类有效性,确定聚类数目,再利用模糊C均值软聚类对历史运行数据进行工况辨识从而划分为多个子区间,最后利用核密度估计计算各工况下功率预测值与真实值误差的概率密度函数,进而确定各工况的功率置信区间,完成区间预测。算例结果表明,基于模糊C均值软聚类工况辨识的风电功率区间预测方法在覆盖率和平均带宽等评价指标上优于常规方法,适合应用在风电功率短期区间预测中。(本文来源于《华北电力大学学报(自然科学版)》期刊2019年05期）
张静静,杨燕,王红军,韩晓涛,邓强[4]（2016）在《一种新的软聚类投票法及其并行化实现》一文中研究指出聚类集成作为数据挖掘的重要应用工具,得到了广泛的认可和研究.本文在投票法的基础上提出一种新的软聚类投票(VMSC)算法.算法首先求取平均隶属度矩阵,然后进行迭代优化.该算法能够消除噪声点影响,具有很好的稳定性.Spark云计算平台能够高效处理大数据.为了提出的算法处理大数据,在Spark云计算平台上实现并行的VMSC算法.VMSC算法实验用12组UCI数据集进行验证,并与sCSPA、sMCLAs HGBF及SVCE等软聚类算法进行对比.结果表明,VMSC算法对软聚类算法具有较好的集成效果.在Spark云计算平台上对VMSC算法并行实现.实验表明,该算法具有较理想的并行效果,能够有效处理大数据.(本文来源于《中国科学技术大学学报》期刊2016年03期）
焦鹏,于洪[5]（2015）在《软聚类中的重迭类型》一文中研究指出聚类是数据挖掘的重要技术之一.在许多实际应用领域,如社交网络,传感器网络,文本聚类等领域,由于各种原因,不同类簇之间存在重迭现象,在这些领域中发现类簇间的重迭区域非常重要且具有实际意义.重迭区域中不同对象与类簇的关系并不是等同的,其对类簇的演化起着不同的作用.然而,现有的重迭聚类算法大多都只能发现重迭区域,没有进一步的分析.本文针对这个问题,利用叁支决策思想,将重迭区域中对象做了进一步的划分,即四个宏观类型与八个微观类型.在Zachary等典型社交网络上的讨论表明,这种类型定义确实反映了类簇/社区生成过程中的真实情况.(本文来源于《昆明理工大学学报(自然科学版)》期刊2015年03期）
顾思远,尹廷辉,岳振军[6]（2015）在《基于软聚类的模糊类语言模型》一文中研究指出基于类的语言模型被认为是解决数据稀疏的有效方法。众所周知,自然语言中存在着大量一词多义、一词多性的现象,这在传统基于硬聚类的词类划分下无法表达。而基于软聚类的类语言模型采用大数定律,依然没有摆脱在最终计算时一词一类的思维模式。为解决此类问题,基于词的软聚类,结合模糊数学,提出了词的隶属度,以及基于隶属度的模糊类语言模型。该模型提高了传统类语言模型对训练语料中历史信息的利用率,较基于词的语言模型能给未出现词对提供更多的类内参考数据。设计了一个小语料集的实验,结果表明在数据稀疏条件下,较传统的类语言模型有更好的效果。(本文来源于《军事通信技术》期刊2015年01期）
徐浙君[7]（2014）在《一种基于采样遗传的文本软聚类方法》一文中研究指出由于文本呈现的多样性和大量性,模糊聚类在文本聚类中扮演着越来越重要的角色。而应用最广泛的FCM算法存在着初始中心敏感的问题,对此本文提出了一种基于采样遗传的FCM算法(SGFCM)。该方法通过遗传算法的全局寻优能力来优化FCM算法的初始聚类中心,由此来提高聚类的质量及聚类的速度。实验证明该方法在文本软聚类应用中是有效的。(本文来源于《计算机光盘软件与应用》期刊2014年14期）
李飒[8]（2013）在《数据流软聚类理论及其在瓦斯灾害预警中的应用》一文中研究指出针对现有数据流聚类算法的不足,提出一种基于云模型的数据流软聚类算法。从云概要数据结构、数据流软聚类算法,数据流软聚类的演化分析、孤立点挖掘、有效性评价以及多数据流聚类分析几方面进行了研究,并将该算法应用于瓦斯灾害预警中。提出了一种对数据流进行摘要表示的方法。通过云概要数据结构将数据在时间衰减权向量下进行了软划分,实现了云概要数据结构的表示、构建与维护。提出了基于云模型的数据流软聚类算法。算法在线数据处理层完成了对数据流信息摘要的提取,基于隶属度表示了数据对软微簇的隶属关系；离线聚类层通过寻找最大相似度的两个相邻软微簇进行合并以得到最终的软聚类结果。在真实和人工数据集上进行了应用与性能测试,实验结果表明：算法具有良好的效果和很高的效率。对基于云模型的数据流软聚类算法进行了拓展。