针对传统失效模式与影响分析(failure mode and effect analysis,FMEA)的不足,提出了一种基于云模型和凝聚型层次聚类算法的改进FMEA方法。首先,运用云模型对专家评估信息进行描述与集结;然后,结合凝聚型层次聚类算法识别云模型评价信息...针对传统失效模式与影响分析(failure mode and effect analysis,FMEA)的不足,提出了一种基于云模型和凝聚型层次聚类算法的改进FMEA方法。首先,运用云模型对专家评估信息进行描述与集结;然后,结合凝聚型层次聚类算法识别云模型评价信息,利用聚类子簇确定失效模式间关联关系,利用聚类结果确定失效模式风险等级。最后,以在线教学失效风险评估为例,验证了该改进FMEA方法的可行性和有效性。展开更多
为了解决寻常型银屑病在样本分布不平衡的数据中可能会导致的深度学习模型诊断效果下降等问题,通过结合改进模糊KMeans聚类算法对高聚类复杂度数据的处理能力以及Visual Geometry Group 13(VGG13)深度卷积神经网络模型的预测能力,提出...为了解决寻常型银屑病在样本分布不平衡的数据中可能会导致的深度学习模型诊断效果下降等问题,通过结合改进模糊KMeans聚类算法对高聚类复杂度数据的处理能力以及Visual Geometry Group 13(VGG13)深度卷积神经网络模型的预测能力,提出一种基于改进模糊KMeans聚类算法的VGG13深度卷积神经网络(VGG13-KMeans)模型,并将其应用于寻常型银屑病的诊断任务中。实验结果表明,相较于VGG13以及ResNet18两种方法,本文方法更适用于对银屑病特征的识别。展开更多
随着网络信息文本的爆发式增长,人们从繁多的新闻中获取特定有效的信息变得愈发困难。在大数据处理中,学者们经常使用文本聚类方法作为新闻主题提取和趋势跟踪的主要措施。针对凝聚型层次聚类算法和K-Means算法在文本聚类上的优势和缺陷...随着网络信息文本的爆发式增长,人们从繁多的新闻中获取特定有效的信息变得愈发困难。在大数据处理中,学者们经常使用文本聚类方法作为新闻主题提取和趋势跟踪的主要措施。针对凝聚型层次聚类算法和K-Means算法在文本聚类上的优势和缺陷,提出一种新的新闻文本聚类优化处理算法——QH-K(K-Means based on Quick Hierarchical Clustering)算法。首先,通过word2vector模型训练文本得到词向量;其次,采用优化的凝聚型层次聚类算法对文本聚类,并根据优化处理算法所提出聚类有效性指标ST得到初始聚类个数和聚类中心;最后,引入K-Means算法对聚类结果进行优化,提高最终聚类的效果。实验证明,QHK聚类优化处理算法的正确率、召回率、F值相比传统算法都得到了一定程度的提升;此外,算法的运行时间也有所下降。展开更多
文摘针对传统失效模式与影响分析(failure mode and effect analysis,FMEA)的不足,提出了一种基于云模型和凝聚型层次聚类算法的改进FMEA方法。首先,运用云模型对专家评估信息进行描述与集结;然后,结合凝聚型层次聚类算法识别云模型评价信息,利用聚类子簇确定失效模式间关联关系,利用聚类结果确定失效模式风险等级。最后,以在线教学失效风险评估为例,验证了该改进FMEA方法的可行性和有效性。
文摘为了解决寻常型银屑病在样本分布不平衡的数据中可能会导致的深度学习模型诊断效果下降等问题,通过结合改进模糊KMeans聚类算法对高聚类复杂度数据的处理能力以及Visual Geometry Group 13(VGG13)深度卷积神经网络模型的预测能力,提出一种基于改进模糊KMeans聚类算法的VGG13深度卷积神经网络(VGG13-KMeans)模型,并将其应用于寻常型银屑病的诊断任务中。实验结果表明,相较于VGG13以及ResNet18两种方法,本文方法更适用于对银屑病特征的识别。
文摘随着网络信息文本的爆发式增长,人们从繁多的新闻中获取特定有效的信息变得愈发困难。在大数据处理中,学者们经常使用文本聚类方法作为新闻主题提取和趋势跟踪的主要措施。针对凝聚型层次聚类算法和K-Means算法在文本聚类上的优势和缺陷,提出一种新的新闻文本聚类优化处理算法——QH-K(K-Means based on Quick Hierarchical Clustering)算法。首先,通过word2vector模型训练文本得到词向量;其次,采用优化的凝聚型层次聚类算法对文本聚类,并根据优化处理算法所提出聚类有效性指标ST得到初始聚类个数和聚类中心;最后,引入K-Means算法对聚类结果进行优化,提高最终聚类的效果。实验证明,QHK聚类优化处理算法的正确率、召回率、F值相比传统算法都得到了一定程度的提升;此外,算法的运行时间也有所下降。
