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。     

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。     

基于文本质量的文献检索结果的系统聚类

采用系统聚类的方法对文献数据库的检索结果按其质量进行聚类,并通过实例说明这种方法的可行性和有效性。检索结果经过聚类方法处理后,用户可迅速了解检索结果的质量等级分布,从而对不同等级的检索结果采用不同的阅读方式。这样便能节省用户的阅读时间,提高检索效率。该项研究对今后开发针对检索结果的文本聚类插件奠定了基础。     

基于分层遗传的新聚类算法应用于数据分类

针对FCM(模糊C均值聚类算法)对初始聚类中心的选取敏感以及梯度法易收敛到鞍点,在此基础上提出了一种分层遗传算法(HGA)优化的核模糊C均值聚类算法(HGA-KFCM)来提升聚类性能,首先用分层遗传算法(HGA)在全局筛选出高品质聚类中心以替代FCM的随机产生的聚类中心,再利用高斯径向核函数改变FCM中的距离函数并且重...     

基于改进K-medoids的社会化标注资源两阶段聚类研究

针对社会化标签语义模糊,传统K-medoids聚类算法对初始聚类中心敏感、收敛速度缓慢、只能将归类对象划入到单一类别的缺点,提出一种基于改进K-medoids的社会化标注资源两阶段聚类算法。算法应用一种简洁快速的初始聚类中心选取新规则以及改进的聚类准则函数,首先进行标签聚类,然后将同一标签簇中标签标注的网络资源初步划分到同一资源簇中,最后在这些资源簇中再次进行资源聚类。实验结果表明,提出的算法能自主、合理地确定初始聚类中心,聚类过程收敛速度快,聚类结果有更好的准确性。     

用于信息检索的文本聚类技术

文本聚类是进行文本信息检索的重要方法,被广泛应用于网络信息和档案资料的筛选和检索。分析了目前较成熟的文本聚类技术,并对文本聚类结果的评价方法进行了探讨。     

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。     

基于知识挖掘技术的模糊信息聚类及联想设计

针对知识发现中的模糊信息查询问题 ,提出了一种基于知识挖掘中神经网络技术的模糊信息聚类及联想设计方法。首先按照分类对信息源进行量化编码 ,然后对编码后的数据进行规整处理。对于信息聚类采用均值聚类算法 ,而模糊信息联想采用Hopfield网络实现。将基于上述算法开发出的模糊信息查询系统应用于图书信息查询 ,实验结果证明了该方法的有效性。     

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。     

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。     

基于文本聚类与LDA相融合的微博主题检索模型研究

伴随着微博的日趋流行,对微博信息的检索逐渐成为人们获取第一消息的手段.其中文本聚类和主题发现是信息检索领域的有效方法,采用适当的方法是影响微博短文本信息检索质量的关键因素.文章针对文本聚类和LDA主题模型的互补特征,综合考虑了微博特殊文体和短文本聚类效率问题,提出了基于频繁词集的文本聚类和基于类簇的LDA主题挖掘相融合的微博检索方法,给出了针对微博文体的一种新的主题检索模型.实验表明,该方法不仅能有效地划分微博文本,并且能清晰地挖掘类簇中潜在主题.     

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。     

基于贝叶斯层级模型的社会化标注主题聚类探讨

在资源共享性的社会化标注网站上,大量无标签或者缺少标签的资源往往会因为标签信息的不完整,以致无法被有效地利用和检索。为了有效地进行资源检索,借助于贝叶斯层级模型,对被标注信息资源的主题进行聚类,并生成最终的主题聚类结果,相关实验结果显示了其有效性。     

一种基于人工免疫的汽轮机故障诊断方法的研究

本文提出了一种免疫克隆选择算法与模糊C-均值聚类算法相结合的混合聚类算法。首先用克隆选择算法对模糊聚类中心的个数和聚类中心的选取进行指导,然后进行聚类,是一种有监督学习和无监督学习结合的一种算法,将该算法用于汽轮机的故障诊断中,诊断结果表明,该方法能够正确地诊断出存在的故障,具有实用价值。     

基于高斯混合模型的图像检索算法研究

通过研究聚类算法在图像处理上的应用,提出了一种基于高斯混合模型聚类的图像检索方法。该检索方法首先提取每幅图像的特征,并以特征值为数据集建立高斯混合模型,得到所有图像的高斯混合模型。再以所有图像的混合模型参数集作为数据集,用基于高斯混合模型的聚类算法进行聚类。最后输出检索例图所在的类,即得到检索结果。     

最小二乘圆心模糊集合贴近度蛙跳聚类算法

针对传统的混合蛙跳聚类算法在差分进化时,随着迭代次数的增加,聚类中心矢量向模糊边缘贴近,导致搜索精度不高,陷入局部最优的问题。提出一种基于最小二乘算法的混合蛙跳优化聚类算法,引入模糊集合贴近度运算,对聚类中心矢量执行全局更新,避免模糊边缘的局部最优解贴近。仿真测试采用合成的二维数据进行数据聚类实验并应用到软件故障预测模型中,实验结果表明,采用该算法进行目标数据聚类,具有更好的寻优进化性能,聚类精度提高明显,在数据分类识别等领域具有很好的应用价值。     

基于神经网络的信息聚类及联想实现

针对知识发现中的信息模糊查询问题，提出了一种基于神经网络的信息聚类及联想实现方法。首先按照信息分类对所要查询的信息进行量化编码，然后对编码后的数据进行规整处理。对于信息聚类采用均值聚类算法，而信息联想采用Hopfield网络实现。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，实验结果证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。