一种聚类后排序的灰色聚类评价方法

在灰色聚类分析法的基础上,改进传统的白化权函数,并对聚类后的评价对象进行排序,进而构建一个聚类后排序的灰色聚类评价方法.新的评价方法不仅可以对评价对象进行聚类,而且对同一灰类的评价对象进行排序,较好地解决了聚类对象的聚类和排序问题.引用图书馆员实际数据分析说明,构建的灰色聚类评价方法能够有效避免图书馆员工作评价的盲目性,为图书馆员的选拔、聘任和评价提供量化依据.     

灰色聚类法在同里古镇水质评价中的应用

在论述灰色聚类法基本原理的基础上,根据2012年3—8月同里古镇4个监测点水质的监测结果,选取COD、COD_(Mn)、BOD_5、TP、TN和NH_3-H等6个指标,利用灰色聚类法对其水质进行评价.结果表明:同里古镇4个监测断面的水质等级全部为Ⅴ级,水质较差;与模糊综合评判法所得结果一致,但是经过实例分析发现灰色聚类法的评价结果综合了所有参数对水质的影响,而且考虑了系统的灰色性和白化程度,评价结果比较合理、客观.     

教师课堂教学质量评价的灰色聚类决策方法

本文将灰色聚类决策方法应用于教师课堂教学质量评价,给出教学质量状态的灰色分类,定义灰类的白化权函数,建立评价模型,对教师教学质量评价实例进行计算,并与模糊聚类方法对比.结果表明,模糊聚类具有不确定性,教学质量状态不明确;灰色聚类评价直观可靠,可以为教学管理部门的科学决策提供依据.     

基于灰色聚类和AHP的网络安全评价模型研究及应用

为了对网络安全进行综合评价,根据网络安全评价指标体系,建立了网络安全的综合评价模型.先利用灰色聚类方法对网络安全指标的原始数据进行等级评价分类,根据待识别样本与各类类中心的距离,确定待评价样本等级;再利用层次分析法对每类分别排序.结果表明,该模型能够有效地对网络安全进行综合评价.     

地面水质量评价计算方法的比较与分析——灰色聚类样点排序法的实证

在将等斜率灰色聚类法应用于地面水环境质量评价的基础上提出了灰色聚类样点排序法，并用灰色聚类样点排序法对实例进行水环境质量评价比较，讨论了灰色聚类样点排序法在权重处理过程的可行性．认为灰色聚类样点排序法兼顾到：1）各测点的实测污染浓度都在级别标准范围内较有规律地变化，各污染物的标准值之间差异不太大；2）污染物分布的离散度太大，各标准值之间差别也太大这两种情况．     

灰色聚类法在畔溪河水质综台评价中的应用

应用灰色聚类法对畔溪河丰、平、枯三期水质质量进行综合评价，获得较好的结果，能客现反映畔溪河丰、平、枯三期水质的类别及水体实际污染的状况，评价结果具有连续性和可比性。     

改进灰色聚类法在粤港珠江三角洲区域大气环境质量评价中的应用研究

对灰色聚类法进行改进,引入正态分布白化权函数。白化权函数改进为曲边梯形结构可有效解决边缘零权重问题。应用改进后的灰色聚类模型对粤港珠江三角洲区域2006-2013年大气环境质量进行评价,聚类结果表明研究区域大气质量总体上逐渐提高,均为Ⅱ类。改进后的灰色聚类法评价结果客观、准确。     

基于扩散方程的污染物传播模型

根据样点数据,利用Surfer软件,采用克里格插值法进行最优内插,绘制了城市土壤重金属分布图;采用卡梅罗综合指数评价法,考虑不同重金属元素对人体健康的影响,修订了评价指标的权重,构建了城市土壤污染评价体系;运用聚类分析模型和方差分析模型,说明重金属污染的主要原因;建立污染物浓度扩散的偏微分方程模型,通过区域划分、方程简化和最小二乘法,求出了污染源的地理位置;分析污染物扩散方程优缺点,提出了推广和拓展的设想。     

黔中薯蓣种植区土壤重金属含量测定及污染评价

为研究黔中薯蓣种植区土壤重金属污染情况,对土壤中Cd、Hg、As、Pb、Cr、Cu等6种重金属进行测定;主要采用单因子污染指数法和综合污染法对土壤重金属污染情况进行评价.研究结果表明8个采样点土壤中6种重金属的单因子污染指数和综合污染指数分别小于1.0和0.7,显示土壤重金属污染等级为安全,但样品中Cr含量较高,成为一种新的污染源.     

班级管理质量的灰色聚类评估体系与应用

利用灰色理论对班级管理质量进行灰色聚类评估，为评价班级管理质量好坏标准提供了一种切实可行的科学方法.     

南通市内河水质的最大树聚类分析

利用最大树模糊聚类法,综合南通市1996年－1998年度内河水质监测数据,对南通市内河水污染进行分类,为内河水污染的防治提供了依据。     

基于变异系数法的聚类分析在汶川地震灾情分类中的应用

首先,基于原始数据采用变异系数法选取了影响地震灾情严重程度的四个主要灾情指标.然后,依据四个主要灾情指标在SPSS软件上采用系统聚类分析法对36个县市按照灾情严重程度进行了综合分类.所得到的分类结果与参考文献中的基本一致,进而验证了基于变异系数法的聚类分析在地震灾情分类中应用的合理性.从而提供了一种正确进行灾情分类和物质分配的有效方法.     

