《似然K均值聚类用于涡扇发动机气路故障诊断》PDF+DOC
作者:卢俊杰,黄金泉,鲁峰
单位:华北计算技术研究所
出版:《计算机工程与应用》2020年第09期
页数:6页 (PDF与DOC格式可能不同)
PDF编号:PDFJSGG2020090200
DOC编号:DOCJSGG2020090209
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于粒子群优化的嗅-味融合技术在啤酒辨识中的应用》PDF+DOC2016年第10期 刘晶晶,杨佳琳,Zhang Xiuyu,孙彬,张晓婷,门洪
《基于模糊C均值聚类的无线传感器网络节点定位算法》PDF+DOC2016年第08期 张传锦,李璐璐
《DBS雷达景象中的城区分割与匹配》PDF+DOC 阮钦锋,郑庆庆,朱鹏飞,韩亚军
《基于类云模型的c均值聚类航迹关联算法》PDF+DOC2013年第01期 车志宇,吴媛媛
《基于K-means的无线传感器网络分簇算法研究》PDF+DOC2012年第10期 蒋青云
《基于聚类的多平台协同数据关联算法研究》PDF+DOC2012年第03期 刘连柱
《树木生长量远程遥测数据失真支路识别方法》PDF+DOC2012年第02期 裴志永,李文彬
《基于遗传聚类的无线传感器负载均衡路由算法》PDF+DOC2011年第11期 朱永娇,阎巍,左伟明
《基于物联网的嵌入式酒驾智能辨识系统》PDF+DOC2012年第21期 李晓静,刘书伦
《基于CAN总线和K均值聚类方法的火灾预警系统研究》PDF+DOC2014年第10期 伍龙,梅申合,廖晓纬,沈晓波
K均值聚类算法是聚类领域最知名的方法之一,然而K均值聚类完全依赖欧式距离进行聚类,忽略了样本特征离散程度对聚类结果的影响,导致聚类边缘样本容易被误聚类,且算法易局部收敛,聚类准确率较低。针对传统K均值聚类算法的不足,提出了似然K均值聚类算法,对于每个聚类的所有样本考虑每个维度样本特征的离散程度信息,分别计算样本属于某一聚类的似然概率,能够有效提高聚类准确率。在人造数据集和基准数据集验证了似然K均值聚类算法的优越性,将其应用于涡扇发动机气路部件故障以及传感器故障的模式识别,验证了该算法在涡扇发动机故障诊断中的实用性和有效性。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。