一、基于模糊C均值与RS理论结合的模式分类方法及应用（论文文献综述）
李海啸[1]（2021）在《面向智能工厂的无线传感器网络定位技术研究》文中指出随着传感技术、无线通信技术、嵌入式技术、分布式处理技术和微电子技术等快速发展和成熟,无线传感器网络应运而生并广泛应用在智慧医疗、智能交通、军事侦查、智能家居、绿色环保、智能工业等领域。无线传感器网络由大量传感器节点组成,形成一个自组织、可扩展、点到点通信、多跳传输的无线网络,通过环境感知、信息融合和数据传输,将大量感知信息传递给观测者。在无线传感器网络的众多应用中,感知信息不仅仅包括感知数据,还应包括感知数据所在的具体位置信息,没有具体位置信息的感知数据是毫无意义的,因此节点定位技术是无线传感器网络的重要的、基础性的技术之一。而以无线传感器网络为主体的泛在感知计算网络是智能工厂的重要感知和监测基础。在智能工厂中,决策者或智能分析系统能够准确分析当前情况和决策采取下一步有效措施的重要依据是需要感知、采集大量的环境、人员、设备和能源等重要参数信息。大部分感知信息都是位置相关的,所以在智能工厂中,对自动引导小车的定位和轨迹追踪、对内部人员或外来人员的定位、对监测区域特征参数或事件的定位都离不开无线传感器网络定位技术。根据监测对象的数量和性质以及采用定位技术的不同,无线传感器网络定位算法主要分为:静态定位和动态定位、基于测距定位和基于非测距定位、单目标定位和多目标定位。此外定位技术还应满足定位时间和定位精度的要求。通过对国内外大量关于无线传感器网络定位技术相关文献的研究,掌握了当前备受大家认可的无线传感器网络定位技术,对无线传感器网络在智能工厂的不同应用领域中如何提高定位精度、减小定位时间、如何改善算法鲁棒性等方面进行研究。本文主要的研究内容和改进如下:（1）基于非测距的距离矢量—跳段（Distance Vector-Hop,DV-Hop）定位算法的研究。针对DV-Hop定位算法定位误差大的问题,本文提出了基于一般误差向量修正和基于模糊聚类的误差向量修正的DV-Hop定位算法。改进算法根据无线传感器网络拓扑结构（节点单一区域分布和节点分区域分布）构建相似度函数,利用锚节点与未知节点的最小跳数得到节点间的相似度值,再利用预设的相似度阈值选择与未知节点相似度达到一定条件的锚节点组成锚节点集合,对集合中的锚节点进行重定位得到锚节点的位置估计值,根据锚节点的真实位置和估计位置依据仿射空间原理得到每个锚节点的定位误差向量或修正向量,最后利用多个锚节点的误差向量或修正向量加权平均得到未知节点的定位误差向量或修正向量,进一步优化未知节点的估计位置。实验表明,改进算法能有效提高无线传感器网络不同网络拓扑下DV-Hop非测距定位算法的定位精度。（2）基于测距的三边加权质心定位算法的研究。针对基于RSSI测距的定位算法的定位精度受信号噪声和环境干扰较大的问题,对基于RSSI测距定位算法进行了三个方面的改进:首先,针对传统三边加权质心定位算法锚节点的选择不当导致定位误差大的问题,提出了双集合组合法寻找满足一定条件的三个锚节点用于三边定位。其次,针对RSSI测距容易受到环境噪声和设备脉冲信号的小概率大干扰事件影响造成RSSI测距精准度低的问题,提出了结合量子粒子群优化的模糊C均值聚类过滤算法以消除基于RSSI测距的小概率大干扰事件,再利用假设检验方法检验过滤后的RSSI三元组的准确性。最后,提出参考点加权质心定位算法解决了传统三边加权质心算法在噪声和脉冲干扰下定位成功率不高且误差较大的问题。实验通过CC2530传输模块和Tiny OS2开发平台验证了改进的三边加权质心定位算法的有效性。（3）针对移动无线传感器网络的蒙特卡罗定位盒子算法的研究。蒙特卡罗定位盒子算法是一种基于锚节点信息限制的蒙特卡罗样本抽样定位算法,可用于智能工厂中对移动目标的定位和跟踪。为解决蒙特卡罗盒子定位算法的采样效率低、迭代次数多、样本退化、采样随机性的问题,本文在传统蒙特卡罗定盒子定位算法的采样阶段,根据灰色系统预测理论增加了灰色模型预测采样功能,将在样本盒子中随机采样过程改进为根据前期的样本位置进行灰色模型预测采样,使预测样本与未知节点当前的真实位置更接近,因此采样预测更具有目的性、针对性和方向性,提高了采样效率,减少了迭代次数。实验仿真表明,改进算法能够有效防止随着时间段的增加而采样样本退化,显着提高智能工厂移动目标的定位精度,减少定位响应时间。（4）基于压缩感知的稀疏多目标定位算法研究。针对传统基于压缩感知多目标定位算法感知矩阵维数大、计算复杂度高、网格边长难以细化等问题,本文提出了基于压缩感知的两阶段多目标定位算法。在大规模定位阶段,将监测区域依据部署的传感器进行Voronoi图划分,将多目标确定在每个子区域中,并在所有子区域中进行贪婪匹配追踪算法重构目标稀疏位置向量,得到包含目标的候选网格。在精细定位阶段,对选出的候选网格依据网格最小边长定理进行细化,对每个子区域中候选网格组成的本地区域内采用1-稀疏度位置向量贪婪匹配重构算法得到目标所在的细化网格,并以细化网格作为目标的最终位置。基于压缩感知的两阶段多目标定位算法既提高了的定位精度,也减小了稀疏重构感知矩阵的维数,降低了算法复杂度,减小了定位响应时间。最后通过实验仿真验证了改进算法的效果,可以用于对智能工厂监测区域的稀疏多目标进行有效定位。（5）基于多维标度的协作式多目标定位算法研究。为解决无线传感网络多维标度定位精度容易受最短路径估计距离误差影响的问题,改善多维标度定位算法的初始估计位置,提出一种基于模拟退火优化的无线传感器网络多维标度定位算法。首先利用RSSI接受信号强度测距并建立距离矩阵,使用多维标度方法和锚节点信息得到节点的初始估计绝对坐标,再利用测距信息和节点的权重系数构造模拟退火优化算法的胁强系数,通过模拟退火优化算法良好的全局搜索能力不断迭代优化求解节点的最优位置。通过实验仿真验证了基于模拟退火优化的多维标度定位算法即使在C型网络和测距噪声存在的情况下也能够具有较低的平均定位误差和较高的网络覆盖率,而且非常适于应用在智能工厂基站数量少的环境。本文系统地研究了无线传感器网络基于测距定位和基于非测距定位、静态定位和动态定位、单目标定位和多目标定位的相关技术,提出了5种创新和改进方案,并通过大量的实验验证了所提算法的有效性和可行性。实验结果表明,本文所提的5种定位方案是无线传感器网络定位技术的重要创新和改进,可以应用在智能工厂无线传感器网络多个定位领域,有非常重要的现实意义和应用价值。
陈海兰[2]（2021）在《面向聚类及预测的时间序列信息粒化方法研究》文中提出随着信息技术的发展,经济管理领域中产生并存储着大量的时间序列数据,运用数据挖掘算法可以挖掘出数据中潜在的、有价值的知识和信息以支持管理和决策活动。但这些时间序列数据通常都具有显着的高维性特征,若对其直接运用数据挖掘算法,会造成过高的计算复杂度,且数据挖掘结果也会受到影响。粒计算是一种模拟人类求解问题思维和解决大数据复杂任务的新方法,该理论的主要思想是将复杂问题抽象、划分转化为若干较为简单的问题（即粒化）,从而有助于更好的分析和解决问题。本文将粒计算的粒化思想引入时间序列分析中,通过对时间序列进行信息粒化,将原始高维时间序列粒化为低维粒时间序列,构造的信息粒能够刻画和反映原始时间序列数据的结构特征,从而实现高效降维,为后续的数据挖掘工作奠定基础。本文针对时间序列的信息粒化问题,从时间轴和论域两个方面提出了三种不同的时间序列信息粒化方法:基于波动点的时间序列时间轴信息粒化方法、基于云模型的时间序列时间轴信息粒化方法和基于论域信息粒化的模糊时间序列预测方法,并应用于股票时间序列数据进行聚类和预测分析,为股票的投资选股问题及涨跌趋势的判断问题提供决策建议。主要研究内容和创新性研究成果如下:（1）在时间序列的时间轴方面,针对低频时间序列的结构特征,提出了基于波动点的时间序列信息粒化方法及粒时间序列相似性度量方法。首先,提出了基于波动点的时间序列信息粒化方法,通过识别波动点对原始时间序列进行信息粒划分,进而使用线性函数对划分后的信息粒进行描述得到粒时间序列,解决了传统时间序列降维方法中对于时间轴的硬划分问题,在降维的同时能更有效地提取时间序列的结构特征。其次,针对粒时间序列提出了相应的相似性度量方法。最后,在标准数据集上进行了聚类实验,实验结果表明运用所提出的信息粒化方法和相似性度量方法能够提高聚类结果的准确性;并在科创板股票数据集上进行了算法的实际应用研究,研究结果可以给投资者在科创板股票市场选股时提供参考。（2）在时间序列的时间轴方面,针对高频时间序列的结构特征,提出了基于云模型的时间序列信息粒化方法及粒时间序列相似性度量方法。