基于k均值聚类与K近邻的故障检测方法研究

基于K近邻的故障检测(FD-KNN)方法可以有效处理非线性、多模态的故障检测问题,但在过程故障检测中存在计算量大,存储复杂等缺陷.将k均值聚类和K近邻相结合,提出一种新的故障检测方法kFD-KNN,该方法继承传统方法的优点,同时降低计算与存储的影响.首先应用k均值聚类将训练集聚成k类,同时计算聚类中心.通过计算样本与聚类中心的距离,判断样本所属分类.在所属分类中寻求K近邻,进而完成基于KNN的故障检测.本文方法具有计算量小,存储简单等优点,可有效提高检测效率.通过仿真多模态仿真实例进一步验证本文方法的有效性.     

图像分割的自适应K均值聚类算法研究

使用K均值聚类算法完成对图像的分割是一种常见的分割技术,针对传统的K均值聚类算法的不足,提出了使用直方图波形的有效波峰个数自适应确定K值的大小,实验结果表明,该方法简单、灵活、容易实现,并能取得较好的结果。     

浅谈高中学生数学抽象概括能力的培养

《普通高中数学课程标准》指出:人们在学习数学知识和运用数学解决问题时,需不断地经历抽象概括的思维过程.如何有层次地培养学生的抽象概括能力呢?我们可以从以下几方面着手:一、教学中要不失时机地做抽象概括的示范教学中如何将数学材料中反映的数与形的关系从具体的材料中抽象出来,概括为特定的一般关系和结构,要做好示范工作.案例1新授"直线与平面平行的判定"判定定理的探求过程,笔者设计了这样     

引例说明“均值不等式”应用方略

1引例 设a〉0,6〉0,称2ab／（n＋6）为a,b的调和平均数．如右图,C为线段AB上的点,且AC=a,CB—b,0为AB的中点,以AB为直径作半圆．过点C作AB的垂线交半圆于D．连接OD,AD,     

从一个不等式证明浅说培养学生数学思维能力

对于一个高中数学教师来讲,想办法培养高中学生的数学思维能力是一个刻不容缓的工作.若一个学生没有一定的数学思维能力时,很多数学中的问题都无法解决,更无法从学习数学的过程中体会学习数学的快乐.而训练学生做证明题尤其做不等式的证明能很好地培养学生的逻辑思维能力、发散性思维能力等.     

轻松突破求函数的值域

函数的值域是由其对应法则和定义域共同决定的.函数值域依解析式的特点分(1)常见函数值域;(2)简单的复合函数的值域;(3)由常见函数作某些"运算"而得函数的值域.一、直接法利用常见函数的值域来求(1)一次函数y=ax+b(a≠0)的定义域为R,值域为R(2)反比例函数y=k/x(k≠0)的定义域为{x|x≠0},值域为{y|y≠0};(3)二次函f(x)=ax~2+bx+c(a≠0)的定义域为R,当a>0时,值域为{y|y≥4ac-b~2/4a};     

传播文化行业盈利能力及发展机会

坊间盛传传播文化行业是暴利行业.由于非上市传媒单位的财务数据不公开,为测度传播文化行业的真实盈利能力,我们决定采用上市公司整体主营业务利润率行业平均值指标来进行上市公司各行业盈利水平的比较分析.     

基于改进的模糊C均值算法电力负载预测研究

为了提高电力负荷预测的精度,将天气、日期因素纳入到了计算的范畴中来,使用基于模糊聚类的对相似日进行选取,得出该日的短期电力负荷预测模型。本文算法将天气、日期因素建立起模糊系数特性映射表,实现了对应影响因素的量化处理,便于算法的实现。然后,使用模糊聚类算法对相关的数据进行分类,因为使用了相似日,因此,样本的数量得以大大减少,提高了算法的速度和准确度。本文的是力负荷模型将天气、日期考虑进了电力负荷预测影响的因素中去,减少了算法在预测上的随机性。仿真实验结果证明了该算法拥有更高的预测精度。     

探究一道以抛物线为载体的最值试题

正~~     

巧妙的变式 合理的引申

教学过程中恰当合理的引申与变式,确实有助于学生把知识学活,有助于学生举一反三、触类旁通,有助于学生产生学习的“最佳动机”和激发学习的灵感,更重要的是它能升华学生的思维,培养学生的创新意识.经过几年的探索和实践,得到了一些体会,现披露如下,以就教同仁.