基于数据场K-means聚类的农村贫困人口精准分级研究——以贵州省某镇为例

综合考虑贫困人口分级单指标和多指标,提出了一种基于数据场K-means融合聚类的农村贫困人口精准分级方法,该方法先由数据场势函数得到初始聚类的个数与聚类中心,再将其导入K-means聚类算法得到最终分级结果,有效地解决了传统K-means算法需要主观给定聚类参数的问题。最后,以贵州省某乡镇贫困人口数据为例进行实证分析,结果表明,该融合聚类方法更简洁、高效,能够为农村贫困人口分级提供科学合理的参考。     

基于优化初始聚类中心的K-means聚类算法

针对传统的K-means算法运行的结果依赖于初始的聚类数目和聚类中心,本文提出了一种基于优化初始聚类中心的K-means算法.该算法通过量化样本间距离和聚类的紧密性来确定聚类数目K值;根据数据集的分布特征来选取相距较远的数据作为初始聚类中心,避免了传统K-means算法的聚类数目和聚类中心的随机选取.UCI机器学习数据...     

限制性半监督谱聚类算法

限制性聚类是一种试图将用户监督信息加入到已有聚类算法中的一种分类技术,目前已经被广泛应用于K-means算法和层次聚类算法中.在本文中,提出一种将限制条件加入到谱聚类算法的半监督聚类方法,利用正约束和负约束限制来构造约束矩阵,通过它们来引导聚类过程,并结合最优化技术,达到聚类的目的.数据实验验证了这种方法具有很好的精确度.     

基于模糊聚类的手写数字识别

本文提出了-种基于模糊聚类的手写数字识别方法,该方法先对手写数字图像进行预处理,然后对数字图像进行特征提取,得到能反映数字样本的低维特征,最后用模糊聚类的方法识别手写数字,Matlab仿真实验表明,该方法运算速度快,识别率较高.     

共词分析法研究(三)——共词聚类分析法的原理与特点

共词聚类分析法采用聚类的计算方法,对文章中共观的词对(主题词或关键词)的关联性进行运算,将关系密切的词聚集归类,从而达到挖掘隐舍信息的目的.通过对聚类原理的分析,认为该方法具有客观性、科学性、敏感性的特点.并讨论了共词聚类分析法的不足以及其解决办法,最后介绍了共词聚类分析法的最新研究进展.     

混合聚类方法用于科学结构研究——以“心理学、社会学和教育学”领域为例

在前期的相关研究中,一种基于"引文-文本"相似度的混合聚类方法被用来对2002-2006年期间Webof Science数据库中8305种期刊进行了聚类分析,得到22聚类和7聚类两种体系。与之前的宏观分析不同,7聚类体系中的一个特定的聚类,即"心理学、社会学和教育学"聚类,将被集中研究。该聚类的内部学科结构以及其在22聚类体系中如何分解为三个子聚类将被细致地讨论和分析。对聚类之间的互引网络以及聚类中不同类型的"重要期刊"进行了展示,此外,还进一步将该聚类中760种期刊的混合聚类结果与Thomson-Reuters公司的ESI学科分类进行了对比,基于比较分析的结果,对该领域内部的科学结构进行了量化解读。     

基于《现代汉语语义分类词典》的文本聚类方法

给出了一种基于语义概念的高效中文文本聚类方法,该方法是从文本的本身出发,利用<现代汉语语义分类词典>的级类主题词,在高维的文本向量集中提取概念元组,形成表示聚类结果的高层概念,最后基于这些高层概念进行样本划分,从而完成整个文本的聚类过程.试验结果表明,该聚类算法有较好的聚类结果且有较高的执行效率.     

基于智能算法的模式聚类及信息联想

针对知识发现中的模糊信息查询问题,提出了一种基于反馈网络的模糊概念聚类及模式联想设计方法.按照分类要求对所要查询的概念集合进行量化编码,并对编码后的数据进行规整处理.对于概念聚类采用多层反馈神经网络的FP聚类算法,而概念联想采用自反馈神经网络的椭球学习算法实现.将基于上述算法开发出的信息模糊查询系统应用于图书信息查询,实验结果证明了该方法的有效性.     

高校图书馆读者群体划分中的聚类方法分析

聚类方法可以用于高校图书馆数据挖掘.文章针对具体应用讨论了两种聚类方法,一种是需要提供类别数目参数的K-均值聚类方法,另一种是不需要提供类别数目参数的均值漂移聚类方法.根据图书馆数据挖掘的具体要求,采用不同的聚类方法能够更好地作出分析.     