首先,提出了基于云模型的时间序列信息粒化方法,在不需要事先指定信息粒划分个数的情况下,可以自适应地将时间序列粒化表示为若干个正态云,该方法针对高频时间序列具有更好的降维效果。其次,针对粒化后的云模型序列提出了相应的相似性度量方法。最后,在具有高频特征的标准数据集上进行了聚类实验,实验结果表明运用所提出的信息粒化方法和相似性度量方法能够提高聚类结果的准确性;并在具有高频震荡特征的沪深A股股票数据集上进行了算法的实际应用研究,研究结果可以给投资者在A股市场上选股投资时提供参考。（3）在时间序列的论域方面,提出了基于模糊C均值聚类和信息粒化的时间序列论域划分方法,并基于论域划分结果提出了时间序列预测方法。首先,运用模糊C均值聚类方法对时间序列的论域进行初始划分,然后提出了基于信息粒化的论域划分优化算法,该方法将聚类算法和信息粒化方法相结合来划分论域,提高了样本数据划分的准确性和可解释性。其次,针对时间序列信息粒化后的论域划分结果,给出了时间序列的模糊预测方法,该方法将精确的时间序列数据转化为符合人类认知形态的语义值构成的时间序列,通过对这些语义值构建模糊逻辑关系来描述时间序列的动态演变过程,得到其模糊变化规则并进行预测,提高了预测结果的可理解性。最后,在台湾加权股价指数（TAIEX）数据集上进行了预测实验,实验结果表明运用所提出的时间序列信息粒化方法进行时间序列预测能够提高预测结果的准确性;并在上海证券综合指数（SHCI）数据集上进行了算法的实际应用研究,研究结果可以帮助投资者了解未来股票市场的走向,为其调整投资策略时提供参考。
张梦璠[3]（2020）在《基于模糊聚类的工业控制系统异常检测技术研究》文中研究指明工业控制系统的安全可靠运行对国家安全、人民生活和社会经济具有重要意义。但是,工业控制系统既面临信息化与工业化深度融合带来的传统信息安全威胁,又面临着来自内部脆弱性引发的异常情况。一旦发生异常,可能造成产品质量下降、停产甚至爆炸等严重后果。因此,研究面向工业控制系统的异常检测技术具有重要意义。本文面向工业控制系统的物理空间,进行异常检测技术的研究。具体研究以下几方面内容:（1）以田纳西一伊斯曼过程（Tennessee Eastman,TE）作为典型的工业控制系统,分析TE过程的异常情况。首先综述TE过程的工艺流程、控制策略和相关的过程变量。然后,建立TE过程的机理模型,为后续分析提供模型支撑。最后,围绕TE过程生产的稳定性和安全性,分析TE过程可能的安全场景。（2）考虑到工业控制系统具有数据量大、难以标记、包含多种安全场景等特征,提出一种基于模糊C均值聚类算法（Fuzzy C-Means,FCM）的工业控制系统异常检测方案。首先利用FCM算法对TE过程的历史数据聚类,获得各个安全场景的聚类中心,然后利用场景的定义对聚类结果标注标签。在线检测时计算检测点隶属于各个场景的值,基于此将检测点归类为隶属度值最大的场景。这种异常检测方案既能够检测出系统当前所处的安全场景,采取相应的处理措施,又避免了不必要的异常报警。（3）考虑到基于FCM算法的异常检测方案检测性能较差的问题,提出一种基于特征加权FCM算法的异常检测方案。首先利用ReliefF算法计算各个特征的权重,接着利用权重向量优化FCM算法中的相似度计算,增强相关特征对聚类的贡献。最后使用FCM算法建立安全场景模型,实现基于安全场景决策的异常检测。优化后的异常检测方案考虑了各个特征对聚类的不同贡献,能够提高检测性能。（4）考虑到TE过程的各个工艺单元之间耦合紧密,异常的传播易跨越多个单元,提出一种基于生产工艺耦合的层次化异常检测方案。首先分别面向不同的工艺单元建立一套异常检测系统,然后对检测点进行并行化检测,接着根据各个系统的检测结果进行综合决策,选取最危险的场景作为最终的检测结果,最后采取对应的处理措施。层次化异常检测方案考虑了 TE过程各个重要的工艺单元,避免了由于无法检测其他工艺单元异常而引发的事故。
蒋晨琛[4]（2020）在《空间数据驱动的城市安全态势分析 ——以B市主城区为例》文中研究说明数据驱动下的城市安全态势分析是指以公共安全事件数据为基础,从数据驱动视角识别安全威胁,进而通过基础数据呈现对“态”的分析,并利用模型预测进行“势”的防控,对城市进行安全态势的分析有利于提高响应速度、降低威胁程度,对于城市安全响应及应急处理能力等方面具有重要意义。论文以基于派出所的泰森多边形为研究单元,围绕B市主城区2016年至2017年五类刑事案件,通过全局和局部Moran’s I指数检验犯罪案件空间格局的分布模式,采用核密度估计法识别犯罪点模式下的风险热点,利用标准差椭圆、趋势分析探究B市主城区犯罪案件的时空演变特征。在时空分析的基础上,对犯罪热点区域的空间影响因素进行深入探讨。综合运用空间兴趣点（Point of Interest,POI）与多时相高分二号遥感影像等多源数据,对可能的地理空间影响要素进行获取、解译和显示,采用统计分析中的相关分析和主成分分析（Principal Component Analysis,PCA）提取犯罪相关影响因子,并解释以上相关地理空间因子对五类城市犯罪空间分布的影响。最后,论文基于上述犯罪相关因子作为初始解释变量,引入Johnson解释变量和PCA第一主成分因子建立最小二乘法模型（the Ordinary Least Squares model,OLS）和地理加权回归模型（Geographically Weighted Regression model,GWR）,探究自变量影响因子与因变量犯罪率之间的关系,构建拟合度较高的犯罪预测模型,从而洞悉和评估城市安全风险。研究发现:在遥感信息提取的过程中,采用PCA降维技术和模糊C均值聚类算法（Fuzzy c-means,FCM）、K均值聚类算法（K-means）对高分二号遥感影像进行多尺度分割,为支持向量机SVM分类器（Support Vector Machine,SVM）面向对象的分类过程奠定基础,对比原始聚类算法的分割结果,均表明联合PCA预处理的聚类算法能得到更高质量的分割结果;在时空分析上,研究区域在六至七月份呈现犯罪率高值的时态特征,具有“东西”走向且“离心型犯罪化”的空间表现;通过16个初始影响因素相关分析,其中有10个变量对犯罪率存在较强的正相关影响,并采用全局Moran’s I指数检验变量之间较强的空间自相关性,引入主成分分析建立基于主成分因子的最小二乘法模型和地理加权回归模型,消除影响因子强相关性;在回归模型检验上,基于PCA分析与Johnson检验的OLS、GWR模型具有较高的拟合度。此研究结果可为犯罪高风险区域精准防控提供指导,对风险因子分析和犯罪预测建模提供参考。
高炜[5]（2020）在《滚磨光整加工数据库平台研发及工艺方案决策方法研究》文中指出滚磨光整加工技术是一种普适性很强的旨在提高零件表面质量、改善零件表面完整性的基础制造工艺技术,已在传统制造及高端装备制造领域广泛使用。国际权威专家Cariapa指出,机械零件中约有50%可以采用滚磨光整加工提高零件表面质量。滚磨光整加工工艺系统的专业性与复杂性,使得全产业链内企业之间存在工艺供需信息盲区,严重制约滚磨光整加工技术在制造领域的优势发挥。以长期工艺研发实践积累的大量工艺实例和开放式汇集的典型实例为基础,研发滚磨光整加工数据库平台并探索工艺方案决策的智能化方法,助推有效加工信息资源的合理共享,是全产业链企业转型升级、提质增效重要而现实的课题,对进一步拓宽滚磨光整加工技术的应用有着十分重要的意义。本课题的主要研究目的:一是研究滚磨光整加工数据库的构建模式,满足现阶段全产业链企业对滚磨光整加工要素信息直接获取的实际要求。二是研究工艺方案决策智能化方法及应用策略,使不同用户可根据自身需求通过数据库获得所期望的解决方案,包括使用的设备、磨块、磨剂及加工参数等方面的信息。首先,通过对滚磨光整加工流程分析,构建了加工过程信息资源及集成模型;数据库系统开发的建模表示方法采用集成化计算机辅助制造定义（IDEF）和统一建模语言（UML）结合的图形化描述方法;由功能模型、组织模型、信息模型、知识模型和过程模型组成数据库建模方法体系,建立了以过程模型为核心的滚磨光整加工数据库集成关系;建立了滚磨光整加工数据库的视图层、方法层和应用层三层体系结构,能实现全产业链中企业加工环境和基础结构的集成,为数据库平台构建奠定了模型和体系基础。剖析加工实例,以加工对象和加工要求为主要特征对应加工工艺方案的思想构成案例并集合成案例库,实现了加工实例的案例化表征;提出采用减法聚类的模糊C均值聚类改进算法（S-FCM）寻找特殊案例并加以保存,以提高其聚类质量;将其余案例通过两两相似度对比,删除冗余案例,从而合理有效地优化案例库。