%0 Journal Article
%T 基于模糊聚类分析和神经网络的显微硬度预测
%A 杨云
%A 秦一梅
%J 功能材料
%D 2017
%R 10.3969/j.issn.1001-9731.2017.12.023
%X 数学思想加以神经网络算法建立的数学模型,能够解决实际问题,神经网络作为辅助计算工具已经在相关力学性能预测中得到了广泛的应用。基于显微硬度数据样本的非均匀性特征,提出将模糊聚类分析与神经网络结合对显微硬度测量值进行预测。将模糊聚类分析方法对训练数据进行相似性分类的结果作为BP神经网络的训练样本训练各聚类预测模型。以TiAl复合材料的显微硬度实验观测值为研究对象,根据样本与各聚类之间的相似程度作为测试标准进行实验验证,预测结果的平均绝对误差为4.8157,均方误差为5.0904,该结果表明实验建立的预测模型的精度优于神经网络预测模型
%K 模糊聚类
%K 神经网络
%K 预测
%U http://www.gncl.cn/CN/abstract/abstract17663.shtml