数学方法在数据挖掘聚类中的应用研究

聚类是数据挖掘中的重要研究领域。实现数据挖掘中聚类,有很多种不同的方法,其中基于数学的方法在聚类中发挥着重要的作用。有关聚类的数学方法有:模糊聚类方法、灰色趋势关联聚类、基于区间值的聚类方法。本文分别从方法解决的问题、适用条件、优缺点及其改进方法角度对这几种方法进行了分析和对比,以此体现数学方法对数据挖掘的重要性。     

对增量式模糊聚类算法的改进

提出了一种增量式模糊聚类技术的改进算法，该算法仅对新增数据计算相似系数而直接聚类，其结果和动态聚类算法相同；该算法较好地解决了新增数据的聚类及类属问题，提高了模糊聚类算法的收敛速度，实验结果证实改进了算法的高可靠性。     

海量数据的模糊聚类

对基因表达数据提出模糊聚类的方法，不直接作用于观测数据，而作用于行和列的模糊相关矩阵的等价闭包。利用该方法可有效地将相似的行或列进行聚类。计算结果表明该方法的有效性。     

模糊聚类和传统聚类分析在证券市场应用上的比较

为探究模糊聚类分析方法在证券投资中是否是一种比传统聚类更有效的指导方法,以16家上市银行为研究对象,分别采用模糊聚类和传统聚类方法对选取的10个重要财务指标进行分析,然后对报告期后三个月各银行股的收盘价按分类结果进行风险和收益分析.结果发现,传统聚类分析中的4种分类方法分类效果欠佳,不能满足特定风险类型投资者的投资要求;而模糊聚类分析的分类结果能满足不同风险偏好投资者的投资要求,减少特定风险类型投资者的选股范围.为获得比较符合客观实际的分类结果和避开在多种传统聚类方法中进行选择,建议投资者采用考虑样本间关联的模糊聚类分析方法对股票进行分析.     

基于粗糙集和模糊聚类的评价方法研究

利用模糊聚类的方法实现连续性指标值的离散化,对分析对象进行分类以获取指标的粗糙数,应用粗糙集约简方法生成约简的指标集并确定指标属性的权重以对其进行综合评价。这种新的评价方法将RS和模糊聚类有机地融合起来,可以充分发挥两种方法的各自优势。最后通过上市公司业绩评价实例验证了此方法的实用性。     

模糊时间序列在中国汽车产业规划中的应用

本文分别基于自动聚类算法和FCM算法的模糊时间序列模型对中国汽车销量进行仿真预测和比较分析,在此基础上择优为政府制定汽车产业规划和开展汽车污染治理工作提供政策决策工具.首先,通过自动聚类算法将1995—2014年中国汽车销量历史数据划分成不同长度的区间,利用单因子三阶模糊逻辑关系对中国汽车销量进行仿真预测.其次,通过FCM算法进行区间划分后对中国汽车销量进行仿真预测研究.最后,对两种算法的仿真预测进行结果精度比较分析,以检验区间划分对预测结果所产生的影响.研究结果表明:不同聚类算法的区间划分会对预测结果产生显著影响;基于FCM算法的区间划分与自动聚类方法的区间划分相比具有准确度和精度较高的优势,能有效地反映未来中国汽车市场需求走势,并帮助政府合理地进行汽车产业规划与科学引导汽车企业的新能源技术研发与应用.     

基于直方图的概率数据流聚类算法

文章提出一种概率数据流聚类方法PWStream。PWStream采用直方图保存最近数据信息摘要,在允许的误差范围内删除过期的数据元组;并设计了一种基于距离和存在概率的簇选择策略,从而可以发现更多的强簇。理论分析和实验结果表明,该方法具有良好的聚类质量和较快的数据处理能力。     

基于聚类融合的聚类分析方法研究

聚类分析是一个正在蓬勃发展的领域,具有非常重要的理论价值和极其广泛的应用领域。作为聚类分析的一个新兴分支,聚类融合已经成为当前数据挖掘和机器学习领域的研究热点之一。本文对聚类融合方法进行了综述,介绍了近几年聚类融合方法研究的主要内容,并讨论了聚类融合方法未来的发展方向。     

客户风险评级管理研究与应用——基于证券CRM管理

在客户关系管理理论的基础上,建立了包含14个行业特色指标的证券业多维细分模型,并结合K-means聚类算法和商务智能技术,提出基于K-means聚类方法的中国证券业客户风险评级管理模型,并结合具体案例,对厦门某证券公司的具体客户信息进行了实证研究,有效的识别出了具有不同该特征以及风险偏好的客户群,证券公司可以据此推出个性化营销策略。     