采用自主研发的滚磨光整加工数据库平台已有的合格案例进行了大量的仿真研究,结果表明,所提出的方法能合理筛选并删除案例库中的冗余案例,除节省案例存储空间外,使案例检索效率明显提高,可以满足对生产现场的实时调控。该方法原理简单、步骤清晰,可用于智能化滚磨光整加工工艺制订和生产过程中工艺参数后续优选的数据库平台。为了智能化优选工艺方案,提出一种分级递进的融合决策理论。依据加工工艺数据库构建的工艺案例库,首先采用加权案例推理技术（WCBR）,寻找与新问题匹配的原有案例,以便快速找到问题的解;如果没有找到匹配案例,则借助模糊专家系统（FES）,充分挖掘已有案例中的知识,通过区间值模糊推理,寻找新问题的相似案例。其中,具体提出了一种变权重案例推理方法,基于层次分析法确定案例特征权重,明确了案例分级检索步骤和案例特征相似度计算办法,仿真研究了案例库中已有案例、相似案例及差异较大案例等情况,讨论了特征判断矩阵对优选结果的影响程度,仿真结果表明:采用WCBR可以快速、准确地找到案例库中与新问题匹配的案例。另外,针对不能检索到匹配案例的情况,提出了滚磨光整加工工艺优选的模糊专家推理模型,以滚抛磨块优选为例详细阐述了区间值模糊规则的构建,根据实际加工的成功案例确定各特征值等级范围及隶属区间,并与滚抛磨块参数建立联系,利用产生式规则表示法建立区间值模糊规则;通过层次分析法确定模糊规则中各特征属性的权重,并采用区间值模糊推理算法进行滚抛磨块参数优选推理机的设计;采用大量的测试案例进行了实验仿真,结果表明:模糊专家推理优选模型能够在案例推理的基础上提升新问题与旧案例之间的相似度,在满足加工要求的同时,能够快速、准确、合理地优选出待加工零件所需的滚磨光整加工工艺。构建了包括物理资源层、虚拟资源层、数据管理服务层、应用接口层和用户层核心平台的滚磨光整加工数据库开发总体框架和功能结构。基于Oracle数据库管理系统、C#和Python开发语言、Microsoft Visual Studio 2017集成开发环境和B/S网络结构模式,完成了数据库平台程序开发,多维度展示了平台的实用情况。从某大型航空发动机生产企业应用光整加工数据库的实际需求出发,实现了企业特殊的工序模板生成功能扩展,建立了与企业PDM系统的数据接口。生产应用表明,工序模板功能有助于工艺规范,整体数据库平台应用使企业专项工艺信息资源整合、积累并共享,对提质增效和信息化管理发挥了积极作用。本文研发的滚磨光整加工数据库平台及工艺方案决策方法,可以直接应用于全产业链企业的专项工艺决策及管理升级,为滚磨光整加工行业产业持续提质增效提供了理论支撑和实践探索。也为其他制造技术乃至工业领域构建数据库平台并进行智能化应用提供了有益的参考。
张翔[6]（2020）在《基于ANP-DEMATEL法的平衡计分卡绩效管理研究 ——以RS地产公司为例》文中指出人力资源管理是影响现代地产公司核心竞争力的关键性因素,而人力资源管理中一个至关重要的问题,就是员工的绩效评价。员工的表现,如能力、知识、技能和其它能力对企业的组织具有重要意义,然而由于人性、管理成本、评价者的主观性等使得这个过程是如此复杂。此外,指标维度的确定、权重的赋予、绩效数据的评价方式等也对地产公司管理者提出了多方面的挑战。绩效管理主要目标是经过某些标准对员工进行评估,目的在于评估员工之间的差异以及他们未来的表现,因此,通过建立完整、合理的绩效考核指标体系,对员工的绩效价值进行科学评价,对于房地产公司提升自身绩效管理能力,减少绩效管理成本以及增强公司自身核心竞争力等均有不可言喻的重要性。本文在已有研究的基础上继续作了以下研究:（1）把模糊理论应用到绩效评价问题中,并以此作为后续绩效评价的理论基础。（2）通过德菲尔法、模糊DEMATEL法、模糊ANP法等,结合现有理论和研究有效确定评价指标和权重。（3）借鉴模糊C均值算法在其他领域分类中的成功应用,将其用于绩效评价数据处理和分级,并通过大样本数据实证研究证明了其可行性与优势。（4）根据RS公司绩效评价的现状,通过发放电子调查问卷分析其不足,将上述研究内容应用于RS房地产公司销售人员绩效评价。本文得出以下结论:（1）德菲尔法结合平衡计分卡理论法的应用可以全面地统计房地产销售类常用指标并可以根据BSC理论将其科学的分为不同的维度,保证了备选指标的全面性与科学性。（2）BSC与模糊ANP-DEMATEL法相结合的综合分析方法,可以构建包含所有维度所有指标的网络关系图,并可以在数学矩阵比较出所有指标的重要程度及优先级,使得指标筛选及权重赋予的科学性大大提高,最终实现较为全面合理的销售人员绩效评价体系,因此研究分析成果具有很大的实践应用价值。（3）FCM算法应用于房地产企业评价数据的分析及绩效的分级,通过实证研究表明,该方法即解决了总分累积所导致的单指标效应失效问题,又可以根据各指标评价数据自动进行更为科学的软聚类。管理人员可以根据实际需要做出调整,输出结果也更为多样,比加总方法更为灵活和精确。FCM算法还具有计算速度极快的优点,极大地节约了评价数据分析的时间、经济成本。
彭锦程[7]（2020）在《非侵入式反窃电算法与自动识别系统设计》文中研究指明新时代下,繁华美好的世界背后往往离不开电力的保障。保护电力资源作为“十三五”能源规划发展纲要的组成部分,是我国经济高速发展的重中之重,我国是一个电力资源不富裕的国家。并不能完全实现“电力自由”。然而随着中国经济腾飞的同时窃电问题日益严重,其原因是因为经营者为了降低用电成本获取巨大经济利润。同时随着窃电方式隐蔽化、高科技化,我国每年电网线损远远高于其他发展中国家。据调查,私营企业加工厂、电解金属、餐饮、集体企业等传统行业窃电情况严重,并且随着金融和IT互联网的结合衍生出诸如区块链、比特币“挖矿”、期货交易等暴利行业,这些行业都是窃电的“大头”。这些行业在给国家造成严重的电力资源损失的同时,也为国家电网的安全埋下了隐患。传统的反窃电方法一般分为防止破坏计量端装置措施和通过分析窃电数据进行窃电识别,防止破坏计量端装置措施一般有将计量电表进行密封,规范电表安装接线,强化辅助计量设备等措施。而窃电数据的采集一般是通过人工查表和侵入式电力监测系统来获取,这种反窃电方式在系统的成本、复杂度、智能化、稳定性方面有所不足和欠缺。本文在结合中外对非侵入式电力监测和反窃电的研究基础上,提出将非侵入式电力监测算法应用在反窃电技术上。该应用由于是采用非侵入式装置,改变了原来需要在每一家用户家中电表上安装采集传感系统,仅通过对总线入口处的电流、电压、功率及谐波等负荷特征进行测量、分析,便可精准的识别分析窃电行为,解决了采集端和识别端的简约化智能化的问题。本文的研究内容有如下4点:1.本文研究总结了传统窃电原理和手段,并对诸如高频干扰窃电和光伏窃电这些利用高科技手段的窃电方式进行研究,此外还对窃电行为特征包括电流、电压、功率、相位、线损等常规用电特征参数提取进行了研究。2.对非侵入式反窃电算法进行了研究,主要涉及到非常规用电特征参数谐波检测算法,包括采用非侵入式谐波特征提取,主成分分析降维,模糊C均值聚类离群点检测分析,引入隶属度和模糊度的概念分析谐波异常数据。3.根据前面的分析研究设计出一套非侵入式反窃电自动识别系统,该系统可以对电流、电压、功率、相位等常规用电特征参数进行提取,并利用非侵入式反窃电算法对谐波这种特殊特征参量进行采集和处理。主要通过互感器和ATT7022B计量电路对电流、电压、功率、相位、谐波等用电特征参数采集提取,接着采用简化、降维、小波等方法对特征数据进行预处理,构建出一套可以识别窃电行为的分析模型,最后根据窃电识别模型识别诊断出用户异常用电结果,来判断窃电用户嫌疑。4.对系统的核心元器件互感器和ATT7022B计量芯片进行调试,并采用NI Multisim及Matlab等工具分别对窃电行为时的电流电压特征及模糊C均值聚类谐波离群点进行仿真分析。本文通过对非侵入式反窃电算法和系统的研究,改变了以往只能通过人工查表和侵入式电力检测系统获取窃电数据的模式,有效地将非侵入式电力监测应用到反窃电工作中去,节约了反窃电成本和人力物力,提升了电网计量系统的稳定性和可靠性,改善窃电识别的预测精度,为以后例如通过非侵入式电力监测识别一些常见的用电异常特征提供很好的借鉴思路。
