模糊聚类的最优化算法

求与一个模糊相似矩阵“距离”最近的模糊等价矩阵，至今已提出了两个求局部最优解的算法和一些启发式算法，本文也提出一个简便可行的求局部最优解的算法，这算法与线性规划的单纯形算法一样，也是在有限个“顶点”上寻优。     

模糊聚类在规则空间中的应用

规则空间是一种用来识别被试认知错误类型的数学模型,但其分类标准(参照点)一直依赖专家根据经验在测试前手工确定,使用难度太高,无法大规模普及使用。本文使用模糊聚类方法在测试后辅助确定规则空间中的参考点,使得普通教育工作者也能借助计算机使用规则空间模型。     

模糊聚类在客户关系管理中的应用

企业积累了大量的客户消费数据,如何从大量的数据中发现用户的消费模式,对企业的营销策略具有重要的指导意义,数据挖掘技术正是可以从大量的数据中挖掘出对企业决策有价值的信息。针对客户数据的特点,提出一种基于Kruskal算法的最小生成树模糊聚类算法KTFC,并将其应用在客户关系管理中。实验证明,该模糊聚类算法可以有效地对企业客户群进行分类,并分析出每类客户的特点,动态地选取不同的A值可以获得不同的聚类结果,大大地提高了聚类的灵活性。     

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。     

聚类在信息检索领域中的应用研究

本文简要介绍了聚类算法在国外信息检索领域中的应用概况,并详细介绍了聚类算法在国内该领域的应用情况。列举了应用得较多的几种聚类算法,给出了在多种信息检索中聚类算法的应用过程。     

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。     

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。     

改进的FCM模糊聚类算法在说话人识别中的应用

文章提出了一种将改进的FCM模糊聚类算法与矢量量化相结合的说话人识别的方法.     

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.     

和声模糊聚类在读者兴趣度建模中的应用

本文采取了3种必要的措施提高了聚类质量:考虑到各维数据特征属性对聚类效果影响不同,采用了基于统计方法的维度加权的方法进行特征选择;对于和声搜索算法的调音概率进行了改进,将改进的和声搜索算法和模糊聚类相结合用于快速寻找最优的聚类中心;循环测试各种中心数情况下的聚类质量以获得最佳的类中心数。接着,该算法被应用于图书馆读者兴趣度建模中,用于识别图书馆日常运行时各读者借阅图书的类型,实验表明该算法较其它算法更优。这样的读者兴趣度聚类分析可以进行图书推荐,从而提高图书馆的运行效率。     

基于GMDH模型及模糊聚类的特征提取研究

特征提取算法可以去除目标数据中的冗余特征、无关特征甚至噪声特征,从而得到一个无冗余、无噪声的样本集,有助于提高目标对象的识别率以及数据的挖掘速度。现有的特征提取方法在定性数据及噪声数据的处理上存在局限性,而定性数据及带噪声数据在现实建模过程中是不可避免的。本文从特征提取需解决的根本问题出发,就如何确定特征子集并选择适当的隶属函数来表示模糊子空间,使模糊规则归纳模型有最大的识别率及抗干扰性的方法进行讨论、研究。     

检索词模糊聚类基础上的上下文相关提问扩展算法

本文介绍了利用相关词进行提问扩展的算法。该算法建立在检索词模糊聚类的基础上，聚类以检索词在文献中共同出现为标准，与提问中检索词相关的群集形成提问的上下文，群集中属于上下文的检索词可用于提问的扩展。实验表明该算法提高了检准率。     

科技期刊选订的模糊聚类决策

提出了一种基于模糊等价关系的动态聚类方法和综合评价方法相结合的科技期刊选订决策方法．通过实际算例的计算结果与相关文献的对比表明,本方法能够正确有效地通过分类给出最优的期刊选订方案,且方法简便易行。     

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。     

基于模糊聚类的核心竞争力指标识别

对企业竞争力与核心竞争力的内涵进行辨析,引入价值链理论对企业竞争力进行分解,提出企业竞争力评价的预选指标;在此基础上以市场开拓竞争力的指标筛选为实例,利用模糊聚类方法对其进行实证研究,同理得到资金竞争力、技术竞争力、人力资源竞争力、管理竞争力和形象竞争力的筛选指标,构建企业核心竞争力评价指标体系。     

基于模糊聚类和模式识别的企业财务风险分析

对具有不同度量单位的财务数据进行了标准化,根据最大最小法计算了相关系数,建立了相似矩阵,根据指标之间的相似度进行了模糊聚类,利用TOPSIS方法进行了模式识别。随机选取了29家不同财务状况上市公司的真实财务数据进行分析,其中训练样本23家,待估样本6家。利用SPSS软件,经过非参数检验、正态性检验等分析,确定了聚类和识别的相关指标。在对财务数据进行标准化后,根据模糊聚类方法将23家上市公司分为4类,并根据TOPSIS方法对6家评估样本进行了风险识别,以帮助决策者对本公司的财务风险进行管理。     

基于模糊聚类和神经网络的医学图像分类

本文探讨了不同成像方式下医学图像的分类识别算法,提取了具有代表性的图像特征,如图像面积熵、灰度共生矩阵、图像细小纹理区域个数等,并通过设计模糊聚类、BP神经网络图像分类器,实现对CT图像、MR图像、X线图像及B超图像的分类。结果表明本文提出的分类器对医学图像的分类识别取得了一定的效果。     

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。