哈大高速铁路客流分析及其输送方式初步研究

本文经对哈大高铁沿线经济情况及客流构成的调研与分析,利用本跨线客流数据对其输送方式进行初步研究,得出哈大高铁运输宜采用高中速列车混跑的运输组织模式,中速列车比例设在20%为宜的结论。此外哈大高铁编制开行方案时,应该优先满足本线的客流需要。在本线客流输送中可采用周期性开行,在区段流量大的区段可采用短交路长编组列车。针对跨线客流建议根据列车全程运行时间,若全程时长低于八小时可开行坐席动车组,否则开行卧铺动车组。     

关于朔黄铁路2万t列车开行方案的探讨

分析了朔黄铁路及机车车辆现状,探讨了朔黄铁路2万t列车开行方案。     

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。     

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.     

一种改进的模糊C-均值算法

提出一种改进的模糊C-均值算法。实现了算法中聚类数c及权指数m两个参数的确定方法。该算法能很好地实现参数快速、有效的确定。比传统FCM算法具有一定的优越性。     

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。     

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.     

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。     

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。     

基于粗糙集和模糊聚类方法的属性约简算法

在基于粗糙集的属性约简算法中引入模糊等价关系的一种新的度量方法,重新定义了高维数据中的属性重要度,提出了一个结合粗糙集和模糊聚类方法的属性约简算法,并通过实验得到了用户满意的属性约简结果。     

基于改进的模糊C均值算法电力负载预测研究

为了提高电力负荷预测的精度,将天气、日期因素纳入到了计算的范畴中来,使用基于模糊聚类的对相似日进行选取,得出该日的短期电力负荷预测模型。本文算法将天气、日期因素建立起模糊系数特性映射表,实现了对应影响因素的量化处理,便于算法的实现。然后,使用模糊聚类算法对相关的数据进行分类,因为使用了相似日,因此,样本的数量得以大大减少,提高了算法的速度和准确度。本文的是力负荷模型将天气、日期考虑进了电力负荷预测影响的因素中去,减少了算法在预测上的随机性。仿真实验结果证明了该算法拥有更高的预测精度。     

基于模糊聚类的学生素质评价方法的研究

高等教育评价是人们在实践基础上形成的对高等教育目标的理性认识,为适应从传统教育向素质教育的改革,本文运用模糊聚类分析方法对能够衡量学生素质的几个方面进行了分析,提出了更为客观有效的学生能力评价体系。     

基于模糊聚类和包含度的网上购物决策研究

决策规则是信息系统中知识发现的重要课题,概率粗糙集模型则是重要方法之一。由于确定模型中的参数具有主观性,因此提出了一种结合模糊聚类和包含度决策对象的方法,并应用于网上购物的决策。     

基于模糊聚类的高校图书馆网站评价

本文根据高校图书馆网站的特点,从网站内容、网站性能、网站效益以及网站安全等方面构建了高校图书馆网站的评价指标体系。在此基础上,提出了基于模糊聚类的高校图书馆管网站评价方法。最后,通过实例证明了该方法的可行性与有效性。