王亚茹[8]（2019）在《肺癌的辅助检测方法及影响肺癌的空气污染因素研究》文中研究表明目前肺癌发病率和死亡率均位于恶性肿瘤之首,对人类健康造成严重威胁。居高不下的肺癌发病率和死亡率是多方面因素影响的结果。首先,肺癌筛查主要采用的CT技术,是形态性病变检测方法,很难发现处于功能性病变期的早期肺癌,使患者错过最佳治疗时机。电阻抗层析成像（Electrical Impedance Tomography,EIT）技术作为新型功能性成像方法,在早期肺癌筛查方面具有非常好的发展前景,然而其空间分辨率远低于临床要求。其次,目前CT图像中肺结节的检测依靠人工阅片,繁重工作负担易造成不同程度的误诊和漏诊。再次,空气污染物已成为肺癌的主要致病因素之一,对肺癌发病率有着不容忽视的影响。基于以上背景,本文深入研究了肺组织的电学特性和肺癌EIT检测,基于CT图像的肺结节计算机辅助检测,以及空气污染物对肺癌发病率的影响,初步探索了肺癌组织CT图像特征与组织电导率之间的关联性,具体内容及结果如下:1、基于人体活性肺癌组织和肺正常组织的实测复阻抗数据,研究不同类型组织的阻抗模型、阻抗及介电频谱特性。建立肺部电导率分布模型,研究电导率分布及发生癌变后的电导率变化特性。结果表明:左肺的电导率整体上大于右肺,不同肺叶的电导率存在明显差异,呈现一定的规律性。左、右肺组织癌变后的电导率平均增长率分别为34.6%和31.4%,整体上平均增长33.5%;左肺下叶后基底和右肺上叶区域癌变电导率变化最为明显。将肺部电导率分布先验信息融入Tikhonov正则化图像重建算法（PI-TR）,并提出基于待检测目标的面积占比求解正则化参数的算法（AP-SPR）,与现有算法进行肺癌EIT检测对比实验。结果显示:相对于现有Tikhonov正则化（TR）算法,PI-TR算法重建图像的相对误差平均降低47.1%,相关性平均提高35.3%;相对于现有L曲线法,AP-SPR算法使TR和PI-TR重建图像的相对误差平均降低9.2%,相关性平均提高29.9%。2、提出无监督的聚类有效性指标（MSO指标）,不依赖任何聚类算法评估模式集的最佳划分类数,克服了现有聚类有效性指标的有监督性（依赖指定的聚类算法）、鲁棒性差和效率低的局限性。分别采用基于MSO指标、现有XB指标和现有PC指标的模糊C均值聚类算法（分别记为M-FCM、X-FCM和P-FCM）进行肺结节检测对比实验。结果显示:较X-FCM,M-FCM使肺结节检测的准确率平均提高3.3%,检测效率平均提高80.9%;较P-FCM,M-FCM使肺结节检测的准确率平均提高7.35%,检测效率平均提高74.6%。验证了MSO指标能够有效提高聚类算法肺结节检测的准确率及检测效率,更好地辅助医师解读CT图像及检测肺结节。3、提出基于扩展的?模糊测度的Choquet积分关联分析方法,不但评估典型空气污染物对肺癌的不同类型以及不同性别人群的影响,并且评估不同空气污染物之间的交互作用。提出基于粗糙集理论的规则挖掘方法,客观挖掘空气污染物与肺癌发病率间的关联规则。以天津市空气污染与肺癌发病率数据为例进行评估实验,并将评估结果与现有的主要评估结果进行对比,将本文方法与现有方法进行对比,分别验证本文评估结果及方法的可靠性。评估结果显示:SO2、PM2.5、NO2和O3是肺癌的主要影响因素;SO2、NO2和CO对鳞癌的影响较明显,O3、PM2.5和PM10对腺癌的影响较为突出;男性对SO2较女性敏感,而女性对PM10较男性敏感;O3和PM2.5之间,SO2、PM2.5和PM10之间分别存在明显的正交互作用;而SO2、O3和PM10之间,SO2、NO2和PM10之间,以及SO2、NO2和CO之间分别存在负交互作用;交互作用的程度对于腺癌和鳞癌有较大差异。4、初步探索肺癌组织CT图像特征与组织电导率之间的关联性。通过相关和回归分析,建立了腺癌组织CT图像特征惯性矩标准差（纹理特征）与组织电导率之间的回归模型,一定程度上揭示了腺癌组织的CT图像惯性矩标准差与其电导率之间的关联性,为根据腺癌组织的CT图像特征挖掘其电导率信息提供参考。
王晨曦[9]（2019）在《粗糙集理论在属性约简及模糊聚类中的应用研究》文中提出粗糙集理论作为可以用来处理不确定性问题的一种重要数据分析方法,能够根据数据对象间的不可分辨关系获取知识而不需要任何先验知识。粗糙集理论为解决软计算问题提供了新的理论框架,在数据挖掘中具有广泛的应用空间。本文在详细阐述粗糙集理论的基础上,深入探讨粗糙集理论在属性约简及模糊聚类中的应用。属性约简和聚类一直是数据挖掘领域中的研究重点。随着计算机技术和通信技术的发展,数据集变得愈加复杂,数据集内部存在着大量的冗余属性和噪声数据。属性约简可以有效降低数据集的维度,减少属性冗余。模糊聚类是一种应用广泛的软聚类方法,但在应对噪声数据的时候缺乏有效的处理方式,常导致聚类效果不够理想。将粗糙集理论应用于属性约简和模糊聚类中,能够促进粗糙集理论与数据挖掘的融合发展,提升数据挖掘的效果。本文主要的工作有:1)在粗糙集理论的拓展模型中,介绍了一种基于属性重要度的属性约简算法,并指出该算法在约简中忽视了条件属性之间的相关性,常导致约简结果不理想。为此,本文提出了一种基于属性最大重要性和最小相关性的属性约简算法,该算法在进行属性选择时,充分考虑了属性的重要性和属性之间的相关性,能够有效降低属性的数量,提升约简的质量。2)为了应对模糊C均值聚类算法对噪声点敏感和收敛速度过慢的问题,提出了基于粗糙集的抑制模糊聚类算法。该算法根据粗糙集理论的相关概念,重新定义了模糊C均值算法的隶属度公式以提高聚类的效果;此外,该算法还设置了一个抑制因子,在保证聚类效果的前提下,提升了算法的收敛速度。
赵兴旺[10]（2019）在《大规模复杂数据聚类算法研究》文中认为作为一种重要的无监督机器学习方法和典型的数据挖掘技术,聚类分析已得到学术界和企业界的广泛关注.近年来,根据不同应用领域的需求,研究者已经发展了一系列聚类模型和算法,并在图像处理、信息检索、社交网络和生物信息学等领域的数据分析中扮演着重要角色.然而,随着大数据、物联网等一系列新兴技术的快速发展与广泛应用,社会活动、科学研究、移动互联网等诸多领域积累了大量复杂数据.需要处理的这些数据呈现出样本规模的海量性、特征规模的高维性、特征表示的混合性、内在结构的复杂性等特点.无论从模型、算法还是应用层面,均给聚类分析提出了严峻挑战.因此,如何从大规模复杂数据中挖掘隐含的类结构成为了一个富有挑战性的研究课题.本文针对数据的大规模性、高维性、混合性、复杂性等特点,采用抽样、子空间聚类、聚类集成、图压缩等技术系统地开展了聚类分析模型与算法的研究.具体地,本文的主要研究内容及取得的研究成果如下:（1）针对大规模数据聚类算法面临的计算效率低下的问题,提出了一个基于分层抽样的聚类算法框架.与其他大多数基于抽样的聚类算法相比,提出的框架在抽样过程中考虑了数据集的分布信息.一个包含大量数据对象或方差较大的数据层应该被抽取更多的数据对象来代表原始数据,这种差异有利于产生更具代表性的样本子集和更好的部分聚类结果.大量实验验证了提出算法的有效性和高效性.（2）针对高维混合数据聚类的有效性问题,提出了一种高维混合数据软子空间聚类算法.首先,为了更加准确客观地度量对象与类之间的差异性,设计了一种针对混合数据的扩展欧氏距离;其次,通过融合不同类型信息熵,实现了对类结构的类内、类间的不确定性度量,并基于此给出了针对各个类的特征加权方法.在真实数据上,验证了提出算法的有效性.（3）针对聚类集成中基聚类质量以及他们之间的差异性问题,提出了一种基于信息熵的混合数据序列化基聚类生成算法.该算法针对数值型数据和分类型数据分别利用微分熵和互补熵建立了统一的聚类结果有效性评价准则.基于该准则和归一化互信息,能够有效生成聚类质量高、差异性强的基聚类成员.系列实验验证了该算法的有效性.（4）针对聚类集成算法集成过程中基聚类贡献不同的问题,提出了一种分类型数据的聚类集成选择算法.该算法利用5种常用的分类型数据内部有效性评价指标和归一化互信息分别度量基聚类成员的质量和差异性.通过迭代式地选择聚类质量高且差异性强的基聚类参与集成获得了更加准确的聚类结果,在多个真实数据集上通过实验验证了提出算法的有效性和鲁棒性.（5）针对大规模复杂网络聚类分析计算效率低下问题,提出了一种基于图压缩的大规模社交网络聚类算法.根据社交网络中节点具有幂律分布的特点,该算法通过压缩度数较低的节点获得规模较小的压缩图,基于压缩图进行聚类分析,最后将部分聚类结果传播到整个社交网络.该算法在保证聚类质量的前提下,提高了计算效率.进一步将该算法应用到社会化推荐中,有效地提高了推荐算法的计算效率.本文取得的研究成果不仅丰富了聚类分析的研究内容,而且可为社交网络和生物信息学等领域中的数据分析提供技术支持。
二、基于模糊C均值与RS理论结合的模式分类方法及应用（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、基于模糊C均值与RS理论结合的模式分类方法及应用（论文提纲范文）
（1）面向智能工厂的无线传感器网络定位技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 论文研究背景 |
