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。     

基于因子分析与聚类分析复合模型的市场细分研究——以移动通信行业为例

本文从新的视角，应用因子分析与聚类分析复合模型研究市场细分和市场开拓问题。首先分析因子分析与聚类分析复合模型的应用研究现状，得出该模型在市场细分中应用的可行性。然后以移动通信行业为实证研究对象，通过设计Likert五级态度量表，对刚入校的大一学生开展抽样调查，了解新市场消费者对移动通信商及其产品的认知和态度。应用因子分析对多个观测变量进行降维，在此基础上，以公共因子和因子得分为依据，应用K—Means聚类分析法对样本进行聚类和市场细分，提出对移动通信服务商选择目标市场和进行新市场开拓的策略建议。     

K-means聚类分析在建筑施工风险评价中的应用

本文以建筑施工过程中的安全风险为研究对象，将聚类方法引入风险评价过程中。本文主要分析了高处坠落、坍塌、物体打击、起重伤害、机械伤害等九大风险因素，介绍了K-means聚类方法的原理，收集了住建部的施工伤害数据，通过KNIME软件进行聚类分析，得出各个风险因素的风险类别。最后针对各个风险类别的因素提出风险控制的具体措施。     

区域经济发展水平的聚类分析——以陕西省为例

以陕西省十个地级市及杨凌示范区为研究对象，选取2009年反映区域经济发展水平的7个重要指标，通过对2010年陕西省统计年鉴原始数据的采集处理，运用系统聚类分析的方法对社会经济发展水平进行聚类。最终将陕西省各地级市的经济发展水平划分为5类，分别进行客观评价，并就经济发展不平衡的现状提出了一些相应的对策建议。     

城市交通拥挤事件的模糊C均值聚类识别方法研究

交通拥挤事件是城市公共交通系统中造成交通延误的最主要原因之一,快速有效的识别拥挤事件是城市交通控制策略的重要环节。针对交通流相态及其交通因素类属方面存在的模糊性,本文在分析交通流特征时对其进行了聚类软化分。根据交通流特性,运用模糊C均值聚类算法对交通流各要素进行模糊分析处理。通过对交通量隶属度的判别和聚类分析结果,找出不同交通流间的亲疏程度和相似性,将具有相近特性的交通流归纳在一类,从而判别出交通流相态属性,确定交通拥挤事件的发生,达到对交通拥挤事件识别的目的。     

我国证券市场板块指数的模糊聚类分析

以我国上海证券市场的各分类样本指数为研究对象,随机抽样了24个分类板块指数,研究了它们之间的相关性,并运用模糊聚类分析法对其进行了聚类分析,最后根据实证研究结果,对投资者提出了具有一定参考意义的投资操作建议。     

环鄱阳湖区域物流发展实证分析

本文以环鄱阳湖物流发展作为研究对象,通过环鄱阳湖区域物流发展现状的分析,运用因子分析和聚类分析对环鄱阳湖发展进行了实证分析,研究结果说明了环鄱阳湖区域物流发展的水平及聚类情况,为后续环鄱阳湖区域物流发展提供了定量分析的依据。     

稀土农用前景广阔

稀土是元素周期表中的一组元素,它由性质十分相近的镧(La)、铈(Ce)、镨(Pr)、钕(Nd)等15种镧系元素和与镧系元素性质极为相似的钪(Sc)、钇(Y)共17种元素组成,统称为稀土元素.     