提出了聚类生命周期的概念,从基于特征和基于增量二方面对聚类进行了演化分析；提出了局部隶属度孤立系数的概念,通过局部隶属度孤立系数实现了对孤立点的快速检测并对其产生原因进行了分析；提出了一种聚类有效性函数,克服了现有聚类评价指标的局限性,实现了对聚类的高效评价。提出了基于相关性的多数据流聚类算法。引入具有层次特点的数据云结点结构表示不同粒度的数据子序列；以各数据流的多层云结点数据结构实现了基于同步局域相关和异步局域相关的多数据流聚类。实验证明算法在处理多数据流聚类时有较高的聚类质量和稳定性。将基于云模型的数据流软聚类算法应用于瓦斯灾害报警与评价。提出了瓦斯监测数据流聚类分析应用系统的框架；实现了对瓦斯监测数据流的预处理；实现了根据监测数据流的灾害预警及安全等级评价。算法的实际应用为带有“数据流特征”的信息聚类问题提供了有应用价值的处理方法。最后,对全文进行了总结,并对有待于进一步研究的问题进行了展望。(本文来源于《辽宁工程技术大学》期刊2013-10-01）
马瑞新,邓贵仕,孟繁成[9]（2012）在《基于角色划分的文献软聚类算法》一文中研究指出传统的文献聚类算法根据分析文献关键词进行,忽视了文献之间的引用关系,导致了主题漂移和搜索精度不高的问题。针对引文网络中的聚类问题,受到优先情节和增长定律的启发,提出了一种基于角色划分的分层次的文献软聚类算法。首先根据文献之间的引用关系构造引用矩阵,进行结构挖掘;然后根据结构挖掘的结果为每一聚类构造聚类主题,进而进行关键词分析,精化聚类。实验结果表明,该算法能够有效地提高搜索精度和效率。(本文来源于《计算机应用研究》期刊2012年03期）
王红,王希诚[10]（2011）在《随机走步软聚类识别蛋白质网交迭功能模块》一文中研究指出认定蛋白质交互网中的功能模块对于理解细胞的组织结构,处理过程及其功能都是至关重要的。由于一个蛋白质可能具有多重功能因此蛋白质功能模块可能会相互交迭。然而,目前已有的一些识别功能模块的软聚类算法有如下两个缺陷:一是一些算法需要阈值来截断聚类;二是有些算法需要预设聚类数目。为了克服这两个缺陷,提出了随机走步软聚类识别算法来认定蛋白质交互网中的交迭功能模块。实验结果表明该算法在无需任何参数的情况下能发现一些重要的交迭功能模块。(本文来源于《计算机工程与应用》期刊2011年09期）
软聚类论文开题报告
（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：
现有的增量聚类算法虽然解决了数据增量和类簇重迭问题,但在距离度量时没有考虑属性重要度不同,且普遍拥有较高的时间复杂度。针对以上问题,提出一种基于属性重要度的加权叁支决策增量软聚类算法(W-TIOC-TWD算法),将属性重要度考虑到距离度量中,弥补了现有算法在聚类过程中将所有属性的重要程度视为相等的不足。该算法还引入离群点概念,降低了算法的时间复杂度。基于人工数据集和UCI数据集的实验结果表明,W-TIOC-TWD算法的聚类准确率优于比较算法。
（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。
软聚类论文参考文献
[1].王梓齐,刘长良,刘帅.基于集成NSET和模糊软聚类的风电机组齿轮箱状态监测[J].仪器仪表学报.2019
[2].申彦博,袁洁,纪淑娟,张纯金.加权叁支决策增量软聚类算法及性能分析[J].软件导刊.2019
[3].刘长良,曹威,王梓齐.基于模糊C均值软聚类工况辨识的风电功率短期区间预测[J].华北电力大学学报(自然科学版).2019
[4].张静静,杨燕,王红军,韩晓涛,邓强.一种新的软聚类投票法及其并行化实现[J].中国科学技术大学学报.2016
[5].焦鹏,于洪.软聚类中的重迭类型[J].昆明理工大学学报(自然科学版).2015
[6].顾思远,尹廷辉,岳振军.基于软聚类的模糊类语言模型[J].军事通信技术.2015
[7].徐浙君.一种基于采样遗传的文本软聚类方法[J].计算机光盘软件与应用.2014
[8].李飒.数据流软聚类理论及其在瓦斯灾害预警中的应用[D].辽宁工程技术大学.2013
[9].马瑞新,邓贵仕,孟繁成.基于角色划分的文献软聚类算法[J].计算机应用研究.2012
[10].王红,王希诚.随机走步软聚类识别蛋白质网交迭功能模块[J].计算机工程与应用.2011