| 1.1.1 智能工厂概述 |
| 1.1.2 智能工厂实时定位系统 |
| 1.2 无线传感器网络技术 |
| 1.2.1 无线传感器网络概述 |
| 1.2.2 无线传感器网络组成 |
| 1.2.3 无线传感器网络特点 |
| 1.3 无线传感器网络定位技术 |
| 1.3.1 无线传感器网络定位原理 |
| 1.3.2 无线传感器网络定位种类 |
| 1.3.3 测距和非测距定位技术 |
| 1.3.4 无线传感器网络定位算法的性能指标 |
| 1.4 本文的研究内容及结构安排 |
| 1.4.1 研究内容及意义 |
| 1.4.2 本文的组织结构 |
| 第2章 基于非测距的DV-Hop定位算法研究 |
| 2.1 引言 |
| 2.2 基于非测距的定位算法 |
| 2.2.1 非测距定位算法原理 |
| 2.2.2 常见非测距定位算法 |
| 2.2.3 DV-Hop定位算法的相关研究 |
| 2.3 DV-Hop定位算法原理 |
| 2.4 DV-Hop定位算法的误差来源 |
| 2.4.1 网络结构原因 |
| 2.4.2 定位算法原因 |
| 2.4.3 信号传输原因 |
| 2.5 仿射空间原理 |
| 2.6 基于误差向量修正的DV-Hop定位算法 |
| 2.6.1 建立锚节点信息列表 |
| 2.6.2 修正锚节点的选择策略 |
| 2.6.3 修正初始估计位置 |
| 2.6.4 基于误差向量修正的DV-Hop定位算法流程 |
| 2.6.5 基于模糊聚类误差向量修正的DV-Hop定位算法流程 |
| 2.6.6 两种改进的DV-Hop定位算法分析 |
| 2.7 实验分析 |
| 2.7.1 实验环境设置 |
| 2.7.2 实验结果分析 |
| 2.8 本章总结 |
| 第3章 基于测距的三边加权质心定位算法研究 |
| 3.1 引言 |
| 3.2 基于测距的无线传感器网络定位算法 |
| 3.3 三边加权质心定位算法 |
| 3.3.1 基于RSSI测距的定位原理 |
| 3.3.2 三边加权质心定位算法原理 |
| 3.4 量子粒子群优化算法 |
| 3.5 模糊C均值聚类算法 |
| 3.6 改进的三边加权质心定位算法 |
| 3.6.1 双集合组合法 |
| 3.6.2 利用模糊C均值聚类法计算RSSI准确值 |
| 3.6.3 参考点加权质心定位算法 |
| 3.7 实验分析 |
| 3.7.1 实验环境设置 |
| 3.7.2 实验结果分析 |
| 3.8 本章总结 |
| 第4章 基于灰色模型预测的蒙特卡罗盒子定位算法研究 |
| 4.1 引言 |
| 4.2 移动无线传感器网络 |
| 4.2.1 移动无线传感器网络概述 |
| 4.2.2 移动无线传感器网络在智能工厂的应用 |
| 4.2.3 移动无线传感器网络定位 |
| 4.3 动态定位算法和静态定位算法的比较 |
| 4.4 移动无线传感器网络定位算法的研究 |
| 4.5 动态定位算法的特点 |
| 4.6 灰色模型预测原理 |
| 4.7 蒙特卡罗定位和蒙特卡罗定位盒子原理 |
| 4.7.1 蒙特卡罗定位算法 |
| 4.7.2 蒙特卡罗定位盒子算法 |
| 4.8 基于灰色模型预测的蒙特卡罗定位盒子算法 |
| 4.8.1 GMMCB定位算法原理 |
| 4.8.2 GMMCB定位算法流程 |
| 4.9 实验分析 |
| 4.9.1 实验环境设置 |
| 4.9.2 实验结果分析 |
| 4.10 本章总结 |
| 第5章 基于压缩感知的多目标定位算法研究 |
| 5.1 引言 |
| 5.2 无线传感器网络稀疏多目标非协作式定位 |
| 5.3 压缩感知技术原理 |
| 5.3.1 压缩感知技术 |
| 5.3.2 稀疏信号表达 |
| 5.3.3 稀疏信号采样 |
| 5.3.4 稀疏信号重构 |
| 5.4 压缩感知技术的应用 |
| 5.5 基于压缩感知的定位研究 |
| 5.6 基于压缩感知的定位原理 |
| 5.6.1 基于压缩感知的定位模型 |
| 5.6.2 信号传播衰减测距模型 |
| 5.7 基于压缩感知的两阶段定位算法 |
| 5.7.1 大尺度定位阶段 |
| 5.7.2 精细化定位阶段 |
| 5.8 实验分析 |
| 5.8.1 实验环境设置 |
| 5.8.2 实验结果分析 |
| 5.9 本章总结 |
| 第6章 基于模拟退火优化的多维标度定位算法研究 |
| 6.1 引言 |
| 6.2 无线传感器网络少基站多目标协作式定位 |
| 6.3 多维标度定位算法及相关研究 |
| 6.3.1 多维标度定位相关研究 |
| 6.3.2 信号强度距离衰减模型 |
| 6.3.3 多维标度定位原理 |
| 6.3.4 MDS-MAP定位误差分析 |
| 6.4 模拟退火优化算法 |
| 6.5 基于模拟退火优化的多维标度定位算法 |
| 6.5.1 改进定位算法原理 |
| 6.5.2 改进定位算法流程 |
| 6.6 实验分析 |
| 6.6.1 实验环境设置 |
| 6.6.2 实验结果分析 |
| 6.7 本章总结 |
| 第7章 总结和展望 |
| 7.1 全文总结 |
| 7.2 研究展望 |
| 参考文献 |
| 附录 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（2）面向聚类及预测的时间序列信息粒化方法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 引言 |
| 1.1 研究背景 |
| 1.2 研究意义 |
| 1.3 论文框架与研究内容 |
| 1.4 研究创新点 |
| 2 理论基础与文献综述 |
| 2.1 时间序列分析 |
| 2.1.1 时间序列及其结构特征 |
| 2.1.2 时间序列的降维表示方法 |
| 2.1.3 时间序列的相似性度量方法 |
| 2.1.4 时间序列的数据挖掘任务 |
| 2.2 粒计算 |
| 2.2.1 粒计算的基本组成 |
| 2.2.2 粒计算的基本问题 |
| 2.2.3 粒计算的理论模型 |
| 2.3 时间序列信息粒化 |
| 2.3.1 时间序列信息粒化的时间轴信息粒化方法 |
| 2.3.2 时间序列信息粒化的论域信息粒化方法 |
| 2.3.3 已有研究的不足 |
| 2.4 本章小结 |
| 3 基于波动点的时间序列时间轴信息粒化方法 |
| 3.1 本章研究思路 |
| 3.2 基于波动点的时间序列信息粒化 |
| 3.2.1 信息粒划分方法 |
| 3.2.2 信息粒描述方法 |
| 3.3 基于线性信息粒化的时间序列相似性度量 |
| 3.3.1 线性信息粒匹配 |
| 3.3.2 线性信息粒的相似性度量 |
| 3.4 实验及结果分析 |
| 3.4.1 UCR标准数据集实验 |
| 3.4.2 科创板股票数据集实验 |
| 3.5 本章小结 |
| 4 基于云模型的时间序列时间轴信息粒化方法 |
| 4.1 本章研究思路 |
| 4.2 基于云模型的时间序列信息粒化 |
| 4.2.1 云模型理论 |
| 4.2.2 基于云模型的自适应信息粒化算法 |
| 4.3 基于云模型信息粒化的时间序列相似性度量 |
| 4.3.1 云模型匹配 |
| 4.3.2 基于期望曲线的云模型相似性度量 |
| 4.4 实验及结果分析 |
| 4.4.1 UCR标准数据集实验 |
| 4.4.2 沪深A股股票数据集实验 |
| 4.5 本章小结 |
| 5 基于论域信息粒化的模糊时间序列预测方法 |
| 5.1 本章研究思路 |
| 5.2 基于模糊C均值聚类和信息粒化的时间序列论域划分 |
| 5.2.1 基于模糊C均值聚类的时间序列论域初始划分 |
| 5.2.2 基于模糊信息粒化的时间序列论域划分优化算法 |
| 5.3 基于论域信息粒化的时间序列预测 |
| 5.3.1 模糊时间序列 |
| 5.3.2 基于模糊逻辑关系的时间序列预测方法 |
| 5.4 实验及结果分析 |
| 5.4.1 台湾加权股价指数(TAIEX)数据集实验 |
| 5.4.2 上海证券综合指数(SHCI)数据集实验 |
| 5.5 本章小结 |
| 6 结论与展望 |
| 6.1 研究结论 |
| 6.2 研究展望 |
| 参考文献 |
| 作者简历及在学研究成果 |
| 学位论文数据集 |
（3）基于模糊聚类的工业控制系统异常检测技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 符号清单 |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 工业控制系统发展趋势 |