河北省区域经济发展水平的聚类分析简

本文以河北省所辖11个地市为研究对象，选取反映区域发展水平的重要指标，运用聚类分析方法，利用SPSS软件对处于不同发展水平的地市进行了聚类分析，将河北省划分为四个发展水平不同的经济区域，为进一步提升河北省区域经济发展提供决策参考。     

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。     

聚类分析在GIS中的应用研究

由于数据的多样性与复杂性,如何将常用的一些数据挖掘方法应用到GIS中,已成为空间数据领域里的一个重要研究的方向与课题。通过聚类,可以得到空间对象的分布模式,为其他数据挖掘方法所用,挖掘其中潜在的模式和规则。因此,研究聚类分析在中的应用还是具有重要的实际意义的。     

基于聚类分析的协同学习小组分组方法

在协同学习概念基础上,研究并提出了基于聚类分析的两种协同学习小组分组方法。为此,首先阐述分组策略;然后给出聚类分析概念、变量选择和2种分组模式(即一次性分组与实时分组)。聚类分组的有效性分析表明,该分组方法是有效的,符合协同学习小组"组内异质,组间同质"要求。     

数据挖掘中的聚类分析研究

聚类分析是数据挖掘中的一个重要研究领域，是一种数据划分或分组处理的重要手段和方法。文章重点对分类属性和其他非数值属性数据聚类进行研究。     

境外能源项目投资贷款决策的灰色聚类方法

文章针对境外项目贷款决策,提出基于灰色聚类分析的智能化决策方法。利用灰色聚类分析将按风险成因分类的原风险指标体系聚类成基于风险危害程度的灰色聚类风险指标体系,实现了对待决策境外项目贷款的准确风险度量,并将度量结果作为样本数据集进行聚类分析,得到以贷款实施方案为聚类中心的决策模型,完成境外项目贷款实施方案。     

我国会计准则国际趋同度研究

在总结现有会计准则国际趋同度度量方法、特点的基础上,应用模糊聚类法对我国2014年新颁布与新修订的八项准则的国际趋同度进行度量。聚类结果与进一步分析表明:新颁布的三项准则国际趋同程度最为接近且整体水平较高;新修订准则《职工薪酬》与《金融工具列报》为一类,在确认条件与计量标准层次的国际趋同度略低于新颁布的三项准则;《合并财务报表》《财务报表列报》以及《长期股权投资》为一类,在计量标准层次的趋同度明显低于平均水平。通过模糊聚类分析,能够发现我国会计准则国际趋同中存在的问题,为进一步改进与完善提供参考。     

模糊分级聚类分析方法

本文提出模糊分级聚类分析的方法,并阐述了实现分级聚类的技术措施.此方法能综合不同权重的多套多指标的模糊数据,将样本按预期的类别数进行聚类。一、引言随着国民经济管理决策的科学化和系统化,对众多的研究对象进行分级和聚类的要求愈来愈显得迫切而细致。例如要对某省的128个县进行分级的聚类,依据的指标可能有几十个,每个指标有各自的权重,每位专家可以把每个县按指标归入富裕县、较富裕     

基于系统聚类分析的西藏农业竞争力实证研究

本文基于可获得的统计数据,建立了西藏自治区区域农业竞争力评价指标体系,运用聚类分析方法,对西藏7个地市农业综合竞争力进行科学的定量分析和研究,研究结果显示,西藏7个地市农业竞争力可以分为三类:拉萨、林芝和山南为一类;昌都和日喀则为一类;那曲和阿里为一类。为了解西藏各地市农业发展的实际水平提供客观依据,并提出相应发展建议。     

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。     

基于模糊聚类的客户分类应用研究

为解决客户关系管理中的客户分类问题，引入了模糊聚类分析算法。通过分析客户购买力的单因素数据矩阵，以客户胸买力之间相似程度作为聚类指标，应用模糊聚类分析法，求得客户的相对隶属度，从而为客户类别的划分提供科学分类依据。在特征函数确定问题上，提出了结合2/8营销理论的一种新方法。     

改进的聚类分析算法及其在我国高速公路事故预防中的应用

聚类分析是数据挖掘中很重要的理论和工具,在融合聚类分析技术的基础上,运用模糊聚类提出我国高速公路安全事故原因聚类分析的方法,并利用实际数据进行分析,得出高速公路事故高发的原因的聚类划分,提出预防和控制方案。这是聚类分析在高速公路管理中的一种创新应用,对高速公路管理部门具有一定的参考价值。