基于模糊聚类的自适应模糊神经网络

本文将模糊C均值聚类和自适应神经模糊网络结合起来．模糊C均值聚类用于对输入变量空间进行划分,生成初始的模糊规则库,自适应模糊神经网络（ANFIS）选用最小二乘法和BP算法．与普通的模糊神经网络相比,这种模糊神经网络收敛速度快,建模精度高。     

基于模糊聚类最大树算法的质量工程建设水平评估

针对高等院校质量工程建设多定性研究,少定量研究的实际,结合电子商务特色专业质量工程建设实践,建立高职院校质量工程评估指标体系,提出一种基于模糊聚类最大树算法的质量工程建设水平分类模型,通过算例说明了模型的有效性和科学性,可为高职院校质量工程建设水平评估提供依据.     

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.     

基于频繁项目集的多隶属聚类算法

通过分析目前的聚类算法，提出了多隶属聚类的概念；提出了一种基于频繁项目集的多隶属聚类算法，该算法能产生事务型数据的多隶属聚类。     

基于模糊聚类的学生综合素质评价与检索方法研究．

针对当前学生综合素质评价方法的不足,提出了基于特征加权模糊屉原型聚类的学生综合素质评价与检索方法．该方法的特点是用权值表示学生综合素质数据各维贡献率的不同,用特征加权模糊K-原型聚类方法对数值型、评价型并存的数据集合进行划分,通过学生归属某个类别,可获得学生综合素质的情况．在此基础上,给出了基于模糊K-原型聚类的学生综合素质检索方法,实验结果表明．该方法能提高学生综合素质检索的查准率和鲁棒性较强．     

一种基于属性加权模糊聚类算法

针对传统的模糊聚类算法(FCM)的不足,提出了具体的改进和提高方法,通过修改聚类目标函数来提高算法处理噪音点的能力和体现样本空间各维度对聚类效果的价值。最后通过实验比较证明了算法的有效性。     

基于模糊聚类的入侵检测系统的实现

传统的入侵检测技术在扩展性和适应性上已不能应付越来越复杂的攻击方式,利用模糊聚类方法可以在入侵检测中生成更好的检测规则,提出了FCM的改进算法SFCM,设计并实现了基于SFCM的入侵检测系统FCIDS,利用KDD CUP99数据进行实验,结果表明能够显著提高检测率和降低误报率。     

基于模糊层次聚类与模糊推论技术的模糊信息检索方法的研究

本文研究了一种新的基于模糊层次聚类与模糊推论技术的模糊信息检索方法。该方法通过对文件的聚类、构建模糊集群文件、建立集群中心文件的模糊逻辑规则来修改用户的查询信息，使查询结果更加符合用户的需求。这种模糊信息检索方法因为能够扩展用户的查询条件来使用一种更有效率的方式进行模糊检索，所以比现有的方法更加灵活化和智能化。     

基于模糊聚类的加权协作定位算法

定位算法作为无线传感器网络的关键技术,在提高节点定位精度和网络效率方面发挥着重要作用。为解决由于定位范围广、信标节点分布随机且稀疏所导致的RSSI测距信息受环境影响定位精度下降的问题,提出了一种基于模糊聚类的协作加权定位算法。使用模糊聚类算法将信标节点分成若干簇,在簇内用三边定位算法对未知节点进行定位,加快定位收敛速度;同时引入RSSI优化机制,通过给RSSI值求得一个加权系数,减小环境因素对本算法产生的影响。仿真结果表明,相比于三边定位算法和协作定位算法,提出的算法定位精确度分别提高了51.25%和20.05%,在定位精度方面更具优势,更适用于信标节点稀疏的应用场景。     

一种基于半监督模糊聚类的人脸识别方法

人脸识别技术是图像处理方面的重要技术。通过对人脸数据进行标准化处理,利用主成分分析和半监督模糊聚类算法对人脸数据库进行聚类分析。实验结果表明,半监督模糊聚类利用主成分降维得到的22个特征进行聚类,对于已知类别属性的人脸,聚类结果与这些属性的一致率达100%,而对于其他数据,一致率也达到99%以上。     

基于绝对理想的模糊聚类排序方法

指出曾文艺等用模糊聚类进行排序的方法有反序缺陷,给出一种消除反序的新方法——基于绝对理想的模糊聚类排序方法,最后通过实例验证了方法的有效性.     

基于模糊聚类的教学资源自适应推荐研究

随着教学资源规模的急剧增长,常规的资源检索和传统的推荐方法其反馈结果的精确性和个性化程度越来越低,文章提出了基于模糊聚类的推荐方法,并结合协同过滤、智能分词和移动Agent技术,对目标用户的检索期望进行预测和推荐,实验结果证明,其推荐质量和精度得到了较大的提高.     

基于蚁群模糊聚类算法的图像分割研究

论文提出了一种基于蚁群动态模糊聚类算法的计算机图像分割方法,有效地利用蚁群算法的聚类分析能力,克服了FCM算法对初始化的敏感,动态地确定了聚类数目和中心。然后利用蚁群聚类算法得到的模型进行修改,再进行模糊聚类弥补蚁群算法的不足。最后将该算法应用到计算机图像分割技术。对比实验表明,该算法实验表明该算法速度快、划分特性好,可以准确地分割出目标。     

基于层次的模糊K均值聚类算法研究

通过对K均值聚类算法的研究,本文提出了一种基于层次聚类与模糊聚类思想的K均值聚类算法。算法首先使用层次方法对数据进行初始聚类,然后用得到的聚类数作为模糊K均值聚类中的K值,对聚类进行修正。最后通过实验,验证了该算法不需要人为假设聚类算法中的K值,而且引入了模糊隶属关系使类别的划分更接近于事实,从而证明了该算法的有效性。     

基于模糊均值聚类的高校教师有效教学特征识别

为实现高校教师有效教学的特征识别,以问卷的形式对高校教师教学能力现状的反馈情况进行考查和归纳,提取教学意识能力、教学风格能力、教学认知能力、教学反思能力等7个有效教学特征因子,并采用李克特五级量表进行数据处理。提取有效教学的特征值,对有效教学特征因子进行量化,得到有效的教学特征数据,进而采用模糊C均值聚类算法对有效教学特征数据进行分类,建立标准有效教学模型库。将新的教师有效教学特征值通过模糊模式识别中贴近度的方法与模型库相匹配。如果不匹配,提出4种提升有效教学的策略,为后续的教学风格研究提供依据。     

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.     

一种基于模糊聚类方法的入侵检测研究

聚类分析是一种有效的入侵检测方法.可以从网络数据中区分正常流量和异常流量.本文提出一种模糊聚类分析方法,利用数据之间的相似度进行聚类,试验证明,该方法可以有效地检测网络入侵.     

基于灰狼优化的模糊C-均值聚类算法

针对模糊C-均值聚类算法(FCM)存在易受初始聚类中心影响和容易陷入局部最优的问题,提出了一种将灰狼优化算法(GWO)和模糊C-均值相结合的新聚类算法（GWO-FCM）。该算法利用GWO算法强大的全局寻优能力对FCM算法的聚类中心进行优化,模拟灰狼优秀的搜寻猎物行为找到一组最佳聚类中心来提高FCM的聚类效果。通过UCI数据集的仿真结果和算法比较验证了该算法的有效性。     

一种新的模糊聚类有效性指标的验证

根据(V)cso-new对(V)cso有效性指标的改进思想,对分离度进行了新的定义,并提出了一种新的模糊聚类有效性指标,理论证明和实验分析说明了该有效性指标的可靠性.