| 1.1.2 工业控制系统异常事件 |
| 1.1.3 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 异常检测技术的研究现状 |
| 1.2.2 现有工作存在的不足 |
| 1.3 异常检测方法的评价指标 |
| 1.4 研究内容与章节安排 |
| 2 工业控制系统过程建模与场景分析——以TE过程为例 |
| 2.1 引言 |
| 2.2 TE过程简介 |
| 2.3 TE过程机理建模 |
| 2.4 安全场景分析 |
| 2.5 本章小结 |
| 3 基于模糊C均值聚类算法的异常检测方案研究 |
| 3.1 引言 |
| 3.2 模糊聚类 |
| 3.2.1 模糊聚类介绍 |
| 3.2.2 异常检测场景的可行性研究 |
| 3.2.3 模糊C均值聚类算法(FCM) |
| 3.3 面向反应器的异常分析 |
| 3.3.1 控制回路 |
| 3.3.2 基于场景特征的异常分析 |
| 3.4 基于模糊C均值聚类算法的异常检测方案研究 |
| 3.4.1 离线建模 |
| 3.4.2 在线检测 |
| 3.5 实验仿真 |
| 3.5.1 实验方案设计 |
| 3.5.2 结果与讨论 |
| 3.5.3 实验结论 |
| 3.6 本章小结 |
| 4 基于特征加权的异常检测方案优化研究 |
| 4.1 引言 |
| 4.2 特征加权 |
| 4.2.1 ReliefF算法介绍 |
| 4.2.2 基于特征加权的FCM算法(RFCM) |
| 4.3 基于特征加权FCM的工业控制系统异常检测方案 |
| 4.3.1 离线建模 |
| 4.3.2 在线检测 |
| 4.4 实验仿真 |
| 4.4.1 结果与讨论 |
| 4.4.2 实验结论 |
| 4.5 本章小结 |
| 5 基于生产工艺耦合的层次化异常检测方案研究 |
| 5.1 引言 |
| 5.2 面向TE过程装置的异常分析 |
| 5.2.1 面向冷凝器的异常分析 |
| 5.2.2 面向分离器的异常分析 |
| 5.2.3 面向汽提塔的异常分析 |
| 5.3 基于场景中心的偏移分析 |
| 5.4 基于生产工艺耦合的层次化异常检测方案 |
| 5.4.1 层次化场景建模 |
| 5.4.2 基于综合决策的在线检测 |
| 5.5 实验仿真 |
| 5.5.1 实验方案设计 |
| 5.5.2 结果与讨论 |
| 5.5.3 实验结论 |
| 5.6 本文方法比较 |
| 5.7 本章小结 |
| 6 总结与展望 |
| 6.1 本文总结 |
| 6.2 工作展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（4）空间数据驱动的城市安全态势分析 ——以B市主城区为例（论文提纲范文）
| 摘要 |
| abstract |
| 注释说明清单 |
| 引言 |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 基于GIS与遥感的城市安全态势研究进展 |
| 1.2.2 基于遥感图像的信息提取研究进展 |
| 1.2.3 目前研究存在的不足 |
| 1.3 研究思路与内容 |
| 1.3.1 技术路线 |
| 1.3.2 主要研究内容 |
| 1.4 论文结构 |
| 2 研究数据与方法 |
| 2.1 研究区概况及研究单元划分 |
| 2.1.1 研究区域概况 |
| 2.1.2 基于泰森多边形的研究单元 |
| 2.2 研究数据获取及预处理 |
| 2.2.1 基础数据库 |
| 2.2.2 犯罪案件数据库 |
| 2.2.3 遥感影像数据库 |
| 2.3 研究方法 |
| 2.3.1 遥感技术 |
| 2.3.2 GIS技术 |
| 2.3.3 数据挖掘技术 |
| 2.4 本章小结 |
| 3 空间点模式的风险热点识别 |
| 3.1 时空统计分析 |
| 3.1.1 年月际变化分析 |
| 3.2 时空聚类检验及分布模式识别 |
| 3.2.1 Global Moran’s I全局空间自相关检验 |
| 3.2.2 LISA局部空间自相关检验 |
| 3.3 风险热点识别 |
| 3.3.1 核密度分析 |
| 3.3.2 标准差椭圆 |
| 3.4 空间插值分析 |
| 3.4.1 基于点的空间插值 |
| 3.4.2 基于Voronoi的空间插值 |
| 3.5 本章小结 |
| 4 安全态势影响因素指标构建及预测模型设计 |
| 4.1 GIS空间数据库指标构建 |
| 4.1.1 空间特征提取 |
| 4.1.2 定量指标构建 |
| 4.2 遥感影像地理信息提取 |
| 4.2.1 NDVI指标信息提取 |
| 4.2.2 NDWI指标信息提取 |
| 4.2.3 面向对象图像分割 |
| 4.2.4 面向对象信息提取 |
| 4.3 结构化地理模型设计 |
| 4.3.1 影响因子变量定义 |
| 4.3.2 影响因子数据检验及变换 |
| 4.3.3 相关分析 |
| 4.3.4 主成分分析 |
| 4.3.5 回归预测模型设计 |
| 4.4 本章小结 |
| 5 安全风险因子分析与回归模型测试 |
| 5.1 基于最小二乘法的回归模型 |
| 5.1.1 简单的线性回归模型 |
| 5.1.2 多元线性回归模型 |
| 5.1.3 结果分析 |
| 5.2 基于地理加权的回归模型 |
| 5.2.1 空间自相关检验 |
| 5.2.2 模型检验 |
| 5.2.3 结果分析 |
| 5.3 模型评价 |
| 5.4 本章小结 |
| 6 结论与讨论 |
| 6.1 研究结论 |
| 6.2 创新点 |
| 6.3 研究展望 |
| 参考文献 |
| 致谢 |
| 在学研究成果 |
（5）滚磨光整加工数据库平台研发及工艺方案决策方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 论文研究的意义和目的 |
| 1.2 课题背景及国内外现状 |
| 1.2.1 滚磨光整加工技术现状 |
| 1.2.2 工业数据库技术概要 |
| 1.2.3 数据库智能化应用原理与方法 |
| 1.3 课题来源及主要研究内容 |
| 1.3.1 课题来源 |
| 1.3.2 论文研究的主要内容 |
| 第2章 滚磨光整加工数据库的建模方法和体系结构 |
| 2.1 滚磨光整加工工艺流程分析 |
| 2.1.1 滚磨光整加工工艺过程信息资源 |
| 2.1.2 滚磨光整加工工艺过程信息集成 |
| 2.2 面向数据库系统开发的建模表示方法 |
| 2.2.1 集成化计算机辅助制造的定义方法IDEF |
| 2.2.2 统一建模语言UML |
| 2.2.3 滚磨光整加工数据库建模方法需求 |
| 2.3 滚磨光整加工数据库的建模方法 |
| 2.3.1 滚磨光整加工数据库的功能模型 |
| 2.3.2 滚磨光整加工数据库的组织模型 |
| 2.3.3 滚磨光整加工数据库的信息模型 |
| 2.3.4 滚磨光整加工数据库的知识模型 |
| 2.3.5 滚磨光整加工数据库的过程模型 |
| 2.4 滚磨光整加工数据库的体系结构 |
| 2.4.1 滚磨光整加工数据库的视图层 |
| 2.4.2 滚磨光整加工数据库的方法层 |
| 2.4.3 滚磨光整加工数据库的应用层 |
| 2.5 本章小结 |
| 第3章 基于滚磨光整加工数据库的工艺参数优选案例库构建 |
| 3.1 滚磨光整加工工艺实例的数据分析 |
| 3.2 基于滚磨光整加工数据库的工艺案例表征 |
| 3.3 基于模糊C均值聚类算法的工艺案例库优化 |
| 3.3.1 基于减法聚类的模糊C-均值聚类算法改进 |
| 3.3.2 基于减法聚类的FCM的工艺案例库优化 |
| 3.3.3 仿真研究 |
| 3.4 本章小结 |
| 第4章 滚磨光整加工工艺参数优选融合推理模型研究 |
| 4.1 工艺优选的融合推理模型总体设计 |
| 4.2 加工工艺优选的加权案例推理模型研究 |
| 4.2.1 基于层次分析法的案例特征权重确定 |
| 4.2.2 案例的匹配 |
| 4.2.3 案例处理 |
| 4.2.4 加权案例推理的仿真研究 |
| 4.3 滚磨光整加工工艺优选的模糊专家推理模型研究 |
| 4.3.1 专家系统的基本组成 |
| 4.3.2 滚磨光整加工工艺优选的专家推理模型研究 |
| 4.3.3 仿真研究 |
| 4.4 本章小结 |
