一种改进的模糊聚类算法研究

针对模糊C-均值聚类算法不能很好对非椭球形分布,或结构形状不对称分布的数据进行聚类的问题,文章提出了一种基于点密度的模糊C-均值聚类算法PD-FCM,该算法利用数据的点密度能够反映其对不同数据密度分类的符合程度的这一特性,构造了修正参数来改进基于欧几里德距离度量方式,从实现对FCM算法的优化。在人造数据集和知名数据集上的实验结果该算法在准确率和隶属度的准确性方面优于模糊C-均值聚类算法。     

基于DKC值的K-means改进聚类算法的研究

由于K-means算法的中心点是随机选择的,这样会导致聚类结果很不稳定,同时,孤立点的存在也会影响到聚类的精度,为解决这些问题及二者之间互相牵制,文章基于DCK值来对初始聚类中心进行选择,同时去除数据中的孤立点,使得聚类中心相对稳定,再利用改进的k-means算法对数据进行聚类,改进后的算法较原始算法更准确。     

基于改进的PALM的聚类算法及应用

由于K-means聚类算法具有很强的非凸性,其聚类效果常常取决于初始化结果。近期,Xie等人为了克服初始化问题,将K-means模型松弛为具有非凸约束的优化问题,同时应用近端交替线性化极小化算法求解该类优化问题,但该类算法中的梯度计算复杂度较高。所以,在此基础上,将K-means模型进行了更新,得到了一种改进的PALM聚类算法;通过6个基准数据对新算法聚类结果的评估,实验结果表明：改进的算法的时间复杂度低于原来的算法,且部分数据集解的聚类精度更高。     

基于ICA的改进k均值聚类算法在股票市场中的应用初探

本文提出了一种基于独立成分分析的改进k均值时间序列聚类算法,在独立成分分析对每个时间序列提取特征并使用动态时间规整算法对每个时间序列两两进行距离的计算之后,使用模拟退火算法结合k均值聚类算法寻找全局最优解,本文使用伪F统计量确定最优的聚类数目,最后,本文使用实际股票收益时间序列验证了该算法的可行性,得到了较好的结果。     

基于粒子群优化的模糊聚类分析

基于求解实优化问题时,粒子群优化算法优于遗传算法。在基于遗传算法的模糊C均值聚类算法基础上,给出了基于粒子群的模糊C均值聚类算法,试验结果表明:该算法克服了传统的模糊C均值聚类算法的缺陷,同时在收敛速度方面明显优于基于遗传算法的模糊C均值聚类算法。     

基于谱聚类算法的烟草立体仓库储位优化

基于烟草立体仓库的运作背景,从行业发展和企业需求出发,为促使仓库分拣运作更均衡,提出了考虑产品关联与周转率的储位优化方法。方法中,建立了储位优化模型,通过肘方法确定聚类的最佳簇数,再基于谱聚类算法对产品进行聚类,最后设置了货位指派规则,将聚类结果有效地科学地应用到了运作实际场景中,得到了储位优化布局。     

一种改进的松弛迭代图像配准算法

本文展示了一种改进的松弛迭代图像配准算法,此算法首先使用归一化自相关运算求得图像的粗匹配对,接着使用改进的松弛迭代匹配算法进行精匹配。本文通过优化筛选第一轮迭代结果,使得后续迭代时间明显减少。实验证明此算法效率比原始算法有了很大的提高。     

模糊C聚类综合评价法在企业财务信用评级中的应用

本文针对当前企业财务信用问题,提出了基于模糊C均值聚类和综合评价相结合的财务等级分类方法。探讨了聚类分析方法在财务信用分类中的应用,包括模糊聚类方法和根据聚类中心进行综合评价研究两个方面。采用实际的数据进行了实证分析,表明该方法可根据实际需要获取很好的评价分类效果,而且根据聚类中心进行评价,能更清楚地反映信用等级。     

并行DBSCAN聚类算法

本文针对DBSCAN算法在计算速度方面的瓶颈，提出了一种新的基于内存的并行DBSCAN算法：合理划分数据库，各个处理器并行聚类，之后合并聚类结果，可以达到很好的聚类结果效果和计算效率。通过对一台双核计算机的实验，发现实验速度可以提高50%左右。     

基于K均值的改进遗传算法求解TSP

提出一种基于K均值聚类方法的改进遗传算法,该算法通过聚类方法把大规模TSP转换为多个小型TSP,利用改进的遗传算法针对每一个类分别优化,求解得到多个闭合回路,再利用节约的思想将多段回路连接构成单一回路。其中遗传算法引入距离因子,结合TSP回路中边的长度进行交叉和变异,实验证明,基于K均值的改进遗传算法在求解结果方面提高30%以上。     

