1、隨著工業(yè)的發(fā)展，人們對(duì)水泥及水泥基材料的性能有了更高的要求，而強(qiáng)度是評(píng)價(jià)水泥及其基材料性能的重要標(biāo)準(zhǔn)。作為一種重要的水泥基材料，混凝土的強(qiáng)度在一定程度上受到水泥水化過程和水泥強(qiáng)度的影響。傳統(tǒng)的混凝土強(qiáng)度測試方法是將樣本在標(biāo)準(zhǔn)養(yǎng)護(hù)條件下養(yǎng)護(hù)28天后按規(guī)定方法測得強(qiáng)度，這種傳統(tǒng)方法需要耗費(fèi)大量的原料，成本高而且耗時(shí)長。隨著計(jì)算機(jī)軟硬件的發(fā)展和計(jì)算材料學(xué)的興起，人們開始嘗試使用計(jì)算機(jī)來快速解決材料領(lǐng)域的相關(guān)問題。隨著數(shù)字圖像處理技術(shù)的發(fā)展，人

2、們嘗試使用計(jì)算機(jī)實(shí)現(xiàn)復(fù)雜水泥水化過程的可視化，其中圖像是計(jì)算機(jī)模擬水泥水化過程的重要研究內(nèi)容。本論文主要的研究內(nèi)容是神經(jīng)網(wǎng)絡(luò)分類方法，并用其解決水泥及其基材料的分類問題。論文首先研究了現(xiàn)有的神經(jīng)網(wǎng)絡(luò)分類方法，其中主要是對(duì)FCM神經(jīng)網(wǎng)絡(luò)分類方法進(jìn)行研究和改進(jìn)，然后使用現(xiàn)有的幾種神經(jīng)網(wǎng)絡(luò)分類方法和基于 DBSCAN改進(jìn)的FCM神經(jīng)網(wǎng)絡(luò)分類器完成水泥基材料混凝土強(qiáng)度和水泥水化圖像分類任務(wù)。論文的主要研究內(nèi)容如下：
　　(1)原有的FCM

3、神經(jīng)網(wǎng)絡(luò)分類器在分區(qū)空間采用K-Means算法得到染色的分區(qū)空間，而K-Means算法對(duì)離群點(diǎn)敏感這一缺點(diǎn)會(huì)影響到染色的分區(qū)空間的精確性。因此我們提出了使用K-medoids算法改進(jìn)FCM神經(jīng)網(wǎng)絡(luò)分類器的方法來削弱分區(qū)空間中的離群點(diǎn)對(duì)分類準(zhǔn)確性的影響。同時(shí)我們選擇了幾個(gè)常用數(shù)據(jù)集來驗(yàn)證改進(jìn)方法的性能，實(shí)驗(yàn)結(jié)果表明基于K-medoids改進(jìn)的FCM方法可以在一定程度上提高分類性能。
　　(2)考慮到分區(qū)空間中分區(qū)的形狀對(duì)分類器的分類

4、性能有影響，我們提出了使用DBSCAN算法來改進(jìn)原有FCM分類器的方法。我們使用DBSCAN算法在分區(qū)空間中對(duì)染色點(diǎn)進(jìn)行劃分得到形狀任意的染色的分區(qū)。在這種改進(jìn)的方法中沒有質(zhì)心的概念，我們定義了新的優(yōu)化目標(biāo)函數(shù)并且調(diào)用 PSO算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的各個(gè)參數(shù)來得到最優(yōu)的分類模型。另外，由于在聚簇形成過程中使用基于密度的 DBSCAN算法代替基于劃分的K-Means，我們分別記錄了實(shí)驗(yàn)中原有的FCM方法和基于DBSCAN改進(jìn)的FCM方法訓(xùn)練過程

5、的運(yùn)行時(shí)間。實(shí)驗(yàn)結(jié)果表明基于DBSCAN改進(jìn)的FCM方法運(yùn)行時(shí)間較短，進(jìn)一步從時(shí)間角度驗(yàn)證了改進(jìn)的FCM神經(jīng)網(wǎng)絡(luò)分類器的可行性。
　　(3)使用現(xiàn)有的幾種神經(jīng)網(wǎng)絡(luò)分類方法和基于DBSCAN改進(jìn)的FCM神經(jīng)網(wǎng)絡(luò)分類方法對(duì)混凝土強(qiáng)度和水泥水化圖像進(jìn)行分類實(shí)驗(yàn)。在實(shí)驗(yàn)過程中我們記錄了十折交叉驗(yàn)證的測試精度和平均F-measure值。實(shí)驗(yàn)結(jié)果表明使用神經(jīng)網(wǎng)絡(luò)分類器來處理硅酸鹽水泥及水泥基材料的相關(guān)問題是可行的，同時(shí)也進(jìn)一步驗(yàn)證了我們提出的