| 第5章 滚磨光整加工数据库的开发与应用 |
| 5.1 滚磨光整加工数据库的开发 |
| 5.1.1 数据库的总体框架 |
| 5.1.2 数据库的系统功能结构 |
| 5.1.3 数据库的开发环境 |
| 5.1.4 面向全产业链应用的用户权限模型设计 |
| 5.1.5 工艺优选融合推理模型的程序实现 |
| 5.2 面向全产业链应用的数据库平台界面 |
| 5.2.1 物料信息维护界面示例 |
| 5.2.2 工艺实例维护界面示例 |
| 5.2.3 案例智能优选界面示例 |
| 5.3 滚磨光整加工数据库在典型企业的定制化应用 |
| 5.3.1 企业定制化服务需求分析 |
| 5.3.2 基于定制化服务的数据库功能设计 |
| 5.3.3 实际生产应用 |
| 5.4 本章小结 |
| 第6章 结论 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 攻读学位期间取得的科研成果 |
| 致谢 |
（6）基于ANP-DEMATEL法的平衡计分卡绩效管理研究 ——以RS地产公司为例（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外相关研究现状 |
| 1.2.2 国内相关研究现状 |
| 1.2.3 研究发展动态 |
| 1.3 研究内容 |
| 1.4 研究方法与技术路线 |
| 第二章 绩效评价相关理论方法综述 |
| 2.1 绩效评价理论 |
| 2.1.1 绩效评价的定义 |
| 2.1.2 传统的绩效评价方法 |
| 2.2 基于ANP-DEMATEL法的平衡计分卡绩效评价研究综述 |
| 2.2.1 平衡计分卡理论 |
| 2.2.2 Fuzzy DEMATEL理论 |
| 2.2.3 Fuzzy ANP理论 |
| 2.2.4 Fuzzy C均值聚类算法理论 |
| 第三章 RS公司销售人员绩效评价体系现状分析 |
| 3.1 RS公司简介 |
| 3.2 RS公司销售部门人力资源现状 |
| 3.3 RS公司销售人员绩效评价现状 |
| 3.3.1 绩效评价方式 |
| 3.3.2 绩效评价内容 |
| 3.4 销售人员绩效评价体系存在问题分析 |
| 3.4.1 绩效评价目标与战略目标存在偏差 |
| 3.4.2 绩效评价指标及权重设置存在问题 |
| 3.4.3 缺乏反馈机制 |
| 3.4.4 相关配套措施不健全 |
| 第四章 RS公司销售人员BSC绩效评价体系建立 |
| 4.1 绩效评价框架规划 |
| 4.2 绩效评价流程设计 |
| 4.3 德菲尔法初步统计备选指标 |
| 4.4 Fuzzy ANP-DEMATEL法构建指标网络 |
| 4.5 销售人员绩效评价指标及权重的确定 |
| 4.6 绩效数据的处理与绩效分级方法 |
| 4.6.1 研究样本数据 |
| 4.6.2 FCM算法步骤 |
| 4.6.4 输出结果:各员工对四个集群隶属度 |
| 4.6.5 输出结果:聚类中心及绩效分级 |
| 4.6.6 加总方法和FCM算法的绩效分级比较 |
| 4.6.7 FCM算法的优势总结 |
| 第五章 RS企业营销人员绩效评价实施保障措施 |
| 5.1 完善绩效评价的观念和机制 |
| 5.1.1 革新绩效评价观念 |
| 5.1.2 改进绩效评价制度 |
| 5.2 强化绩效评价中的沟通与改进 |
| 5.2.1 搭建沟通平台 |
| 5.2.2 完善绩效沟通机制 |
| 结论 |
| 参考文献 |
| 附录A 销售部门绩效评价体系优化项目调查问卷1 |
| 附录B 销售部门绩效评价体系优化项目调查问卷2 |
| 附录C 去模糊化后的线性总关系矩阵 |
| 附录D 未加权的超级矩阵 |
| 致谢 |
| 作者简介及读研期间主要科研成果 |
（7）非侵入式反窃电算法与自动识别系统设计（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 非侵入式电力监测国内外研究现状 |
| 1.2.1 非侵入式电力监测国外研究现状 |
| 1.2.2 非侵入式电力监测国内研究现状 |
| 1.3 反窃电国内外研究现状 |
| 1.4 本文的研究内容 |
| 1.5 论文的组织结构 |
| 第2章 窃电特征分析 |
| 2.1 窃电评价指标 |
| 2.2 窃电手段分析 |
| 2.2.1 电压法窃电 |
| 2.2.2 电流法窃电 |
| 2.2.3 移相扩差法窃电 |
| 2.2.4 谐波及高频干扰窃电 |
| 2.2.5 光伏窃电 |
| 2.3 常规用电行为与窃电行为特征对比分析 |
| 2.4 本章小结 |
| 第3章 非侵入式反窃电算法研究及分析 |
| 3.1 非侵入式谐波特征参数提取 |
| 3.2 基于主成分分析降维 |
| 3.3 谐波特征参数离群点检测分析 |
| 3.3.1 离群点检测概述 |
| 3.3.2 模糊C均值聚类算法 |
| 3.3.3 基于模糊C均值聚类谐波离群点检测 |
| 3.4 本章小结 |
| 第4章 非侵入式窃电自动识别系统总体设计 |
| 4.1 非侵入式窃电自动识别系统总体概述 |
| 4.2 非侵入式窃电自动识别系统功能需求 |
| 4.3 本章小结 |
| 第5章 数据采集计量模块设计 |
| 5.1 电数据传感单元电路 |
| 5.1.1 互感器原理及简介 |
| 5.1.2 互感器选用准则 |
| 5.1.3 电数据传感单元的电路设计 |
| 5.2 电能计量电路 |
| 5.2.1 电能计量芯片原理 |
| 5.2.2 基于计量芯片ATT7022B电路设计 |
| 5.3 微处理单元 |
| 5.3.1 S3C2416处理器简介 |
| 5.3.2 基于S3C2416处理器的主控电路设计 |
| 5.4 本章小结 |
| 第6章 通讯模块设计 |
| 6.1 RS-485标准通信接口 |
| 6.1.1 RS-485接口简介 |
| 6.1.2 RS-485接口总线设计 |
| 6.2 通信协议 |
| 6.2.1 Modbus通讯协议简介 |
| 6.2.2 基于Modbus上下位机通信协议的设计 |
| 6.3 本章小结 |
| 第7章 识别及处理分析设计 |
| 7.1 特征数据预处理分析 |
| 7.2 窃电识别模型构建与诊断 |
| 7.3 本章小结 |
| 第8章 系统调试与仿真分析 |
| 8.1 系统调试 |
| 8.1.1 互感器校验 |
| 8.1.2 ATT7022B计量电路调试 |
| 8.2 仿真分析 |
| 8.2.1 基于NI Multisim电流电压窃电行为特征仿真 |
| 8.2.2 模糊C均值聚类离群点算法Matlab仿真验证 |
| 8.3 本章小结 |
| 结论 |
| 致谢 |
| 参考文献 |
| 攻读学位期间取得学术成果 |
（8）肺癌的辅助检测方法及影响肺癌的空气污染因素研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.1.1 肺癌的诊断方法 |
| 1.1.2 早期肺癌的筛查 |
| 1.1.3 影响肺癌的空气污染因素 |
| 1.2 课题研究现状 |
| 1.2.1 生物组织的电学特性 |
| 1.2.2 电阻抗层析成像的医学应用 |
| 1.2.3 基于CT影像的肺结节计算机辅助检测 |
| 1.2.4 空气污染对肺癌的影响 |
| 1.3 本文研究内容及创新点 |
| 第2章 基本理论与方法 |
| 2.1 生物组织电学特性研究相关理论 |
| 2.2 电阻抗层析成像技术理论基础 |
| 2.3 医学图像处理相关技术 |
| 2.3.1 图像特征提取 |
| 2.3.2 图像分类 |
| 2.4 聚类分析 |
| 2.4.1 典型聚类算法 |
| 2.4.2 聚类有效性指标 |
| 2.5 模糊测度理论 |
| 2.5.1 非线性积分 |
| 2.5.2 模糊测度的辨识方法 |
| 2.6 粗糙集理论 |
| 2.7 本章小结 |
| 第3章 人体肺组织电学特性及肺癌电阻抗层析检测 |
| 3.1 活性肺组织阻抗频谱测量 |
| 3.1.1 测量系统及环境控制平台 |
| 3.1.2 人体肺组织采样及阻抗测量 |
| 3.2 测量数据处理 |
| 3.2.1 显着性分析 |
| 3.2.2 介电数据计算 |
| 3.3 肺组织的电学特性 |
| 3.3.1 阻抗谱模型及特征参数提取 |
| 3.3.2 阻抗及介电频谱 |
| 3.4 建立肺部电导率分布模型 |
| 3.4.2 建立二维肺断层模型 |
