基于可拓聚类的我国私人汽车拥有量预测研究

改革开放以来,我国经济实力不断加强,人民生活水平不断提高,私人汽车拥有量不断增加,对我国私人汽车拥有量进行预测,有利于我国汽车行业以及道路、能源、环境污染等领域的影响研究。文章通过可拓聚类模型,应用2002-2011年的我国私人汽车拥有量数据及其影响因素的相关数据,对2011年我国私人汽车拥有量进行了区间预测,预测结果为7126.45万辆-7423.89万辆,实际7326.79万辆属于这个区间,说明可拓聚类模型作为一种短期区间预测方法适用于我国私人汽车拥有量的研究。     

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。     

基于社区化问答服务的结果聚类研究

提出一种新颖的问答结果聚类系统,用户可以根据系统返回的聚类标签选择个性化的结果。实验和用户研究证明此方法是有效的。     

基于动态聚类法的道路线形舒适性评价

行车舒适性是道路线形质量评价的重要内容,道路线形舒适性评价主要是对平面线形、纵断面线形以及平纵组合的研究.筛选出影响因素最大的评价指标并且利用动态聚类法对各个指标信息进行融合,为道路线形舒适性的评价提供新的方法,并用实际工程项目予以验证.     

一种基于聚类技术的非量化考勤系统研究

传统的自动化考勤系统对于现代公司而言过于刻板,无法根据特定员工的情况给出更具人性化的考勤判定。现在即使在一个中小型企业中,每个月产生的考勤记录数据也是非常庞大的,而传统的考勤系统只能将这些数据作为个体单独处理,这也因此丢失了蕴含在这些数据背后的一些有价值的信息,同时也给未来的考勤系统维护造成了一定的困难。但是利用聚类技术可以将所有的考勤数据作为一个数据集进行处理,找出其中蕴含的有用的簇,并且利用这些簇将个体考勤信息进行分类并得出与这些聚类的差别,利用这些差别最终得出一个更具人性化的考勤排名。     

基于项目聚类和评分预测的协同过滤推荐算法研究

协同过滤算法是目前个性化推荐系统中应用最成功的推荐算法之一。目前协同过滤构建的用户-项目矩阵,一般是按用户对所有项目的评分构建,却没有考虑项目之间的分类情况,导致寻找的邻居集合可能不是最近邻居集合。针对此问题,本文提出基于项目聚类和评分预测的协同过滤推荐算法,该算法首先按商品聚类,将大矩阵按聚类的商品来进行子矩阵的计算,在子矩阵里进行兴趣度的测量,最后将在所有区域相似用户的推荐项目合并,成为该用户的最后推荐结果。实验证明新算法能够提高协同过滤推荐系统的推荐质量。     

基于灰色聚类的物流中心选址

随着物流中心选址在物流系统中的重要性越来越大。而传统的方法都有其不可避免的缺陷，考虑到物流中心选址的灰色特性。本文重点介绍了灰色白化权函数聚类评价方法。讨论了灰色白化权函数聚类方法在物流中心选址中的应用．最后对结论进行了分析。     

基于聚类算法的视频推荐系统的算法研究

针对目前视频推荐系统功能少、推荐数据不全面,以及采集用户数据不全推荐能力弱,用户体验差等问题,提出了一种基于聚类算法的视频推荐系统算法。通过自主开发的聚类算法中的AP-聚类分层分析所获取到的不同的用户信息,以及不同的用户的视频的关注度信息,形成不同的用户视频信息聚类库,结合用户视频信息库中的历史数据,进行标签设置,自主进行计算权重,利用开发的聚类层进行用户对视频信息的喜好进行排序,生成喜好序列表,最后通过聚类分层模型计算出不同用户在聚类信息库中的喜好视频信息,进行标签和推荐。该算法成功的对不同用户的视频信息进行了标签和推荐,且推荐针对性较强,命中率较高,具有一定的学术研究价值和实际推广意义。     

