基于自组织特征映射网络（SOM）的聚类分析方法

介绍了自组织映射网络聚类分析方法,以2012年以来全世界女子排球最重要的七次大赛成绩为依据,提高世锦赛、世界杯、奥运会权重,建立了相应的神经网络模型,并对世界九支女排强队成绩进行6个级别分类。在训练过程中减小关联度较小的样本影响,提高了预测精度、训练速度。使用Matlab工具箱函数进行仿真,面对网络媒体中众多的世界排名,推测预知,提出了相对科学的数据分析方法。     

加权SOM神经网络在水文分区中的应用

由主成分分析法得到每个主成分的贡献率,把特征分量贡献率引入到自组织映射神经网络中,在竞争过程中选用加权欧氏距离来寻找获胜神经元,对传统的自组织映射神经网络进行了改进,在本文中提出了一种加权SOM神经网络,填补了在实际应用中传统SOM神经网络没有考虑各特征分量的重要性不同的空白.     

基于SOM网的DEMETER卫星电场数据聚类异常分析

为提取汶川大地震前的电离层异常信息,特选取汶川大地震前10天的DEMETER卫星电场数据作为研究对象,以均值、均方差、偏度和峰度等四类随机信号数字特征作为输入层,经过若干次样本训练建立SOM网聚类模型。结果表明,汶川地震前卫星采集的震区信号存在若干异常数据,可能与震前电磁波辐射引起电离层扰动有关。     

基于MATLAB的就业数据的聚类分析

根据2010年到2013年我院校大学生就业情况,对大学生的就业数据进行分析。数据分析有很多方法,本文主要采用谱系聚类、K均值聚类、模糊C均值聚类三种聚类方法,并得出了结论。     

基于图像矩阵变换的PCA及人脸自动识别

在图像主分量分析的基础上,提出了一种基于图像矩阵变换的主分量分析方法．该方法首先对图像矩阵进行适当的变换,用得到的新的图像矩阵构造图像总体散布矩阵后,再运用图像投影主分量分析进行特征抽取．该方法在ORL标准人脸库上的试验结果表明,经过适当的变换后抽取的鉴别特征在识别性能和速率上均优于单纯的图像主分量分析方法．另外,在AR人脸库上的试验结果也表明该方法对光照变化具有较强的鲁棒性．     

基于相似度检测的SOM网络模型研究

自组织映射算法是一种无导师学习算法。在实际聚类应用中,网络识别率受初始权值、竞争方式、样本参数等诸多因素影响。以竞争方式为切入点,以生物学为指导,引入相似度判断规则构建了神经元“兴奋区”,改进了SOM网络,实验证明了算法的有效性。     

聚类分析在网络协作学习中的应用研究

随着数理统计技术的发展,聚类分析被越来越多的引入对教育数据的分析和处理,本文主要阐述了聚类分析在网络协作学习分组中的具体应用。     

PCA与KPCA在综合评价中的应用

分别用主成分分析( PCA )与核主成分分析( KPCA )对实例数据进行综合评价得分的计算, 并比较分析. 结果表明, 在综合评价的应用中PCA 简单 实用, KPCA 则存在两方面问题: ( 1 )核函数与核参数的选取严重影响综合得分的计算, ( 2 )很难解释核主成分. 以PCA 分析为参照, 调整KPCA核参数 能收到更好的效果.     

主成分分析在教学管理中的应用

本文用主成分分析的多元统计方法对教学管理中学生总成绩的评定进行了分析和探讨,并通过一个实例给出了这种方法的具体计算,为更客观,更科学地对学生总成绩进行排队提供了理论依据.     

网络二手数据在统计调查中的应用

随着网络技术的不断发展和普及,越来越多的研究工作开始利用网上已经搜集好的数据,即二手数据.将网络技术运用到统计调查中,利用网络搜集二手数据,形成一套新型的调查方法体系,从而满足国家宏观调控、行业管理及公司业务运营的要求.     