| 3.4.3 建立三维肺模型 |
| 3.4.4 电导率分配规则 |
| 3.5 电导率分布模型建立结果与分析 |
| 3.5.1 二维肺电导率分布模型 |
| 3.5.2 三维肺电导率分布模型 |
| 3.6 肺癌电阻抗层析检测 |
| 3.6.1 现有算法问题描述 |
| 3.6.2 基于先验信息的Tikhonov正则化算法 |
| 3.6.3 基于待检测目标的面积占比求解正则化参数的算法 |
| 3.6.4 肺癌电阻抗层析成像仿真对比实验 |
| 3.6.5 成像结果及对比分析 |
| 3.7 本章小结 |
| 第4章 基于CT图像的肺结节计算机辅助检测 |
| 4.1 现有算法问题描述 |
| 4.2 无监督聚类有效性指标 |
| 4.3 无监督聚类有效性指标性能测试实验 |
| 4.3.1 数据集多维尺度分析 |
| 4.3.2 人工数据集测试结果及分析 |
| 4.3.3 UCI数据集测试结果及分析 |
| 4.4 肺结节检测对比实验 |
| 4.4.1 肺部CT图像数据来源 |
| 4.4.2 肺结节特征描述 |
| 4.4.3 肺结节检测 |
| 4.5 肺结节检测结果与分析 |
| 4.6 本章小结 |
| 第5章 空气污染对肺癌发病率的影响研究 |
| 5.1 现有算法问题描述 |
| 5.2 基于扩展的λ模糊测度的Choquet积分关联分析方法 |
| 5.2.1 Choquet积分模型 |
| 5.2.2 现有模糊测度的局限性 |
| 5.2.3 扩展的λ模糊测度 |
| 5.2.4 不同模糊测度变式对比 |
| 5.2.5 改进的启发式最小均方误差方法辨识参数 |
| 5.3 基于粗糙集理论的规则挖掘方法 |
| 5.3.1 构建离散化决策表 |
| 5.3.2 决策表约简 |
| 5.3.3 生成决策规则 |
| 5.4 空气污染对肺癌发病率影响评估实验 |
| 5.4.1 数据来源 |
| 5.4.2 基于扩展的λ模糊测度Choquet积分的关联分析 |
| 5.4.3 基于粗糙集理论的规则挖掘 |
| 5.5 与已有研究结果和主流方法的对比 |
| 5.6 本章小结 |
| 第6章 初步探索肺癌组织CT图像特征与其电导率的关联性 |
| 6.1 肺癌组织的特征数据 |
| 6.2 相关分析 |
| 6.3 回归分析 |
| 6.4 回归模型有效性验证 |
| 6.5 本章小结 |
| 第7章 总结及展望 |
| 7.1 本文工作总结 |
| 7.2 研究展望 |
| 参考文献 |
| 发表论文和参加科研情况说明 |
| 致谢 |
（9）粗糙集理论在属性约简及模糊聚类中的应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 变量注释表 |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.3 论文的研究内容及结构 |
| 2 相关概念和理论 |
| 2.1 粗糙集理论 |
| 2.2 知识的分类 |
| 2.3 约简与核 |
| 2.4 本章小结 |
| 3 种新的基于粗糙集理论的属性约简算法 |
| 3.1 引言 |
| 3.2 基于邻域粗糙集属性重要度的属性约简算法 |
| 3.3 基于属性最大重要性和最小相关性的属性约简算法 |
| 3.4 实验研究 |
| 3.5 本章小结 |
| 4 一种新的基于粗糙集理论的模糊聚类算法 |
| 4.1 引言 |
| 4.2 模糊聚类算法 |
| 4.3 基于粗糙集的抑制模糊聚类算法 |
| 4.4 实验研究 |
| 4.5 本章小结 |
| 5 总结与展望 |
| 5.1 工作总结 |
| 5.2 研究展望 |
| 参考文献 |
| 作者简历 |
| 致谢 |
| 学位论文数据集 |
（10）大规模复杂数据聚类算法研究（论文提纲范文）
| 中文摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 聚类分析面临的挑战 |
| 1.3 国内外研究现状 |
| 1.3.1 大规模数据聚类算法 |
| 1.3.2 高维数据聚类算法 |
| 1.3.3 混合数据聚类算法 |
| 1.3.4 复杂网络聚类算法 |
| 1.4 研究内容和组织结构 |
| 1.5 本章小结 |
| 第二章 基于分层抽样的大规模数据聚类算法 |
| 2.1 引言 |
| 2.2 基于分层抽样的大规模数据聚类算法 |
| 2.2.1 分层抽样 |
| 2.2.2 数据标签 |
| 2.2.3 算法描述 |
| 2.3 实验分析 |
| 2.3.1 实验设置 |
| 2.3.2 实验结果 |
| 2.4 本章小结 |
| 第三章 基于信息熵的混合数据软子空间聚类算法 |
| 3.1 引言 |
| 3.2 基于信息熵的混合数据软子空间聚类算法 |
| 3.2.1 混合数据相异性度量方法 |
| 3.2.2 基于信息熵的数值型属性加权机制 |
| 3.2.3 基于信息熵的分类型属性加权机制 |
| 3.2.4 算法描述 |
| 3.3 实验分析 |
| 3.3.1 实验设置 |
| 3.3.2 实验结果 |
| 3.4 本章小结 |
| 第四章 基于序列化的混合数据基聚类生成算法 |
| 4.1 引言 |
| 4.2 基于序列化的混合数据基聚类生成算法 |
| 4.2.1 问题描述 |
| 4.2.2 数值型数据期望熵 |
| 4.2.3 分类型数据期望熵 |
| 4.2.4 算法描述 |
| 4.3 实验分析 |
| 4.3.1 实验设置 |
| 4.3.2 实验结果 |
| 4.4 本章小结 |
| 第五章 基于有效性指标的分类型数据聚类集成选择算法 |
| 5.1 引言 |
| 5.2 基于有效性指标的分类型数据聚类集成选择算法 |
| 5.2.1 内部有效性指标介绍 |
| 5.2.2 聚类质量与差异性度量 |
| 5.2.3 算法描述 |
| 5.3 实验分析 |
| 5.3.1 实验设置 |
| 5.3.2 实验结果 |
| 5.4 本章小结 |
| 第六章 基于图压缩的大规模社交网络聚类算法 |
| 6.1 引言 |
| 6.2 基于图压缩的大规模社交网络聚类算法 |
| 6.2.1 图压缩 |
| 6.2.2 类中心确定 |
| 6.2.3 类中心扩展 |
| 6.2.4 类结构传播 |
| 6.2.5 算法时间复杂度分析 |
| 6.3 实验分析 |
| 6.3.1 实验设置 |
| 6.3.2 实验结果 |
| 6.4 本章小结 |
| 第七章 基于社交网络聚类的社会化推荐算法 |
| 7.1 引言 |
| 7.2 基于社交网络聚类的社会化推荐算法 |
| 7.2.1 用户社区及其物品类生成 |
| 7.2.2 物品隶属度矩阵构建 |
| 7.2.3 物品相似度计算 |
| 7.2.4 算法描述 |
| 7.3 实验分析 |
| 7.3.1 实验设置 |
| 7.3.2 实验结果 |
| 7.4 本章小结 |
| 第八章 总结与展望 |
| 参考文献 |
| 攻读博士学位期间取得的研究成果 |
| 致谢 |
| 个人简况及联系方式 |
四、基于模糊C均值与RS理论结合的模式分类方法及应用（论文参考文献）
- [1]面向智能工厂的无线传感器网络定位技术研究[D]. 李海啸. 中国科学院大学(中国科学院沈阳计算技术研究所), 2021(09)
- [2]面向聚类及预测的时间序列信息粒化方法研究[D]. 陈海兰. 北京科技大学, 2021(02)
- [3]基于模糊聚类的工业控制系统异常检测技术研究[D]. 张梦璠. 浙江大学, 2020(01)
- [4]空间数据驱动的城市安全态势分析 ——以B市主城区为例[D]. 蒋晨琛. 中国人民公安大学, 2020(12)
- [5]滚磨光整加工数据库平台研发及工艺方案决策方法研究[D]. 高炜. 太原理工大学, 2020
- [6]基于ANP-DEMATEL法的平衡计分卡绩效管理研究 ——以RS地产公司为例[D]. 张翔. 安徽建筑大学, 2020(01)
- [7]非侵入式反窃电算法与自动识别系统设计[D]. 彭锦程. 成都理工大学, 2020(04)
- [8]肺癌的辅助检测方法及影响肺癌的空气污染因素研究[D]. 王亚茹. 天津大学, 2019(01)
- [9]粗糙集理论在属性约简及模糊聚类中的应用研究[D]. 王晨曦. 山东科技大学, 2019(05)
- [10]大规模复杂数据聚类算法研究[D]. 赵兴旺. 山西大学, 2019(01)
标签：时间序列论文; 传感器网络论文; 聚类论文; 模糊c-均值聚类算法论文; 时间序列预测法论文;