罗德超
- 作品数：4 被引量：4H指数：1
- 供职机构：中国汽车工程研究院更多>>
- 发文基金：重庆市教育委员会科学技术研究项目国家自然科学基金更多>>
- 相关领域：自动化与计算机技术交通运输工程机械工程更多>>
- 基于改进k-均值算法的轻型车尾气排放数据聚类方法
- 2013年
- 在轻型车尾气排放试验中产生的大量试验数据常常具有不同属性,需要对其进行聚类分析。因此,提出了改进的k-均值算法。基于高密度方法有效地消除了孤立点的影响;采用最远点方法,摆脱了k-均值算法只能处理球状类数据和受中心初始位置控制的限制;得到最佳簇数k值,解决了直接给定k值时,因k值不恰当而导致聚类结果较差的问题。试验结果表明,改进算法比原始k-均值算法在聚类的准确率方面具有更好的效果,能够较好评估车辆排放水平。
- 罗德超宫宝利姬应江刘鸿淼
- 关键词：K-均值
- 三维谱特征下的汽车尾气评估方法
- 2016年
- 针对汽车尾气排放的非线性、时变性问题,提出一种三维谱特征下的汽车尾气评估方法。该方法利用频谱分析的原理对汽车尾气进行时频转换,得到尾气的三维谱特征。这些三维谱特征作为输入被提交给径向基神经网络,在K均值聚类算法的驱动下,径向基神经网络完成训练与测试,实现对三维谱特征的分类,从而评估相应的汽车尾气排放水平。数值实验结果表明,提出的汽车尾气评估方法具有较高的准确性。
- 罗德超刘国平刘俊向飞袁泉张顺星
- 关键词：汽车尾气径向基神经网络
- 一种基于K均值预处理回溯的PAM算法被引量：3
- 2011年
- 针对PAM算法在进行聚类时容易陷入死循环的缺陷,引用了回溯法来解决该问题。但是,加入回溯法的PAM算法具有计算量大迭代次数多的缺点,为了在PAM算法迭代过程中,尽量避免使用回溯法,于是进一步,提出了在进行PAM聚类前,采用K-means算法对数据进行预处理,从而获得粗糙中心点,然后找出一组与粗糙中心点最接近的数据作为初始中心点,再进行PAM聚类。从而得到基于K-means预处理回溯法的PAM算法(K-means Data Preprocessing Backward Search PAM,简称KDPBS-PAM)。实验结果表明,KDPBS-PAM算法极大地改善了PAM算法的性能。
- 罗德超吴文亮姬应江杨淑爱胡君
- 关键词：PAM回溯法
- 汽车尾气在自组织特征映射下的排放水平评估方法被引量：1
- 2013年
- 针对汽车尾气的非线性数据聚类问题,提出一种在自组织特征映射(Self-Organizing Map,SOM)下的聚类方法来评估汽车的排放水平。根据汽车在城区真实环境中的行驶速度设置SOM神经网络中的神经元个数,通过神经元之间拓扑相关的学习方式,自动形成具有数据原始属性的有序映射,实现不同排放水平的尾气数据聚类。为避免网络训练过程中出现训练死区的现象,竞争学习采用弹性邻域半径代替固定邻域半径,自适应地缩放学习区域。以某轻型车的THC和CO2排放数据为对象的数值试验结果表明,采用弹性邻域半径的SOM神经网络的聚类准确性优于采用固定邻域半径的SOM神经网络,能有效评估汽车尾气排放水平。
- 刘鸿淼罗德超李鹏华孟凡迪
- 关键词：汽车尾气聚类分析