基于LDA模型的文本聚类研究

在Web2.0时代,网络文本数据呈现爆炸式增长,传统的文本聚类模型存在数据维数过高,数据稀疏,缺乏语义理解等问题。针对以上问题,本文提出了一种基于LDA模型,通过Gibbs算法估计文本的主题概率分布,利用JS(Jensen-Shannon)距离作为文本的相似性度量,然后采用层次聚类法进行聚类。实验得到较高的聚类纯度(Purity)和Fscore值,表明该方法是有效的。     

基于资源描述框架的图书馆科学数据组织初探

MARC等传统信息描述方式不适用于科学数据组织。RDA可描述各类型信息资源,基于资源描述框架理论,构建科学数据资源描述框架模型,包括科学数据集描述、数据集一数据文档描述、数据集一访问描述等,为图书馆应用RDA组织和管理科学数据提供基础。     

DCF方法的局限性研究

20世纪60年代以后,资本市场理论、资产组合理论突飞猛进地发展,为人们能精确估计企业资本化比率创造了有利条件。粗糙的DCF方法日臻完美,逐渐成为人们普遍认同的企业价值评估的主流方法。然而,基于对不确定风险处理的内在逻辑缺陷,导致DCF方法在使用过程中存在很大的局限性。     

“资源描述与检索”(RDA)的实施进展

"资源描述与检索"(RDA)是一部应21世纪数字资源著录和信息描述的需要而诞生的元数据内容新标准。文章从宣传、培训、完善和与其他书目数据整合等角度对现阶段的RDA实施进展进行了调查与分析,并简要介绍了RDA在中国的发展情况。     

一种基于最大熵的构件库动态存储方法

依照ALOAF构件库框架参考模型,首先给出构件库的形式化描述.然后,根据构件库框架的元模型以及相应的数据模型,确定构件在构件库中的存储方式.进而,提出一种基于最大熵的构件库的动态存储方法,概括为分类、模糊聚类、划分和排序.此方法改变传统构件库的静态组织形式,基于最大熵的构件块划分和贝叶斯方法的构件动态排列以及淘汰机制使构件库的存储更合理。     

基于概念语义场的文本聚类算法研究

传统的基于关键词的文本聚类算法,由于难以充分利用文本的语义特征,聚类效果差强人意。笔者提出一种概念语义场的概念,并给出了基于知网构建概念语义场的算法。即首先利用知网构造义原屏蔽层,将描述能力弱的义原屏蔽,然后在分析知网结构的基础上给出抽取相关概念的规则,以及简单概念语义场和复杂概念语义场的构造方法。最后给出一种基于概念语义场的文本聚类算法。该算法可充分利用特征词的语义关系,对不规则形状的聚类也有较好效果。实验表明,该算法可以有效提高聚类的质量。     

收益法对无形资产价值评估的应用探析

在价值评估领域中，无形资产评估是一个难点，因为从无形资产所得来的收益比从有形资产所得来的收益的风险要大得多，未来收益很难预测。而收益法是运用货币时间价值的观念，将无形资产可能给企业带来的预期收益按折现率折算成现值的一种评估方法。合理预测其未来收益，是正确评估无形资产价值的关键所在。首先介绍了在收益法评估无形资产价值时所存在的两大难题一超额收益与折现率的确定，然后对解决应用难题的方法作了初步探讨。     

基于ROA方法的创业企业价值评估研究

分析了在不确定条件下,DCF方法和市盈率方法在创业企业价值评估中的不适应性,并利用ROA(实物期权分析)方法加以改进。通过案例分析,阐述ROA方法的使用过程及效果。     

一种基于位置距离和属性特征结合的聚类方法

利用空间坐标和属性特征的有机结合,定义了3种曼哈顿空间距离,用matlab编程给出了基于该空间距离的ACA—Cluster聚类算法,并对山东省生态环境质量进行了聚类分析和类型分区。实验表明,该方法可以较好地反映出空间位置邻近和属性特征相似的空间聚类要求。     

基于改进的K-means算法的异常检测

聚类算法通常用于数据的聚类。除此,它还可以用于异常数据的检测。首先介绍了基于划分的聚类算法K-means,然后给出改进算法I-K-means的算法描述,最后通过实例进行异常分析。