针对复杂背景下无人机航拍图像中绝缘子的分割问题,提出一种基于果蝇优化的简单线性迭代算法(FSLIC)对绝缘子图像实现自适应的分割方法。为了使所提方法具有更高的分割精度,首先通过FSLIC将绝缘子从复杂背景中大致分割出来。传统的简单线性迭代聚类方法(SLIC)中的K值对分割效果有较大影响,故提出了一种自适应确定K值的FSLIC方法,消除人工选择K值造成的误差;然后为了剔除伪目标,对超像素区域内的颜色、纹理、形状特征进行特征融合,消除了由于特征选取不当造成的伪目标干扰问题;最后利用特征相似度的方法,构建出超像素区域间的相似度矩阵,通过对相似度矩阵使用复杂网络社区进行聚类得到分割后的绝缘子图像。

经典聚类算法在机车异常轴温诊断应用中存在判别阈值参经验化设定与漏判率、误判率较高的问题。利用机车轴温测点的关联性、异常温升特征分布特点,提出一种基于Kmeans-DBSCAN融合聚类的轴承异常温升诊断模型。首先将轴承异常温升的诊断转化为多组关联序列中少数持续离群子序列的检测问题,再根据温度序列特征空间分布位置和局部密度差异性,通过Kmeans-BSCAN融合聚类分离出离群子序列,并实现了DBSCAN邻域判别阈值参数的自适应选取。基于某型机车履历数据的实例验证结果发现该模型对异常温升诊断的准确率达100%,与Kmeans算法保持一致,比DBSCAN算法提高22.4%;误报率低至0.5%,比Kmeans算法降低18.5%,比DBSCAN算法降低12%。

快速存取记录器(QAR)记录了表征飞机系统状态以及飞行状态的参数,QAR数据异常检测对飞机状态监控、飞行品质评估和保障飞行安全等具有重大意义。基于QAR数据的时间相关性,采用滑窗与聚类相结合的方法实现了单维参数的异常检测;基于QAR数据的空间相关性,采用多元线性回归方法实现了多维参数的异常分析。以某一航班的QAR数据为例进行仿真分析,结果表明,所采用的算法可以有效检测出异常数据,并能确定异常产生的原因,为QAR数据在飞行品质评估与飞机状态监控中的应用奠定了理论基础。

将电磁无损检测原理与聚类分析相结合,利用改进的神经网络聚类学习方法,对钢铁材质进行检测,结果证明,该方法作为一种新的自适应模式识别技术,比传统的电磁检测准确度高,误判率低.

文章在最佳聚类分析的基础上，探讨了聚类择集滤波方法，并应用于管道巨磁阻检测的缺陷数据分析中，达到了识别缺陷类型的目的。

聚类算法是无线传感器网络中减少能量消耗的一种很重要的方法,它能够增强网络的扩展性和延长网络的生存时间。LEACH协议是无线传感器网络中被广泛应用的聚类协议,但它存在负载不均衡的缺陷。在原有协议的基础上提出了一种改进的通信协议：跨层多跳的LEACH路由协议（CM-LEACH）,通过跨层多跳的方式减少了节点能量的消耗。仿真实验结果表明,新协议能够使聚类间的负载更加均衡,减少节点的过早死亡,延长整个网络的寿命。

针对不断增加的机电系统运行状态信息,传统的特征提取和选择方法已无法满足需求。根据非负矩阵分解典型算法的特点,基于非负矩阵分解的聚类特性,提出了一种面向故障诊断的分解方法。通过分类能力和迭代效率的对比分析,选择了相关性约束和稀疏性约束的改进型交替最小二乘迭代算法,确定了低维嵌入维数及迭代初始化方法,在UCI测试数据集和TEP系统的特征选择应用中验证了该方法的有效性。

现代产品由大规模生产向大规模定制转变、同时社会对资源环境也提出了更高的要求,在此基础上提出了产品族绿色设计。而模块化设计以及产品平台设计是产品族设计的方法与手段,也是文中采用的研究方法。在对现有的产品族设计、模块化设计的一般方法进行了归纳总结,通过对已有产品的分析,能够量化描述产品族,同时利用这个量化进一步得到产品族的模块化,以提高产品族的共性及绿色属性。

采用计算机辅助测试技术，建立试验台架，实现气动元件压力流量信号的连续采集记录。针对测试样本数据的分布特点，将聚类算法思想应用于数据的处理，对有效数据和扰动数据进行筛选区分。在虚拟仪器工具环境LabVIEW开发了测试系统，并详细介绍了聚类分析和拟合权值分配的实现。试验结果证明，该方法有效提高了压力流量特性测试的准确度。

介绍了模糊聚类的基本原理,指出了模糊聚类方法的具体步骤.采用极大极小法构成相似矩阵,运用传递闭包确定分类阈,通过分析统计量来确定最佳分类数目.以L-HL32普通液压油为例,对10个样品液压油的质量进行了分类.