面向水泥及其基材料分类的神经网络方法与改进研究

发布时间：2018-04-13 17:46

  本文选题：人工神经网络 + FCM神经网络分类器　； 参考：《济南大学》2015年硕士论文

【摘要】：随着工业的发展,人们对水泥及水泥基材料的性能有了更高的要求,而强度是评价水泥及其基材料性能的重要标准。作为一种重要的水泥基材料,混凝土的强度在一定程度上受到水泥水化过程和水泥强度的影响。传统的混凝土强度测试方法是将样本在标准养护条件下养护28天后按规定方法测得强度,这种传统方法需要耗费大量的原料,成本高而且耗时长。随着计算机软硬件的发展和计算材料学的兴起,人们开始尝试使用计算机来快速解决材料领域的相关问题。随着数字图像处理技术的发展,人们尝试使用计算机实现复杂水泥水化过程的可视化,其中图像是计算机模拟水泥水化过程的重要研究内容。本论文主要的研究内容是神经网络分类方法,并用其解决水泥及其基材料的分类问题。论文首先研究了现有的神经网络分类方法,其中主要是对FCM神经网络分类方法进行研究和改进,然后使用现有的几种神经网络分类方法和基于DBSCAN改进的FCM神经网络分类器完成水泥基材料混凝土强度和水泥水化图像分类任务。论文的主要研究内容如下:(1)原有的FCM神经网络分类器在分区空间采用K-Means算法得到染色的分区空间,而K-Means算法对离群点敏感这一缺点会影响到染色的分区空间的精确性。因此我们提出了使用K-medoids算法改进FCM神经网络分类器的方法来削弱分区空间中的离群点对分类准确性的影响。同时我们选择了几个常用数据集来验证改进方法的性能,实验结果表明基于K-medoids改进的FCM方法可以在一定程度上提高分类性能。(2)考虑到分区空间中分区的形状对分类器的分类性能有影响,我们提出了使用DBSCAN算法来改进原有FCM分类器的方法。我们使用DBSCAN算法在分区空间中对染色点进行划分得到形状任意的染色的分区。在这种改进的方法中没有质心的概念,我们定义了新的优化目标函数并且调用PSO算法优化神经网络的各个参数来得到最优的分类模型。另外,由于在聚簇形成过程中使用基于密度的DBSCAN算法代替基于划分的K-Means,我们分别记录了实验中原有的FCM方法和基于DBSCAN改进的FCM方法训练过程的运行时间。实验结果表明基于DBSCAN改进的FCM方法运行时间较短,进一步从时间角度验证了改进的FCM神经网络分类器的可行性。(3)使用现有的几种神经网络分类方法和基于DBSCAN改进的FCM神经网络分类方法对混凝土强度和水泥水化图像进行分类实验。在实验过程中我们记录了十折交叉验证的测试精度和平均F-measure值。实验结果表明使用神经网络分类器来处理硅酸盐水泥及水泥基材料的相关问题是可行的,同时也进一步验证了我们提出的基于DBSCAN聚类的FCM神经网络分类方法对于相关实验数据具有较好的性能。
[Abstract]:As an important cement - based material , the strength of concrete is influenced by the cement hydration process and cement strength .

【学位授予单位】：济南大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TQ172.7;TP183

【相似文献】

相关期刊论文 前10条

1 雷明,李作清,陈志祥,吴雅,杨叔子;神经网络在预报控制中的应用[J];机床;1993年11期

2 杨自厚;神经网络技术及其在钢铁工业中的应用第8讲人工神经网络在钢铁工业中的应用(下)[J];冶金自动化;1997年05期

3 李润生,李延辉,胡学军,刘壮,王守俭;神经网络在冶金中的应用[J];钢铁研究;1998年02期

4 刘海玲,刘树深,尹情胜,夏之宁,易忠胜;线性神经网络及在多组分分析中的初步应用[J];计算机与应用化学;2000年Z1期

5 王继宗,王西娟;用神经网络确定梁上裂纹位置的研究[J];煤炭学报;2000年S1期

6 赵学庆,袁景淇,周又玲,贺松;生物发酵过程神经网络状态预报器的验证[J];无锡轻工大学学报;2000年06期

7 李智,姚驻斌,张望兴,贺超武;基于神经网络的混匀配料优化方法[J];钢铁研究;2000年04期

8 胡敏艺,马荣骏;神经网络在冶金工业中的应用[J];湖南有色金属;2000年05期

9 倪建军,邵琳;利用神经网络进行观测数据的分析与处理[J];连云港化工高等专科学校学报;2000年04期

10 裴浩东,苏宏业,褚健;材料工程中基于神经网络的稳态优化策略[J];材料科学与工程;2001年02期

相关会议论文 前10条

1 徐春玉;;基于泛集的神经网络的混沌性[A];1996中国控制与决策学术年会论文集[C];1996年

2 周树德;王岩;孙增圻;孙富春;;量子神经网络[A];2003年中国智能自动化会议论文集（上册）[C];2003年

3 罗山;张琳;范文新;;基于神经网络和简单规划的识别融合算法[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

4 郭爱克;马尽文;丁康;;序言(二)[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

5 钟义信;;知识论:神经网络的新机遇——纪念中国神经网络10周年[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

6 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

7 金龙;朱诗武;赵成志;陈宁;;数值预报产品的神经网络释用预报应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

8 田金亭;;神经网络在中学生创造力评估中的应用[A];第十二届全国心理学学术大会论文摘要集[C];2009年

9 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年

10 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

相关重要报纸文章 前10条

1 美国明尼苏达大学社会学博士 密西西比州立大学国家战略规划与分析研究中心资深助理研究员 陈心想;维护好创新的“神经网络硬件”[N];中国教师报;2014年

2 卢业忠;脑控电脑 惊世骇俗[N];计算机世界;2001年

3 葛一鸣 路边文;人工神经网络将大显身手[N];中国纺织报;2003年

4 中国科技大学计算机系　邢方亮;神经网络挑战人类大脑[N];计算机世界;2003年

5 记者 孙刚;“神经网络”：打开复杂工艺“黑箱”[N];解放日报;2007年

6 本报记者 刘霞;美用DNA制造出首个人造神经网络[N];科技日报;2011年

7 健康时报特约记者　 张献怀;干细胞移植：修复受损的神经网络[N];健康时报;2006年

8 刘力;我半导体神经网络技术及应用研究达国际先进水平[N];中国电子报;2001年

9 ;神经网络和模糊逻辑[N];世界金属导报;2002年

10 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年

相关博士学位论文 前10条

1 杨旭华;神经网络及其在控制中的应用研究[D];浙江大学;2004年

2 李素芳;基于神经网络的无线通信算法研究[D];山东大学;2015年

3 石艳超;忆阻神经网络的混沌性及几类时滞神经网络的同步研究[D];电子科技大学;2014年

4 王新迎;基于随机映射神经网络的多元时间序列预测方法研究[D];大连理工大学;2015年

5 付爱民;极速学习机的训练残差、稳定性及泛化能力研究[D];中国农业大学;2015年

6 李辉;基于粒计算的神经网络及集成方法研究[D];中国矿业大学;2015年

7 王卫苹;复杂网络几类同步控制策略研究及稳定性分析[D];北京邮电大学;2015年

8 张海军;基于云计算的神经网络并行实现及其学习方法研究[D];华南理工大学;2015年

9 李艳晴;风速时间序列预测算法研究[D];北京科技大学;2016年

10 曾U喺，

本文编号：1745584