海峡西岸经济区无水港群的网络布局——基于模糊聚类分析法和SPSS17.0软件

在海峡西岸经济区稳步发展和港口竞争日益激烈的前提下,海西无水港的构建正当其时。无水港的构建不仅能增加海西港口群货源量,提升海西港口群的竞争力,拓展其经济腹地,而且能促进当地区域经济发展、优化运输系统、完善供应链。本文在分析海西经济腹地现状的基础上,构建了影响海西无水港布局的评价指标体系,利用模糊聚类分析方法,对海西港口群的腹地范围内的无水港进行选址布局及其等级划分。     

基于层次分析与模糊聚类的重大事件决策模型及应用研究

通过对重大事件的研究,找出了重大事件的决策方案。首先应用层次分析法对政治、经济、环境、风险评估几个影响因素分析,建立了评价系统层次结构,给出了重大决策相应影响因素的排列顺序。然后模糊聚类法对河北省五个地区的重大决策进行研究,根据特点对各个地区进行聚类,给出了省级工作者在决策时的决策方案。最后利用决策论对重大决策体系进行了研究,提出了决策论在科技管理中的应用。     

基于粒子群算法的山东省粮食产量预测

粮食产量预测在经济和社会发展决策中具有重要意义。粮食产量既受人为因素的作用,又受自然因素的影响。针对粮食生产受人为因素和自然条件影响而出现的趋势增长和周期变化特点,提出了粮食单产预测模型,采用粒子群算法随机搜索预测模型的参数,结合粮食播种面积的论证,测算出了2010-2025年山东省粮食总产量。分析表明,预测模型的拟合精度较高,预测结果是合理的。     

灰色聚类分析法在电力变压器状态评价中的应用

为了克服传统的“是非制” 评价电力变压器的运行状态的缺点，针对大型电力变压器状态信息的多因素性等特点，提出基于灰色聚类分析的变压器状态评价方法。文中通过建立变压器状态评估的指标体系和聚类分析模型，将变压器的状态划分为四个灰类，建立了各聚类指标的白化函数，给出了变压器状态评估的基本步骤。实例分析表明，文中提出的方法简便、实用，能较好地解决“小样本”、“贫信息”不确定系统的状态评价问题，可以有效地评估电力变压器的运行状态。     

层次聚类方法的CURE算法研究

层次聚类方法是一种发展比较早、应用广泛的聚类方法。本文重点总结研究了聚类技术中层次聚类方法的典型算法-CURE算法,并给出了一个详细的手工解析示例。     

基于动态调整惯性权重粒子群算法的冷热电联供系统运行优化

为实现能源梯级利用、冷热电联供系统优化运行,将基本粒子群算法、改进粒子群法、动态调整惯性权重的粒子群(IDWPSO)算法进行对比。结果表明,相较于其他两种算法IDWPSO算法在收敛速度与精度方面都有更好的表现。建立以运行成本和环保成本最小为目标的冷热电联供系统模型,并采用IDWPSO算法优化。结果表明,在满足系统负荷与约束条件下,IDWPSO算法优化后的系统综合成本有所降低,对CCHP系统优化运行具有指导意义。     

基于粒子群优化算法的洛伦兹曲线参数估计及基尼系数的计算

根据已有洛伦兹曲线模型,应用粒子群优化算法对洛伦兹曲线参数进行估计。由拟合的洛伦兹曲线计算2002-2011年我国城镇和农村的基尼系数,再利用"分组加权法"得出我国总体的基尼系数。结果表明:粒子群优化算法可以有效地估计洛伦兹曲线中的参数;由该算法的估计参数所确定的洛伦兹曲线估算2002-2011年基尼系数,其变化趋势与其它预测相符。从而为洛伦兹曲线提供了可靠、有效的参数估计方法。     

基于聚类算法的数字图书馆知识推送原理

文章针对高校师生用户对数字图书馆的推送服务满意度进行了调研分析,结果显示用户对图书馆的推送服务满意程度不高。基于此类问题,文章根据高校用户属性特点进行k-means聚类研究,使推荐信息时考虑用户自身属性特点,包括年纪、专业和目的等特点,并据此设计了混合属性的距离函数。建立的基于聚类算法的数字图书馆知识推送服务,提高了原有相似信息对用户的模糊推荐效果,提高了用户体验。     

基于免疫粒子群优化神经网络的经济预测算法研究

在分析宏观经济系统特点之后,针对现有的采用人工神经网络对经济系统进行建模和预测的方法存在的问题,文章提出了一种改进的免疫粒子群优化神经网络算法。仿真结果表明：这种算法能够增强神经网络的泛化能力,提高系统模型的预测精度,使预测误差从原来BP神经元网络的15％下降到改进后的5％.     

基于谱聚类的图像分割特性分析

谱聚类是近年来国内外进行聚类分析的新的研究热点.谱聚类的优势在于不对数据的全局结构作假设,具有识别非凸分布聚类的能力.文章介绍了该算法的基本理论,深入分析了其聚类本质,然后由图像分割实验验证,并给出它的适用范围.     