灰色聚类评估模型在矿山环保投资效益研究中心的应用

本文在对矿山环保投资效益研究现状及难度分析的基础上，应用灰色系统理论中的灰色聚类评估模型对某省五个矿山的环保投资效益进行了分析评判，认为灰色聚类评估是研究矿山环保投资效益的一种有效可行的方法。     

模糊方法在建筑工程投资估算中的应用研究

文章引入模糊聚类,模糊识别的一些方法来对工程项目建设中的投资中的模糊问题进行分析,包括模式库建立、典型工程匹配等;并结合具体实例,研究建立建筑工程投资估算价格的预测模型模型,给出定量的结果。     

中小商业银行客户贡献度评价及分类研究

以目前已有的客户价值评价模型为基础,对商业银行的企业类客户进行研究,建立其对银行业绩贡献度的评价指标体系,提出客户价值评价模型,对客户消费行为、自身属性等数据进行了挖掘和分析,详细阐述评价方法和过程,并用模糊C-均值聚类方法对客户进行分类,探讨银行对每类客户的营销策略,以期达到保持有价值客户、提升客户层次的目的。实证分析结果表明基于本文提出的对商业银行客户价值的评价方法更为简单、实用,可以为中小商业银行进行客户评价提供决策支持。     

我国粮食作物保险风险区划的实证研究

粮食保险属于政策性农业保险,保险风险区划是全面推进粮食保险的一项先期准备工作。本文认为,产量变化能够测度自然风险对粮食安全的影响,并从这一新的视角建立了粮食安全自然风险影响的评价指标体系,利用系统聚类法、K-均值聚类法和模糊聚类法对我国粮食生产进行了省级保险风险区划划分,并以Fisher判别法、Bayes判别法和逐步判别法进行了回判验证。     

基于混合K-中心点的Web客户聚类

通过对Web日志文件进行分析，该文提出了一种改进的K-中心点聚类算法对Wweb用户的行为进行分析的方法。该算法利用模糊相似度，并模仿遗传算法中计算适应度思想，另加了一层循环迭代，每次比较适应度，保留最佳适应度，使之有较好的性能，改进了其易局部最优化的缺点。     

带有成对约束半监督聚类算法C-DBSCAN的设计与实现

DBSCAN是一种经典的基于密度聚类算法,能够自动确定簇的数量,对任意形状的簇都能有效处理。但是,在半监督聚类中有些是以成对约束信息作为先验信息来引导聚类过程,而传统的DBSCAN算法并未充分利用这些信息。因此,论文在基于密度的聚类中使用成对约束,对DB-SCAN算法进行改进并最终实现了C-DBSCAN算法。实验表明,该算法有效地提高了聚类的质量。     

模糊聚类法在供应商选择中的应用

本文运用模糊聚类分析法,根据供应商的交货可靠度、产品质量和产品价格这三个评价指标对多家供应商进行分析,将供应商大体上分为几类,以便选择出适合企业的供应商。最后用实际算例对本文方法进行了分析说明。     

模糊决策法在物流供应商选择中的运用

基于物流供应商在选择过程中所包含大量不确定和模糊因素,选择影响供应商选择的指标体系,运用模糊决策理论和方法,建立关于供应商选择的模糊决策模型,为合理选择供应商提供了一种量化方法。     

基于离群数据挖掘的计算机审计

目前，广泛应用并能简单处理大规模数据集的离群数据挖掘算法主要有基于聚类方法、基于距离方法和基于密度方法等几种；基于离群数据挖掘的计算机审计在操作上一般分为数据的采集、数据的准备、建立离群数据挖掘模型等四个步骤；基于离群数据挖掘方法在审计中的应用，有利于帮助审计人员发现异常的交易或事项，快速确定审计重点，提高审计效率。     

基于模糊聚类分析的多目标决策方法

当多目标系统中的决策目标和备选方案都较多时,决策分析就相当耗时费力。本文以决策论中的理想目标作为监督信息,利用模糊聚类分析中的部分监督模糊C-均值聚类算法,提出一种新的多目标决策方法,该方法不仅能识别最佳方案,而且能确定各备选方案的排序,以及属于理想目标的程度。     

基于模糊神经理论的汽车悬架控制技术的研究

介绍了模糊逻辑控制、神经网络理论技术在汽车悬架控制技术中的应用研究，对基于模糊逻辑和神经网络理论的悬架控制技术关键进行了分析，为汽车悬架控制技术的深入研究提供了有用的参考。