-
题名基于改进GWO-CV优化的K-调和均值聚类算法
被引量：5
- 1
-
-
作者
张文宇
张茜
杨媛
刘嘉
-
机构
西安邮电大学经济与管理学院
中国航天系统科学与工程研究院
-
出处
《统计与决策》
CSSCI
北大核心
2020年第16期9-13,共5页
-
基金
陕西省教育厅重点项目(19JZ056)。
-
文摘
为克服传统聚类算法对初始聚类中心敏感且容易陷入局部最优的问题,文章提出一种基于改进的灰狼优化与交叉验证法结合的K-调和均值聚类算法(GWO-CVKHM)。首先将新的非线性收敛因子引入灰狼优化算法,以调整前期广度搜索与后期深度搜索比例,同时基于模糊控制权重决策对灰狼种群位置进行更新;其次利用改进灰狼优化算法与交叉验证的思想对初始聚类中心进行寻优;最后基于改进后的聚类算法选取UCI数据库中真实数据集进行聚类。实验结果表明,该算法在求解精度及算法稳定性方面优于对比算法,具有更快的收敛速度与更强的全局搜索能力。
-
关键词
K-调和均值聚类
灰狼优化算法(GWO)
交叉验证法(cv)
全局搜索能力
-
Keywords
k-harmonic mean clustering
gray wolf optimization algorithm(GWO)
cross validation method(cv)
global search ability
-
分类号
O21
[理学—概率论与数理统计]
-
-
题名基于SVM的含缺陷20钢弯管爆破压力预测
被引量：4
- 2
-
-
作者
郄彦辉
郭涛
周凌志
王昱
-
机构
河北工业大学机械工程学院
河北省特种设备监督检验研究院
-
出处
《中国安全科学学报》
CAS
CSCD
北大核心
2023年第2期89-95,共7页
-
基金
河北省市场监督管理局科技计划项目(2018ZD13,2020ZC26)
河北省特种设备监督检验研究院科技计划项目(HBTJ2021CY003)。
-
文摘
为快速、精确预测含局部减薄缺陷的弯管爆破压力,首先验证显式非线性有限元模型的模拟精确性,然后以168组不同缺陷尺寸下20钢弯管爆破压力的有限元模拟数据作为学习样本,建立含局部减薄缺陷20钢弯管爆破压力预测的支持向量机(SVM)模型;其次利用交叉验证(CV)、遗传算法(GA)、粒子群算法(PSO)分别优化SVM模型;最后分析对比用于预测弯管爆破压力的3种优化SVM模型与ASME B31G-2009、DNV RP-F101、SHELL 92等3种通用规范的计算误差。结果表明:CV-SVM、GA-SVM、PSO-SVM等3种模型的预测误差均小于3种规范的计算误差,其最大相对误差分别为-2.33%、-3.4%和1.94%;说明SVM模型用于预测弯管爆破压力时操作简单、计算时间短、预测精度高、工程实用性好。
-
关键词
支持向量机(SVM)
局部减薄缺陷
20钢弯管
爆破压力
交叉验证(cv)
遗传算法(GA)
粒子群算法(PSO)
-
Keywords
support vector machine(SVM)
local wall-thinning defects
20 steel elbow
burst pressures
cross validation(cv)
genetic algorithm(GA)
particle swarm optimization(PSO)
-
分类号
X944.4
[环境科学与工程—安全科学]
-