A new algorithm based on metaheuristics for data clustering

This paper presents a new algorithm for clustering a large amount of data.We improved the ant colony clustering algorithm that uses an ant’s swarm intelligence,and tried to overcome the weakness of the classical cluster analysis methods.In our proposed algorithm,improvements in the efficiency of an agent operation were achieved,and a new function "cluster condensation" was added.Our proposed algorithm is a processing method by which a cluster size is reduced by uniting similar objects and incorporating them into the cluster condensation.Compared with classical cluster analysis methods,the number of steps required to complete the clustering can be suppressed to 1% or less by performing this procedure,and the dispersion of the result can also be reduced.Moreover,our clustering algorithm has the advantage of being possible even in a small-field cluster condensation.In addition,the number of objects that exist in the field decreases because the cluster condenses;therefore,it becomes possible to add an object to a space that has become empty.In other words,first,the majority of data is put on standby.They are then clustered,gradually adding parts of the standby data to the clustering data.The method can be adopted for a large amount of data.Numerical experiments confirmed that our proposed algorithm can theoretically applied to an unrestricted volume of data.     

Exploring and testing cluster analysis

Academic deans annually negotiate for a fair share of university resources. Without quantitative accreditation standards to serve as minimum guidelines, the competition is more difficult. Peer institution comparison, derived from the analysis of quantitative data on resource and productivity variables, assists by providing less biased justification for budget requests. In this study, data from a national study of doctoral-granting teacher education programs was used for a factor analysis of key resource and productivity variables. Seven alternative cluster analysis methods were used and compared. Three follow-up procedures (analysis of variance, discriminant analysis, and classification analysis) tested the cluster analysis results to verify the differences between clusters and their internal homogeneity on three different cluster solutions. The classification analysis showed that 88.2% of the 76 programs were correctly classified on the five-cluster solution produced using Ward's minimum variance method. The practical use of such data suggests that Cattell's pattern of profile similarly is a useful beginning to compare programs on factor scores; following that, raw data on each key variable might be used to prepare individual program profiles for more specific comparison.     

宿州市近郊农田土壤重金属空间分布与污染评价

对宿州市近郊农田土壤中4种重金属元素Cu、Pb、Zn和As的含量、空间分布及来源状况进行了分析,并采用综合指数法对其农田土壤重金属污染水平进行了评价。结果发现:宿州市近郊农田土壤中Cu、Pb、Zn的平均含量低于安徽省土壤背景值,As高于背景值;Pb和Zn的含量空间分布受交通污染源的影响,Cu与生活垃圾及废弃物的排放有关,As则来源于农药产品的使用;近郊农田土壤重金属为轻污染水平,以As污染最严重。     

基于SVM-Kd-tree的树型粗分类方法

为提高大数据集粗分类识别率,提出一种基于聚类分析的SVM-Kd-tree树型粗分类方法。首先根据数据集特征分布进行k-means两簇聚类,对聚类后的数据集进行类别分析,同时将属于两簇的同一类别样本划分出来;然后使用两簇中剩余样本训练SVM二分类器并作为树型结构根节点,将两簇数据分别合并,将划分出来的样本作为左右子孩子迭代构建子节点,直到满足终止条件后,叶子节点开始训练Kd-tree。实验结果表明,迭代构建树型粗分类方法使训练单一SVM平均时间减少了61.977 4%,比Kd-tree同近邻数量的准确率提高了0.03%。在进行大规模数据集粗分类时,使用聚类分析迭代构建组合分类器时间更短、准确率更高。     

基于聚类分析视角的我国省域经济综合竞争力研究

聚类分析是研究事物分类的基本方法,通过比较各事物之间的性质,将性质相近的归为一类,将性质差别较大的归入不同的类,从而达到认识事物的目的.本文通过建立我国省域经济综合竞争力评价指标体系,采集2005和2006两年的数据,利用主成份分析和聚类分析相结合的方法,对全国31个省份近两年的经济综合竞争力进行聚类评价.通过对聚类结果的分析,进一步探索了我国省域经济综合竞争力的影响因素和内在规律,以期加强对省域经济综合竞争力评价结果客观性和科学性的研究.     

基于灰色样本聚类的R＆D人员绩效评价

R＆D人员是企业保持技术创新和持续竞争优势的源泉,需要对其进行绩效评价以提高研发效率。先根据R＆D人员绩效表现特点,以业绩、态度、能力为准则建立指标体系,利用层次分析方法对各指标的权重进行赋值;其次用灰色样本、分类分析;最后运用DIS系统的聚类分析功能进行实际数据的实证分析。     

城市表层土壤重金属污染分析

通过空间插值法将离散点的测量数据转换为连续的数据曲面,采用内梅罗综合指数法和单因子指数法分析土壤重金属的污染程度;基于物质扩散原理,建立重金属污染物浓度与距离空间关系的偏微分方程,利用最小二乘法拟合出参数,进而确定污染源.另外,考虑地表土壤疏松程度、水体流动这两项来优化模型,从而可以更好地研究城市地质环境的演变模式.