基于减法聚类的神经网络模型及其应用.pdfVIP

25卷 第11期 微 电子 学 与 计 算 机 V01．25 No．11 2008年 11月 M ICI ELE rRoNICS OCIMPUTER November2008 基于减法聚类的神经网络模型及其应用 孙 洁，刘晓悦，封素敏 (河北理工大学 计算机与 自动控制学院，河北 唐山063009) 摘 要：神经元网络应用于一般工业过程建模 比较有效，但对于对象是庞大数据的复杂的工业生产过程就明显力 不从心，采用基于减法聚类算法和模糊C均值聚类算法融合，以获得精确的聚类个数和隶属度，建立基于多判据信 息融合和模糊技术构成的神经元网络模型，对实际地下开采生产过程进行仿真，结果验证了模型的有效性． 关键词：减法聚类；模糊C均值聚类；模糊神经网络 中图分类号：TP216+．2 文献标识码：A 文章编号：1000—7180(2008)11—0137—04 Application ofNeuralNetworkM odelBased onSubtraction Clustering SUNJie，LIU Xiao-yue，FENGSu—min (CollegeofComputerandAutomaticControl，HebeiPolytechnicUniversity，Tangshan063009，China) Abstract：Applytheneuralnetworkinthegeneral industrymodeliseffcetive，however，neuralnetwork’Sstrengthdoes notma tchthehugedatacomplexindustrialproductionprocess’Sambitions．Proposefusionalgorithm thatbasedonsub— tractionclusteringnadfuzzyCmeadalgoritmh ，obtmntheprceiseclusterednumbernadthemembershipdegree．Construct theneuralnetworkmodelbasedOilmulti—criterioninformationfusionandthefuzzytcehnology，throughtheactualsimula— tiononcoalminingproductionprocess，theresultconfirmsthatthemodelisvalid． Keywords：subtractionclustering ；fuzzyCmeadalgoritmh ；fuzzyneuralnetwork 1 引言 经网络模型 2 数据聚类处理 现实生产过程中，大部分的系统没法用一个 已 经存在的模型进行建模，这使得一些复杂的问题难 聚类分析uj是把一个没有标记的样本集按某 以进行处理．而神经网络不依赖于对象精确模型，具 种准则划分成若干类，使相似的样本尽可能归为一 有并行计算、分布式信息存贮、自适应学习功能等一 类，而不具有相似性的样本尽量划分到不同的类中． 系列优点．正是 由于这些优点，神经元网络技术已经 2．1 减法聚类 逐渐应用于一般的工业生产过程．但是对于更复杂 在实际应用 中，由于数据分布的具体特征在聚 的工业生产过程 ，需要处理的数据量大，具有多重维 类分析前是无法预知的，且所有的聚类方法都包含 数，并且产生的数据纷繁复杂．若直接进行神经网络 用户设置的参数，如聚类个数等．为了更准确地利用 控制，容易出现结