跳到主要內容

臺灣博碩士論文加值系統

(3.236.84.188) 您好!臺灣時間:2021/08/06 12:42
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

: 
twitterline
研究生:陳信宏
研究生(外文):Hsin-Hung Chen
論文名稱:聚類理論應用於溫溼度感測分析
論文名稱(外文):Analysis of Temperature of Humidity by Application of Cluster Theory
指導教授:曹大鵬曹大鵬引用關係
口試委員:周至如蔡忠諺王順源林惠民
口試日期:2012-07-17
學位類別:碩士
校院名稱:國立臺北科技大學
系所名稱:電機工程系研究所
學門:工程學門
學類:電資工程學類
論文種類:學術論文
論文出版年:2012
畢業學年度:100
語文別:中文
論文頁數:84
中文關鍵詞:模糊C-均數演算法適應共振理論網路Ⅱ自我組織特徵映射網路聚類理論模糊綜合評判
外文關鍵詞:Fuzzy C-meansAdaptive Resonance Theory Network ⅡSelf-Organizing Feature mapFuzzy Synthesis Assessment
相關次數:
  • 被引用被引用:0
  • 點閱點閱:103
  • 評分評分:
  • 下載下載:6
  • 收藏至我的研究室書目清單書目收藏:0
本論文提出三種聚類法則建立模糊歸屬函數的機制,來取代一般模糊歸屬函數的建立。適應共振理論網路Ⅱ(Adaptive Resonance Theory Network 2, ART2),它的優點就是能快速及客觀集群;此外並結合模糊C-均質演算法(Fuzzy C-Means, FCM)和自我組織特徵映射網路(Self-Organizing Feature Map, SOFM),重新計算群組中心和範圍,發展出一套全新集群分析模式,進而比較三種聚類法則在相互間的優缺。藉由聚類質心建構模糊三角歸屬函數,並利用輸入區間溫溼度資料產生最終的關聯性法則。
在本研究中我們將模擬多點感測器的佈建,多感測器融合了溫度和濕度的測量數據,將資料建立成聚類資料庫,本論文提出三種聚類演算法去分析資料;而聚類演算法是一種非監督式的資料探勘方法,可以依照資料的分布情況,將性質相似的資料分成若干個群聚,再利用模糊理論與類神經理論執行聚類分析,結合模糊綜合評判解決模糊理論建立規則的缺陷。
我們以人體環境舒適度26度設為目標溫度,並模擬出FCM在區間溫度值有較佳的風速輸出值,ART2在運行演算法過程中速度最快,而SOM風速輸出在低速範圍相對於C-MEAN與ART2不精確,我們以擷取的溫溼度值運行聚類演算法,求得風速輸出變化值與模擬分析。


This thesis presents three kinds of clustering theories to establish fuzzy membership function which replace the traditional fuzzy membership method. The advantage of Adaptive Resonance theory Network 2 (ART2) is adopted to cluster quickly and objectively. The combination of fuzzy C-means and Self-organizing feature map(SOFM) can re-calculate group center and scope, and the develop a new cluster analysis model. The research compares the advantages and disadvantages of such three kind of clustering laws which are utilized to construct the triangle fuzzy membership function. The constructed triangle fuzzy membership function produces the final association rules by input interval data of temperature and humidity.
The simulations of multi-sensors have been carried out in the thesis. The multi-sensors provide temperature and humidity measurements to establish a cluster database. The cluster data has been analyzed by three kind of cluster theories which are proposed in this thesis.
A cluster method is a unsupervised search method which can group data with similar characteristics into the same cluster. Moreover, we take advantage of the fuzzy theory and artificial neural network to perform clustering analysis. The analysis combines the fuzzy synthesis assessment to improve the defects of setting rules of the fuzzy theory.
The object temperature of 26oC is nominated as the most comfort temperature for the human being. Under this object condition, the simulation with FCM can solve out the best wind speed in a studied domain area. ART2 has the best algorithm approaching time than other two methods, i.e. C-MEAN and ART2. SOM has less accuracy than C-MEAN and ATR2 in low wind speed conditions. With the temperatures and humidity data in a specified area, we can apply clustering algorithm to obtain the variations of wind speed outputs and in advance to do more difference simulation analyses.