电力物资仓库布局选址问题研究

合理的电力物资仓库布局有利于电力公司对物资的高效高质管理。针对现有电力仓库的存在的问题和配送、管理要求,提出＂服务＂与＂成本＂并举的总选址目标,建立了一个双层选址模型并设计启发式中心聚类算法进行求解。最后应用实例进行了有效性验证。     

遗传算法在配送中心选址中的应用

配送中心是现代物流的重要组成部分,它在整个物流系统中起着承上启下的作用,如何合理的选择配送中心就显得尤为关键.本文提出了一种新的二进制和浮点数混合编码的改进遗传算法.该算法对种群初始化函数和遗传操作做相应的改进,使得表示配送中心选址的决策变量只能在0或1这两个离散变量上选择,解码更加方便,大大提高了运算效率,改进的遗传算法能够很好的解决物流配送中心的选址问题.     

数据挖掘中聚类分析综述

数据挖掘中的聚类技术是一种非监督分类技术。概述了聚类分析算法中的数据结构和数据类型,分析了聚类分析的意义及研究现状,比较了几种聚类算法的优点及问题,并结合通信领域的应用指出了K-Means聚类技术的绝对优势。     

大数据视域下企业财务内部审计创新探索

企业内部审计工作的质量对于提升企业经营管理效率、推动其健康可持续发展而言至关重要。在大数据时代背景下,随着信息化技术的飞速发展,财务共享中心也得到了一定发展,其运营效率逐渐提升,使得企业内部审计工作在实际开展过程中问题重重,难以及时合理地调整企业经营管理。为此,论文着眼于大数据背景下的企业财务内部审计工作,提出合理的创新优化思路,明确企业在经营管理模式转变过程中所存在的各类问题,并在此基础上展开对内部审计工作的优化调整,以促进审计工作效率提升,为其指明发展方向。     

基于改进遗传算法的TSP问题优化研究

旅行商问题（TSP问题）已经被证明属于NP完全问题。遗传算法是一种模拟自然界中生物的进化机制的优化策略．是一种基于群体、隐并行搜索策略，是求解TSP问题效率相当高的一种算法。因此．本文提出使用改进的遗传算法．即用个体数量控制选择策略以保证群体的多样性，用顺序交叉算子和部分路径翻转变异算子来提高算法的收敛速度．较好地解决了群体的多样性和收敛速度的矛盾。算法的分析和测试表明．该改进算法的是有效的。     

低功耗分簇路由算法LEACH的能耗分析

文章对无线传感器网络低功耗分簇路由协议的代表性算法—LEACH的运行机制以及性能做了详细的研究,针对该算法的分簇阶段、簇的建立阶段以及稳定的数据传输阶段的相关原理和运行情况作了深入分析。最后从正反两方面总结了LEACH协议的运行特性。     

基于PCA的CS-RBF网络的股票预测研究

针对传统的RBF神经网络在选取中心矢量参数时的不足,提出用具有较强跳出局部最优的布谷鸟算法(CS)优化RBF神经网络的中心矢量的改进算法,并将该算法应用于股票价格的预测,仿真结果表明:该算法的预测精度比传统的RBF算法的预测精度高,是一种有效的股票预测方法。     

MPLS网络负载均衡的聚类算法研究

在分析了常用的几种QoS保障的算法基础上,给出了负载均衡模型,提出应用数据挖掘中的聚类算法求解MPLS网络负载均衡问题。该算法融入权重信息有效地提高了搜索效率。仿真结果证明算法是有效的,显著改善了传统MPLS网络负载均衡路由算法易于导致的网络流量分布不均衡的状况。     

基于聚类算法和蚁群算法的物流配送路径优化研究

物流配送的研究已经成为提高物流效率、降低物流成本的关键。文中在研究物流问题现状以及相关配送路径算法的基础上,提出了一种新的物流配送路径优化方案,对于一个城市内的多个配送点,首先通过K均值算法进行聚类分析得到局部配送中心及其配送范围内的客户点,然后利用蚁群算法设计该配送区域内的最优配送路径。通过仿真实验得知,文中方案设计出的最优配送路径长度较单纯采用蚁群算法有了较大改善。     

基于遗传算法的自动组卷算法的设计

自动组卷系统中组卷算法的好坏直接影响到组卷的效率和质量,本文分析了各种常用的组卷算法,提出将改进的自适应遗传算法用于解决组卷问题,以提高组卷效率。并详细论述了基于遗传算法的自动组卷策略的实现过程。