-
题名基于K-中心点聚类算法的论坛信息识别技术研究
被引量：3
- 1
-
-
作者
王燕
吴灏
毛天宇
-
机构
解放军信息工程大学信息工程学院
-
出处
《计算机工程与设计》
CSCD
北大核心
2009年第1期210-212,共3页
-
文摘
提出了一种从非确定结构的论坛页面自动获取信息区域的方法。该方法在对K-中心点聚类算法的研究基础上克服了算法中固定簇数的缺陷,并在算法的簇中心距离计算中引入Smith-Waterman改进算法,提高了算法聚类的精确度。通过对大量论坛网页进行信息识别的实验显示,该方法切实可行并且具有较高的准确性。
-
关键词
标签结构树
k-中心点聚类算法
SMITH-WATERMAN算法
最小相异度
信息识别
-
Keywords
tag tree
k-medoids clustering algorithm
Smith-Waterman algorithm
minimal dissimilar degree
data recognition
-
分类号
TP391.1
[自动化与计算机技术—计算机应用技术]
-
-
题名正交小波变换k-中心点聚类算法在故障诊断中的应用
被引量：11
- 2
-
-
作者
李卫鹏
曹岩
李丽娟
-
机构
西安工业大学机电工程学院
南阳理工学院智能制造学院
-
出处
《振动与冲击》
EI
CSCD
北大核心
2021年第7期291-296,共6页
-
基金
陕西省创新能力支撑计划项目(2018TD-036)
陕西省重点研发计划项目(2019GY-125)。
-
文摘
k-中心点聚类算法(k-medoids cluster algorithm,KCA)是改进的机器学习聚类算法,该方法通过初始聚类中心选取和聚类中心更新,对无标记训练样本的学习揭示数据的内在性质及规律,从而区分出机器的运行状态。提出了一种正交小波变换k-中心点聚类算法(orthogonal wavelet transform k-medoids clustering algorithm,OWTKCA)诊断方法,利用正交小波变换(orthogonal wavelet transformation,OWT)方法提取各细节信号作为训练样本,用KCA方法进行分类。通过滚动轴承的试验数据分类结果显示,该方法相对于没有提取特征值的KCA能有效处理复杂机械振动信号,明显提高了故障数据聚类效果,缩短了聚类时间,提高了智能诊断效率。
-
关键词
k-中心点聚类算法(KCA)
机器学习
故障诊断
正交小波变换(OWT)
-
Keywords
k-medoids cluster algorithm(KCA)
machine learning
fault diagnosis
orthogonal wavelet transform(OWT)
-
分类号
TH165.3
[机械工程—机械制造及自动化]
TP18
[自动化与计算机技术—控制理论与控制工程]
-