摘 要 i
ABSTRACT ii
誌 謝 iv
目錄 v
表目錄 viii
圖目錄 ix
第一章 緒論 1
1.1研究背景與動機 1
1.2研究目的及方法 3
1.3文獻回顧 5
1.4論文架構 7
第二章 類神經網路 8
2.1類神經網路發展與架構 8
2.1.1類神經網路優缺點 8
2.1.2類神經分群法 9
2.2適應共振理論Ⅱ(ART2)神經網路 10
2.2.1 ART2簡介 10
2.2.2 ART2神經網路架構 10
2.2.3 ART2類神經模式演算法 12
2.3自我組織特徵映射演算法 16
2.3.1自我組織特徵映射演算法簡介 16
2.3.2 SOM演算法架構 19
第三章 模糊理論 22
3.1模糊理論的簡介 22
3.2傳統集合與模糊集合 22
3.2.1傳統集合(Crisp Set) 23
3.2.2模糊集合(Fuzzy Set) 24
3.3歸屬函數(Membership Function) 26
3.3.1連續化歸數函數 26
3.3.2離散化歸屬函數 29
3.3.3模糊集合之算子 29
3.4模糊規則 30
3.5模糊控制器 31
3.6模糊聚類演算法 34
3.6.1聚類調整方法 36
3.6.2 FCM演算法架構 37
3.7模糊綜合評判 40
3.7.1 前言 40
3.7.2模糊綜合評判模型 40
3.7.3權重分配方案 41
第四章 模擬結果與比較 43
4.1前言 43
4.2模擬規劃 44
4.3建立C-MEAN、ART2、SOM聚類資料庫 46
4.3.1 sensor 1 三種聚類法則質心分佈圖 48
4.3.2 sensor 2 三種聚類法則質心分佈圖 50
4.3.3 sensor 3 三種聚類法則質心分佈圖 52
4.4室內環境舒適度 54
4.4.1模擬結果介紹(一) 55
4.4.2模擬結果介紹(二) 62
4.4.3模擬結果介紹(三) 69
4.5模擬結論: 76
第五章 結論與未來研究方向 78
5.1結論 78
5.2未來研究方向: 80
參考文獻 81
作者簡介 84


