基于模糊商空间的模糊聚类研究

基于模糊商空间的模糊C-均值算法（QFCM）是在模糊商空间和模糊模糊C-均值（FCM）的基础上提出的。通过引入相似函数并构造出归一化距离,得到模糊商空间的分层递阶的结构,在此基础上提出了基于粒度思想的准则函数并选择出一个最佳层次,从而确定聚类的个数,并选择具有相似度高的样本作为初始聚类中心,结合鲁棒性统计观点运用归一化距离来替代FCM目标函数中的欧式距离度量,提出了QFCM算法。实验证明与传统的算法比较,QFCM算法能够自动确定最佳聚类数目,发现大小不均的聚类,迭代次数少,有效地消除了传统FCM算法对初始值敏感,提高了算法的稳定性和准确率。     

基于FC和VPRS的信用风险评价研究

企业信用风险评价是金融领域最重要的问题之一。提出一种将模糊聚类（FC）和变精度粗糙集理论（VPRS）结合进行信用风险评价的模型。首先利用模糊聚类法对样本上市公司数据进行离散化处理,然后根据变精度粗糙集理论抽取决策规则。结果表明,由该方法生成的决策规则能对样本数据进行正确的分类,并具有一定的抗干扰性。     

基于模糊数学方法的区域科技实力DEA评价

本文提出了在区域科技实力多层次模糊综合评价的基础上运用模糊c均值聚类,将各区域按科技实力水平分成不同的类,再在各类中进行数据包络分析（DEA）。利用最新统计数据对我国各地区的科技实力进行实证分析。从而可以给出各地区科技实力水平更具合理性和现实性的分析评价,为各地区制定切实可行的短期科技政策提供借鉴。     

模糊信息流动过程的分析与刻画

思考模糊信息的流动过程离不开信息流逻辑,该逻辑的推理方向是从已知信息推知未知信息。我们会注意到人们在日常交际中所使用的语言本身就具有模糊性,而这种模糊性并不影响信息的传递,于是就产生了模糊信息何以在个体间准确流动的问题。本文运用信息流逻辑的方法,对模糊信息流动过程进行分析,进而刻画模糊信息的流动过程。     

模糊聚类在秸秆调质机械的应用

针对玉米秸秆调质机械在试验过程中,无法明确判断各因素条件下调质效果,该文通过论述模糊聚类的分析方法,通过试验,研究模糊等价矩阵的步骤及在调质过程中调质效果。深入掌握了模糊聚类分析的优点是在无任何专家经验的基础上,给出各个变量之间的关系,即用模糊的方法来处理农业机械中处理效果的聚类问题。对国内近几年来,基于模糊聚类分析以及其与优化算法、统计分析等方法相结合的改进的模糊聚类分析方法在机械中的应用进行了评述和展望。     

一种搜索模糊聚类全局最优解的Tabu算法

模糊聚类问题由于其非凸性而成为一个难以解决的数学问题。在解决模糊聚类问题时,会出现很多局部极小值和鞍点。因此,启发式的模糊C-均值算法是应用最为广泛的算法,其缺点是很容易陷入局部极小值。本文提出了一种搜索模糊聚类全局最优解的Tabu搜索算法,并比较这种新算法和模糊C-均值算法的性能。经过多次数据试验,证明Tabu搜索算法在搜索全局最优解时是很有效的。     

基于模糊聚类SCARA机器人自适应动态控制

针对工业机器人的不确定性问题,本文提出了基于模糊聚类算法的SCAR A机器人自适应动态控制方法。该方法利用聚类算法去除机器人的运动轨迹数据中的噪声,将简化的数据送入模糊神经网络学习,在线生成模糊规则,调整规则参数。该神经网络在SCAR A机器人上进行验证,控制效果稳定可靠。     

一种基于核聚类的模糊支持向量机方法

模糊支持向量机（FSVM）具有很好的抗噪声能力,受到了很多专家的重视。然而模糊支持向量机算法的时间复杂度通常较高。针对这一不足,本文提出了一种基于核聚类的模糊支持向量机算法。首先根据核聚类算法对每一类原始样本进行聚类,然后对每一簇求样本中心,用样本中心作为新的样本点替换该类别的原始样本。最后本文算法利用中心距离型计算新样本的模糊权重,并利用模糊支持向量机算法进行求解。实验充分验证了本文算法相对于传统模糊支持向量机方法具有更快的分类速度。     

基于模糊聚类和模糊模式识别的数字图书馆个性化推荐研究

为提高图书馆个性化推荐的效果,采用模糊聚类和模糊识别技术建立数字图书馆的个性化推荐系统。通过分析用户的信息素质、兴趣爱好、网络和电子资源检索情况,对读者进行数学模糊聚类分析,确定最佳阈值λ,得到最佳聚类。根据个体用户的基本情况进行模糊识别,由识别结果的归属给出针对当前用户的个性化推荐。实验结果表明,在模糊聚类与模糊识别基础上的个性化推荐方案是可行的和有效的,为创新数字图书馆个性化服务提供了一种新的方法。     