基于人工免疫FCM聚类算法的期货公司分类监管研究

股指期货的推出,为期货公司的发展提供了机遇和挑战。监管部门为促进期货公司发展提出对期货公司分类监管的思想。文章结合免疫算法和FCM方法提出适用于期货公司分类的聚类算法,为监管部门的分类监管提供新的计量模型。实证表明免疫FCM算法结果明显优于K-MEAN聚类结果。     

基于均值偏移的粒子滤波视频跟踪算法研究

提出了基于融合颜色和LBP纹理特征的均值偏移粒子滤波视频跟踪算法。粒子滤波用带权粒子集表示待求解函数值,解决了非高斯非线性问题,提高了跟踪精度。将均值偏移嵌入到粒子滤波算法框架,实现对粒子的聚类,减少粒子数量同样达到实时准确跟踪的效果。融合颜色信息、纹理信息的多种特征描述,能够准确地描述模标,提高模标锁定的准确性,克服环境中相似颜色干扰的问题。实验证明,该算法在人体行为实时跟踪的准确性和鲁棒性方面较原算法有明显提高。     

基于模糊动态聚类分析的辽宁省建筑业发展水平研究

辽宁省凭借其建筑业的蓬勃发展已跻身于我国建筑强省行列。但在全省建筑业快速发展的同时却出现了各地区建筑业发展水平不均衡的现象。本文引用模糊动态聚类分析对辽宁省各地区建筑业发展水平进行了分类,并根据各地区建筑业发展的现状对辽宁省建筑业发展不均衡问题进行了分析。同时结合各地区特点提出具有针对性的建筑业未来发展建议。     

基于粒子群优化反向传播神经网络的铁路路基沉降量预测

铁路路基沉降规律复杂、沉降量难以预测,因此提出一种粒子群优化反向传播神经网络的路基沉降量预测模型。传统神经网络建模时存在收敛速度慢、易陷入局部极小值等不足。因此,通过粒子群算法修正网络的初始权/阈值,提高全局收敛性,建立基于粒子群优化的反向传播神经网络预测模型。通过对宝中线实测数据进行仿真实验,结果显示：经粒子群优化的神经网络可避免局部极小问题,加快网络收敛速度,提高了对铁路路基沉降量的预测精度。     

基于聚类技术的股市基本趋势规律挖掘

本文提出采用技术指标构造特征空间,在特征空间上用模糊核聚类算法寻找股市规律的股市技术分析方法。对1997年以来的沪市大盘指数进行了实证分析试验,识别出了市场基本趋势的演化规律,显示出该方法具有长期预测市场发展方向的能力。     

改进k-means聚类在股价波动趋势上的应用

股票价格在一段时间内的波动趋势对研究预测这支股票有着非常重要的作用。研究将K-means聚类利用层次聚类算法思想进行改进,对股价波动趋势进行聚类,并在一定范围内选择出最优聚类数。此方法在此问题上聚类效果优于原始k-means聚类算法,为未来对股价波动趋势的预测研究提供帮助。     

基于粒子群算法的水下无线传感器网络路由策略研究

针对水下无线传感器网络能量消耗不均衡及生命周期短的问题,文章在LEACH协议的基础上提出了一种降低节点能耗,延长网络生命周期的水下路由协议算法。该协议将粒子群算法用于水下无线传感器网络的簇首路由优化中,同时考虑到节点的剩余能量、簇首节点到基站的距离和非均匀分簇等5个因素,确定最优传输路径,达到降低节点能耗,延长网络生存周期的目标。仿真结果表明,该协议极大地降低了网络能耗,提高了网络生存周期。     

基于NBC模型的电力变压器故障诊断

随着电力变压器朝着大容量、高电压、高负荷的方向发展,其结构也越发复杂,故障逐渐增加.当前广泛使用的改良三比值法在对电力变压器进行故障诊断的过程中,容易出现准确率低和漏判率高等问题.鉴于此,提出一种NBC模型,该模型将朴素贝叶斯网络和改良三比值法的优势结合,在对电力变压器当前状态数据和历史样本数据充分学习的基础上,利用朴素贝叶斯分类器对当前电力变压器故障的编码组合进行故障预测分类,将预测所得到的诊断结果进行排序整理输出,实现了对电力变压器各类故障的有效分类.仿真结果表明,该NBC模型能较好地适应电力变压器各类故障的诊断,故障综合诊断正确率为95％,相较于改良三比值法,诊断准确率提升了50％,具有较强的工程实用性.     

区域孵化器网络绩效的模糊群决策

企业通过建立指标体系,利用matlab编程实现模糊多属性群决策,结合广东省科技产业发展现状,以虚拟区域孵化器网络的模式建立包括广州、深圳、珠海在内的三个虚拟网络,并对各个区域孵化器网络进行孵化能力的评价,帮助待孵企业寻找最佳规模和运转条件的区域孵化器网络。