[1] 臺北市政府產業發展局, "臺北市工商業節能減碳輔導管理自治條例執行作業要點, " http://www.doed.taipei.gov.tw/ct.asp?xitem=25130472&CtNode=52801
&mp=105001
[2] L. A. Zadeh, Fuzzy sets Information and Control, 1965, vol. 8. pp. 338-353.
[3]E. H. Ruspini, A new approach to clustering, Inform. Contr., vol. 15, 1969, pp. 22-32.
[4] 許維宸,應用聚類技術於模糊資料萃取方法之研究,國立臺北科技大學,碩士論文,台北,2001。
[5] 蘇育霆,整合模糊理論與自適應共振理論II神經網路於資料採礦之集群技術研究,國立臺北科技大學,碩士論文,台北,2002。
[6] Tzu-Ming Wang, Po-Chun Lin, Hung-Lin Chan, Jen-Chi Liao, Tian-Wen Sun, and Tin-Yu Wu,"Energy Saving of Air Condition Using Fuzzy Control System over Zigbee Temperature Sensor,"2010 IEEE 24th International Conference on Advanced Information Networking and Applications Workshops (WAINA), 2010, pp. 1005-1010.
[7] P. Manjunatha, A.K.Verma, and A. Srividya, "Multi-Sensor Data Fusion in Cluster based Wireless Sensor Networks Using Fuzzy Logic Method, "IEEE Region 10 and the Third international Conference on Industrial and Information Systems, (ICIIS) , 2008, pp. 1-6.
[8]F. I. Vazquez, W. Kastner, " Clustering Methods for Occupancy Prediction in smart home control, "2011 IEEE International Symposium on Industrial Electronics (ISIE), 2011, pp.1321- 1328.
[9]P. Manjunatha, A.K. Verma, and A.Srividya, "Multi-Sensor Data Fusion in Cluster based Wireless Sensor Networks Using Fuzzy Logic Method, "IEEE Region 10 and the Third international Conference on Industrial and Information Systems, (ICIIS) , 2008, pp. 1-6.
[10]D. Gupta, V. K. Goyal, and H. Mittal, "Analysis of Clustering Techniques for Software Quality Prediction, "2012 Second International Conference on Advanced Computing & Communication Technologies (ACCT), 2012, pp.6-9.
[11]Jianhong Luo and Dezhao Chen, "An Enhanced ART2 Neural Network for Clustering Analysis, "First International Workshop on Knowledge Discovery and Data Mining (WKDD), 2008, pp. 81-85.
[12]Yi Lv, and Xin Li," A temperature and humidity sensors data fusion method based on fuzzy set theory, "2010 2nd International Conference on Information Science and Engineering (ICISE), 2010, pp. 4900-4903.
[13] Shijin Dai, Lemin Li, and Xiaorong Jing, "A novel cluster formation algorithm for wireless sensor networks, "2006 IET International Conference on Wireless, Mobile and Multimedia Networks, 2006, pp. 1-4.
[14] 王進德、蕭大全,類神經網路與模糊控制理論入門,台北,全華科技公司, 1994,第2-12頁。
[15]G.A. Carpenter and S. Grossberg, "ART 2:Self-Organization of Sable Category Recognition Codes for Analog Input Pattern, "Applied Optics, vol.26, no. 12, 1987, pp.4919-4930.
[16]G.A. Carpenter and S. Grossberg, "A Massively Parallel Architecture for A Self-Organizing Neural Pattern Recognition Machine, "Computer Vision Graphics Image Processing, vol. 13, no. 7, 1987, pp.37-54.
[17]F. Azam and H. F. VanLandingham, "Adaptive self organizing feature map neuro-fuzzy technique for dynamic system identification, "IEEE/ISIC/CIRA/ISAS Joint Conferfnce, 1988, pp. 337-341.
[18]蘇木春、張孝德,模糊理論及其應用,台北,全華科技圖書股份有限公司,2004,第4.32-4.34頁。
[19]楊英魁、孫宗瀛、鄭魁香、林建德、蔣旭堂,模糊控制理論與技術,台北,
全華科技圖書股份有限公司,2002
[20]Constantin von Altrock,模糊邏輯與類神經模糊實例說明,台北,儒林圖書公司,255,第6-5頁。
[21] 孫宗瀛、楊英魁,Fuzzy 控制理論、實作與應用,台北,全華科技圖書股份有限公司,2005。
[22]萬絢、林明毅、陳宏杰,模糊理論應用與實務,台北,儒林圖書,2006,第5-3頁。
[23]黃美玲、施啟翔,「以模糊分群法結合邏輯斯迴歸於醫療輔助診斷」,第十七屆模糊理論及其應用研討會論文集,高雄,2009,第275-282頁。
[24]L. A. Zadeh, "Fuzzy sets, "Information and Control, vol. 8, 1965, pp. 338-353.
[25]李允中、王小璠、蘇木春,模糊理論及其應用,台北,全華科技圖書股份有限公司,第6-25頁。
[26]楊正存,在可程式系統晶片上之Fuzzy C-Means分群演算法設計,國立臺灣師範大學,碩士論文,台北,2009。
[27]張斐章、張麗秋,類神經網路,台北,東華書局,2005,第286-287頁。
[28]郭伯臣,模糊權重分群演算法,國立台中教育大學,碩士論文,台中,2010。
[29]陳淑珍,應用模糊綜合評判於發展網路教師評鑑系統之研究,台中健康暨管理學院,碩士論文,台中,2005。


QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top