航空發動機性能識別SOFM收縮聚類方法

自組織神經網絡SOFM可以將多維數據快速地映射到二維平面上,但需要進行人工聚類劃分.由于多尺度柵格技術可以對數據實現密度檢測,相應的收縮聚類方法采用大小可變的柵格對相連單元進行標識,將點沿著數據的密度梯度進行移動,自動計算最好的簇作為聚類結果.以多維發動機飛行參數為應用對象,數據預處理提取特征后,按隸屬度獲得特征向量后輸入SOFM網絡,用收縮聚類算法(SCM)實現對輸出的自動聚類檢測,完成對發動機狀態有效分析.實驗結果和專家判讀完全一致.

作 者： 梁建海 杜軍 冀捐灶 LIANG Jian-hai DU Jun JI Juan-zao   作者單位： 空軍工程大學,工程學院,陜西,西安,710038  刊 名： 傳感器與微系統  PKU 英文刊名： TRANSDUCER AND MICROSYSTEM TECHNOLOGIES  年，卷(期)： 2006 25(11)  分類號： V247  關鍵詞： 飛行參數   收縮聚類算法   自組織特征映射   狀態識別  

【航空發動機性能識別SOFM收縮聚類方法】相關文章：

快速識別人才的方法07-19

游記類作文寫作方法04-25

脈沖爆震發動機性能參數計算方法論文05-01

人類“性能”的保留作文08-04

如何識別并防范求職陷阱03-20

收花生作文06-09

收衣服作文08-06

收花生作文07-21

收稻谷作文07-09

收玉米作文07-08