基于进化树型自组织神经网络聚类分析

SOM是当前最著名的基于神经网络的用于数据可视化、聚类等任务的数据分析工具之一,为了克服传统SOM模型需要预选指定的限制,特别是在大的映射网络中寻找最佳匹配结点将会很耗时,所以提出一种新的进化树型自组织神经网络ET-SOM。通过对人工数据和工业数据进行实验证实了模型的有效性。     

一种基于SOM单属性时态特征聚类的方法

对单属性时态特征聚类进行了研究,提出了一种基于SOM网络(自组织特征映射)聚类提取单属性时态数据特征的方法,通过实验表明此算法是有效的.     

主分量分析方法和二次判别分析方法应用于基因芯片数据分析

本文主要采用主分量分析方法和二次判别分析(QDA)有监督分类的方法来对基因芯片(微阵列)数据进行分析.PCA是一种提取海量的数据有效特征的有效方法.可以获得与原来基因芯片数据更为接近的成分的提取特征的效果.实验表明采用PCA方法事先对数据处理不可以提高基因芯片数据分析的准确性.得出结论可为工业应用提供科学依据.     

基于因子分析与层次聚类的学生评教数据挖掘

学生评教在教师课堂教学评价中起着至关重要的作用。通过基于主成分、因子分析聚类与和值聚类对吕梁学院学生评教数据按全体和专业分别进行分析可知:在现有评价体系中,学生更注重教学态度、教学方法,采用不同的方法聚类结果各不相同,但在四级分类中合格、中等的情况基本一致。管理者可根据不同评价预期对现有评价体系进行调整,或使用不同的分析方法,使学生评教结果在管理中起到应有的作用。     

基于粗糙集和模糊聚类的网站日志数据挖掘实例分析

粗糙集理论是有效处理不精确、不确定和含糊信息的软计算工具,模糊聚类分析是依据客观事务间的特征、亲疏程度和相似性,通过建立模糊相似关系对客观事务进行分类的方法.网站日志数据通常是大量的,冗余的,日志中的页面之间的关系也是模糊的,不确定的.该文利用粗糙集理论和模糊聚类的方法对某学校网站的日志数据进行实例分析,抽取用户感兴趣的模式,理解用户的浏览兴趣行为,以便进一步改善网站结构,为用户提供个性化服务.     

一种基于分簇无线传感器网络的时间同步技术

针对无线传感器网络中时间同步技术应具有高效率且节省资源的要求,给出了一种改进算法：使用时间同步有效性检查阶段的时间戳,在只发送一个小数据包的基础上实现同步功能,使所需消息传输量较传统算法少得多,既提高了同步效率,又降低了能源消耗,并兼顾了应用场合的精度要求,仿真结果验证了该方法的有效性。     

Ad hoc网络中基于分簇的密钥认证安全策略

在Ad hoc网络中安全问题已经成为研究热点,本文首先对存在的安全隐患进行了分析描述,然后从节点间认证及密钥协商的角度,结合Ad hoc网络自身特点的基础上,提出了一种基于分簇的密钥认证安全策略,用于保证整个网络的安全性,提高了网络性能。     

基于传感器网络的分布式遗传k-means聚类算法研究

传统的集中式聚类算法不适宜对传感器网络的分布式数据进行聚类,用遗传进化机制对传统k-means的分布式聚类算法进行优化,可得出遗传k-means聚类算法。遗传k-means聚类算法即在传感器网络中sink节点传送随机选取的初始k个簇心到各个传感器节点,在这些节点上分别用遗传k-means聚类算法将本地的数据划分到距离最近的簇,然后将簇信息在无线传感器网络里通过路由逐层上传合并汇聚到sink节点,计算k个簇心的平均值,再往下传送k个簇心,反复迭代更新直至聚类目标函数值达到最小为止。实验表明,遗传k-means聚类算法的聚类效果较好,收敛速度较快。     

数据流聚类算法分析

首先比较了数据流聚类分析与传统的聚类分析方法的一些不同点,对目前最新的一些数据流聚类研究成果进行了分析,最后对数据流聚类发展方向进行了展望。     

数据挖掘领域中的聚类分析及应用

聚类是统计学的一种方法，也作为数据挖掘的一个功能被广泛地应用。本文介绍了聚类的概念、应用，主要的聚类算法。最后，针对现实中的一个具体问题，设计了一个层次型的聚类算法，其结果对相关部门具有一定的指导作用。