优化模糊聚类的一种方法

本文在模糊聚类分析中，引入多元统计分析的F-统计量和变化的显著性水平，用其优化分类，构造了一种求最优分类的方法。在满足F检验的分类中，最优分类所对应的显著性水平最小。此方法用犯错误的概率评价模糊分类的有效性，所得结果最佳。且此方法的自动化程度较高，不需用人工手段设定分类数。本文用此方法研究了一个实际问题的分类，所得效果较好。     

基于模糊C-均值聚类算法的刀具磨损预测研究

本文将模糊C-均值聚类算法应用到了的刀具磨损预测方法中,以振动信号作为特征信号,通过具体检测实验在不同转速下跟踪采集刀具磨损各阶段的振动信号,然后求出信号的时域特征值作为预测样本值,通过模糊C-均值聚类算法对待测样本进行划分类,利用欧几里得贴近度法最终实现刀具磨损预测。结果表明,预测结果与刀具实际磨损状态相符,模糊C-均值聚类算法通过振动信号有效地分类刀具磨损模式。     

一种新的颜色量化算法——基于一维HSV颜色量化的二次模糊聚类

笔者在借鉴以往算法思想的基础上,提出了一种新的颜色量化算法。实验证明,在HSV色彩空间中,所提算法在视觉上更为合理。算法结合了模糊理论,将量化边界处模糊化,进行第一次颜色量化,并将颜色量化结果进行二次聚类。大量图像实验表明,此种量化方法既符合人眼的视觉特征,又能有效降低颜色直方图中的冗余信息。     

一种基于集合的Web用户会话实时聚类算法

随着互联网的普及和电子商务、个性化推荐技术等的发展,Web使用挖掘成为了数据挖掘的新的研究热点。针对Web用户会话聚类,提出了一种基于序列对集合的用户会话实时聚类方法。对聚类算法进行了分析与比较,给出了时空复杂度,实验比较了BOM算法与BOC算法的效率,并验证了BOC算法的有效性与时效性。     

基于读者日志分析的模糊聚类研究

为了能及时了解读者对图书的需求及阅读动向,提出了建立一个读者兴趣模型,并在此基础上进行模糊聚类研究,从中挖掘出读者的阅读规律。     

水文学中的模糊聚类问题的讨论与研究

对模糊聚类分析的产生,发展概况进行说明,简要介绍了进行模糊聚类分析的一般方法,以及目标函数法的基本过程,同时也对水文学中模糊聚类研究可能遇到的问题进行探讨。     

Web文本挖掘中模糊聚类的有效性评价研究

本文研究了基于模糊聚类的Web文本挖掘和模糊聚类有效性评价函数,并将其应用于Web文本挖掘中模糊聚类有效性评价。仿真实验表明该方法有一定的准确性和可行性。     

基于模糊聚类的交通小区划分方法研究

阐述了交通小区的定义,划分交通小区的目的与原理,依据模糊聚类分析法,运用MATLAB软件进行聚类分析,提出整合方案。     

基于模糊聚类法的应急物流绩效评估方法研究

提出了一套应急物流绩效衡量的指标体系,并应用模糊聚类方法对应急物流绩效进行分析,该评估方法使应急物流绩效的衡量更具整体性、可比性、实用性和易操作性。     

浅谈聚类算法及其存在的问题

数据挖掘的一个重要研究方向是聚类分析。聚类是指将物理或抽象对象的集合分组成为由类似的对象组成的多个类的过程。通过聚类使得同一组内的数据对象具有较高的相似度,而不同组中的数据对象相似度较低。本文简单介绍了几种常见的聚类分析算法及这些算法普遍存在的一些问题。     

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。     

动态模糊聚类信用评价模型及其应用研究

本文简要介绍了小额贷款公司客户信用评级的研究现状,提出基于动态模糊聚类方法建立信用评价模型,按照信用等级分为“信用好”、“信用中等”和“信用差”三类,并运用该模型对小额贷款公司10个企业客户进行信用分类实证研究。研究结果表明,基于动态模糊聚类的信用评价模型能对客户信用级别进行高效的分类,可为小额贷款公司有效甄别高风险的贷款客户,更好地保护贷款资金提供方的利益。应用实例也证明了该模型的设计准确可靠。     

基于自适应遗传算法的K均值混合聚类算法

本文将AGA算法与K均值聚类方法结合,并将其应用在国际标准数据集iris的聚类上,取得了较好的聚类效果。     

基于模糊聚类的物流中心体系选址决策研究

根据物流中心体系综合选址问题的特点,将模糊聚类分析方法运用于其选址决策中。并给出模糊聚类的基本思想和基于模糊聚类物流中心体系综合选址的分析步骤,通过算法运用说明该方法在实际问题中的应用,并指出其在应用中应注意的问题。     

数据挖掘中模糊聚类方法在信息检索中的应用

信息检索主要研究大量文本的信息组织和检索,典型的信息检索问题是基于用户的输入来定位相关的文本,而文本的相关性是一个模糊的概念,为了对这个模糊的概念加以客观的度量,本文提出了一种新的文本间相关性的计算方法。该方法利用词频矩阵和模糊相似矩阵,在基于相关性检索的一组文档中,使用模糊聚类中的传递闭包法计算出一组文档间的相关度,最后用一个实例加以说明,得到了比较客观的结果。     

基于层次分析与模糊聚类的建筑工程评标方法研究

目前的评标系统大多基于单项评议法、综合评议法、两阶段评议法等传统方法,评标方法简单但主观因素影响较大。本文提出了基于层次分析与模糊聚类的建筑工程评标的方法,研究了方法的理论基础,给出了评标方法及流程,运用该方法使得评标更具客观性。     

基于模糊聚类的综合财务分析方法及其Excel实现

本文结合上市公司的财务指标，在数据规格化处理的基础上，利用模糊聚类分析，采用欧氏距离方法建立模糊矩阵，利用平方法求解模糊等价矩阵，并按照一定的聚类水平进行模糊聚类，得到同一行业不同企业的分类。利用此方法，可综合反映企业的财务状况与经营成果，实现对企业的综合评价。     

基于均值聚类的背景估计算法

本文提出了基于均值聚类的背景估计算法。首先利用提取特征点,然后利用K-means聚类算法去除错误的特征点对。最后利用随机样本一致(RANSAC)算法和最小二乘方法求解运动参数。实验结果表明本文算法比原始算法的峰值信噪比提高。该算法能更加准确的实现运动背景估计,提高了运动背景估计的鲁棒性,同时提高了计算速度。