基于客户聚类的卷烟配送中心送货流程优化研究

为了改进"隔日送货"模式,运用聚类分析法对卷烟客户进行分类,按特征分为当日、次日上午及次日全体配送,进一步对送货模式、订货时间及送货路线进行优化,满足"当日送货"模式的时效要求。     

基于密度的最佳聚类数确定方法

确定数据集的正确聚类数目是聚类分析中的一个基础性难题。常用的聚类数确定方法通常依赖特定的聚类算法,且在数据集存在子簇群的情况下效果欠佳。本文提出一种新的最佳聚类数确定的指标,该指标着重于分析簇的几何结构,从数据对象分布密度的角度来度量类内紧密度与类间分离度。该指标对噪声不敏感并且可以识别数据集中的子簇群,在实际数据和合成数据上的实验结果表明,新指标的性能优于广泛使用的其他指标。     

基于混沌游戏表示和自适应仿射传播聚类的股票板块分类

为对我国A股进行板块分类,首先用混沌游戏表示算法对股票日收益率数据进行降维,再用自适应仿射传播聚类算法得到将所有股票分为5类和11类两种板块的分类结果。与证监会行业分类中类内外平均相关系数差0.0140相比,分5类时类内外相关系数差均值为0.0284,分11类时,类内外相关系数差均值为0.0270,均比证监会行业分类区分度高。     

基于价值评价的电力用户分类研究

本文对电力用户价值进行分析和定义,从当前市场价值、潜在市场价值、区域贡献价值三个方面,构建了电力用户评价指标体系,并从这三个维度进行聚类分析。通过熵权法确定指标权重,以减少主观赋权的不确定性。通过实证研究,将参评用户分类,根据不同类别的电力用户分别提出了营销策略。     

基于蚂蚁算法的用户平衡分配方法研究

在介绍蚂蚁算法基础上给出了基于蚂蚁算法的用户平衡分配模型算法设计,并结合算例讨论了蚂蚁算法应用于用户平衡分配的可行性.最后进行了与F-W算法的比较分析,分析结果表明,蚂蚁算法求得的结果满足用户平衡分配的要求,同时表现出求解结果合理和寻优能力强的特点.     

基于特征加权模糊聚类算法的第三方物流企业运营模式分类研究

运用基于特征加权的模糊聚类算法,将传统的分类方法进行结合并引入模糊数学概念,在克服传统算法中各要素在分类上权重相同缺陷的同时,提高了样本的分类效果.新算法从资源能力、组织运作力、竞争力三个角度为企业提供了一种切实的分类方法,有助于企业认识自身在行业中所处的优劣势.     

基于特征加权模糊聚类算法的第三方物流企业运营模式分类研究

运用基于特征加权的模糊聚类算法,将传统的分类方法进行结合并引入模糊数学概念,在克服传统算法中各要素在分类上权重相同缺陷的同时,提高了样本的分类效果。新算法从资源能力、组织运作力、竞争力三个角度为企业提供了一种切实的分类方法,有助于企业认识自身在行业中所处的优劣势。     

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。     

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。     

基于用户体验的家用分类垃圾桶设计研究方法

随着社会文明的不断进步,地球资源的消耗也越来越大,在这样严峻的形式下,绿色环保已然成为新时代文明的标志。本文从用户体验设计出发,深入研究垃圾分类系统,从小处着手寻找解决问题的关键,从而总结出一套完善的研究方法。     

基于可拓神经网络的分类算法研究

BP神经网络是一种常见的分类算法。但BP网络运算速度慢,而且容易陷入局部极小。文章通过增加动量因子避免了BP网络的局部极小,并利用可拓学的扩缩变换,改进了BP算法的训练停止区域,加快BP网络的收敛速度。文章在matlab70环境下进行了仿真测试,仿真结果显示,基于可拓神经网络的分类算法在收敛速度等方面有明显改善。