优化的蚁群算法和船舶电网系统云数据聚类和实现

发布时间：2017-10-01 09:22

  本文关键词：优化的蚁群算法和船舶电网系统云数据聚类和实现

  更多相关文章： 蚁群算法 船舶故障诊断 云数据聚类

【摘要】：首先分析蚁群聚类算法,并指出其存在的问题;然后给出传统的蚁群聚类算法在船舶电网云数据聚类的实现流程,针对算法中存在的问题,提出利用惯性因子、随机初始化等方式改进和优化算法对船舶电网故障进行诊断;最后通过实验进行说明,优化后的蚁群聚类算法与K-mean算法、粒子群K-mean算法相比具有较好的收敛性。
【作者单位】： 重庆工商职业学院;
【关键词】： 蚁群算法 船舶故障诊断 云数据聚类
【分类号】：U665.12
【正文快照】： 0引言由于海洋运输日益繁忙,船舶电网系统的好坏直接关系到海上运输的安全,在计算机技术的大力推动下,船舶电网系统的数据存储与监控已经传送至云端,利用云网络并行分布式计算的特点对船舶电网系统进行实时监控和处理,即使系统发生故障也能快速、准确地对故障点进行检测和检修

【相似文献】

中国期刊全文数据库 前10条

1 刘丽娜;;一种基于超图模式的数据聚类方法[J];石家庄铁路职业技术学院学报;2005年04期

2 白天;冀进朝;何加亮;周春光;;混合属性数据聚类的新方法[J];吉林大学学报(工学版);2013年01期

3 张晓戎;王程成;胡光波;张毅;周勇;;混沌差分优化数据聚类及在故障诊断中的应用[J];压缩机技术;2013年06期

4 吴变样;;一种新的混合球壳形数据聚类方法[J];机械工程与自动化;2011年02期

5 邢婷;王凤芝;;数据聚类算法在客户分类中的应用[J];哈尔滨商业大学学报(自然科学版);2005年06期

6 王立锟;王君;;流数据聚类中多属性的计算[J];重庆工学院学报(自然科学版);2009年06期

7 武森;王蔷;姜敏;魏青;;考虑加权排序的分类数据聚类算法[J];北京科技大学学报;2013年08期

8 袁远,季星来,孙之荣,李衍达;Isomap在基因表达谱数据聚类分析中的应用[J];清华大学学报(自然科学版);2004年09期

9 彭宇;罗清华;彭喜元;;UIDK-means:多维不确定性测量数据聚类算法[J];仪器仪表学报;2011年06期

10 高志春;陈冠玮;胡光波;张毅;;倾斜因子K均值优化数据聚类及故障诊断研究[J];计算机与数字工程;2014年01期

中国重要会议论文全文数据库 前6条

1 武森;张桂琼;王莹;吴玲玉;;容差集合差异度高维不完备数据聚类[A];第十二届中国管理科学学术年会论文集[C];2010年

2 吴继兵;李心科;;基于分治融合的混合属性数据聚类算法研究[A];全国第20届计算机技术与应用学术会议(CACIS·2009)暨全国第1届安全关键技术与应用学术会议论文集（下册）[C];2009年

3 高学东;周磊;;Web点击流数据聚类算法[A];全国第十届企业信息化与工业工程学术年会论文集[C];2006年

4 陶红霞;车建华;刘国华;;基于聚类的个性化推荐算法[A];2005年全国理论计算机科学学术年会论文集[C];2005年

5 王琳;罗可;罗永红;;一种基于混合的IGA & PSO的数据聚类算法[A];2008'中国信息技术与应用学术论坛论文集（二）[C];2008年

6 武森;高学东;;高维稀疏数据聚类的CABOSFV算法[A];第七届北京青年科技论文评选获奖论文集[C];2003年

中国博士学位论文全文数据库 前3条

1 白天;生物医学数据聚类方法研究[D];吉林大学;2012年

2 彭柳青;高维高噪声数据聚类中关键问题研究[D];西安电子科技大学;2011年

3 孙志伟;空间数据聚类的研究[D];天津大学;2007年

中国硕士学位论文全文数据库 前10条

1 张小宇;基于图论的符号型数据聚类算法研究[D];山西大学;2009年

2 王永卿;高维海量数据聚类算法研究[D];广西大学;2007年

3 张鸣;符号数据聚类评价指标研究[D];山西大学;2013年

4 张扬;混合属性数据聚类算法及其应用[D];大连理工大学;2013年

5 张东升;数据挖掘中的演化数据聚类算法研究[D];杭州电子科技大学;2014年

6 杨果利;基于模糊聚类的大规模数据聚类算法及其应用研究[D];西安电子科技大学;2014年

7 白亮;符号属性数据聚类算法的研究[D];山西大学;2009年

8 李静芬;流数据聚类算法的研究与改进[D];河北工业大学;2014年

9 李林;基于Hadoop平台的视觉数据聚类研究与实现[D];西安电子科技大学;2013年

10 李凯;基于网络优化最小树的大数据聚类分析研究[D];兰州大学;2015年

，

本文编号：952671