模糊逻辑在下一代通信网络接入控制设计中的应用

研究了智能技术中的模糊逻辑在下一代OFDM通信网络接入控制中的应用,分析比较了几种典型的呼叫接入控制法在不同的数据及会话类业务及不同业务强度的情况下的阻塞率。仿真分析表明模糊逻辑接入控制法与基于门限法及基于队列信息接入控制法相比,具有更高的带宽利用率。     

基于模糊聚类集成算法的客户细分研究

针对客户行为的不确定性和模糊性,将模糊聚类集成技术应用于CRM中的客户细分研究,以提高客户聚类的精度.以模糊C均值(FCM)算法作为基本的聚类器,应用模糊t-范式对生成的多个聚类器进行集成,从而获得最终的客户聚类结果.最后,在1O个UCI数据集上进行聚类测试,结果表明,基于模糊t-范式的模糊聚类集成方法的聚类精度要高于常用的客户聚类FCM和K-means方法.在客户信用卡数据集Australian上的学习曲线还表明,聚类集成方法具有更稳定的聚类性能.     

基于模糊聚类方法的数码产品市场预测分析研究

模糊聚类分析是一种应用广泛的模糊数学方法,可广泛应用于各个领域.此文首先阐述了模糊聚类分析的基本思想和一般的步骤,然后采用模糊聚类分析方法对数码相机市场进行有效的分类.结果表明模糊聚类分析法对数码市场预测分析准确、有效,且比其他方法预测的更接近实际的市场行情.     

模糊聚类法在数字参考服务质量评估中的应用

介绍了模糊聚类法,阐述了模糊聚类法在数字参与服务质量评估中的应用。     

基于新直觉模糊相似度量的直觉模糊谱聚类算法

针对现有直觉模糊集聚类方法存在计算量大、数据失真和易陷于局部最优等问题,提出基于新直觉模糊相似度量的直觉模糊谱聚类算法。首先定义了新的直觉模糊相似度量方法,然后基于该方法构造了直觉模糊相似度矩阵,根据直觉模糊相似度矩阵求解非规范Laplacian矩阵,在此基础上构建特征矩阵,再使用k-means算法对特征矩阵进行聚类。最后在数值算例上的应用证明了所提出算法的可行性和有效性。     

Logistics映射扰动搜索聚类及软件设计

研究高效进行数据聚类,提高数据聚类能力的问题。传统的模糊C均值算法具有对初始值和噪声极为敏感和遗传算法在局部极值点收敛的缺陷。基于模糊c均值聚类算法,提出一种改进的优化聚类算法。利用混沌序列的均匀遍历特性和差分进化算法的高效全局搜索能力,对模糊c均值算法进行改进,利用Logistics混沌映射对聚类算法进行优化搜索,把混沌扰动量引入到进化种群当中,弥补了模糊C均值算法的缺陷。采用改进的Logistics映射扰动搜索聚类算法,以目标识别为案例,综合4类目标特征参数为研究对象,开发了一套有价值的目标识别专家系统软件。仿真实验表明,改进的数据聚类算法,具有优越的数据聚类性能,聚类判断准确率提高明显,设计的专家系统软件对目标识别特征分类具有较好的准确性和可靠性,具有一定的应用价值。     

基于反馈网络的模糊概念聚类及模式联想

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。首先按照分类要求对所要查询的概念集合进行量化编码，然后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，而概念联想采用白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，实验结果征明了该方法的有效性。     

基于模糊C-均值聚类图像分割技术研究

主要研究了均值聚类图像分割问题。针对传统的聚类图像分割算法对图像地分割精度较低等问题,提出一种基于模糊控制的C-均值聚类快速图像分割新方法。本文采用快速模糊C-均值聚类算法对图像分割。实验结果表明,图像分割边缘清晰,分割效果明显优于传统的聚类图像分割算法。     

模糊c均值聚类在wav格式音频检索中的研究

应用模糊c均值聚类方法对wav格式的音频检索。不同于以前为音频建模和分类的监督机制,而是通过对音频数据的特征进行模糊聚类形成聚类质心,根据聚类质心的相似度匹配来实现非监督机制的音频检索,并优化参数以提高检索准确度。     

基于模糊聚类和资源平滑的协同过滤推荐

在分析目前电子商务推荐系统及传统的协同过滤推荐存在问题的基础上,提出了一种新的电子商务推荐算法。该算法利用客户对商品的历史评分记录中所隐含的客户相关信息和商品相关信息来为客户推荐商品,并且将模糊聚类技术运用于商品最近邻居和客户最近邻居的查找。实验结果表明该算法能够提供更好的推荐,聚类数对推荐质量有较大的影响。     

逻辑模糊 生活模糊和情报模糊

通过逻辑模糊、生活模糊和情报模糊的比较、分析,找出三者之间的区别,归纳出情报必需量化的结论。