改进的基于距离阂值的FCM算法

凝聚型层次聚类和模糊C-均值聚类是聚类中的两种常用算法,每种算法都有其自己的优点、缺点及适用的对象和范围。针对FCM算法的对初始值敏感,以及目标函数没有考虑类间距离的缺点,通过使用距离阚值,把凝聚型层次聚类与模糊C-均值聚类算法相结合,产生一种新的基于距离闲值的FCM算法,实验结果表明。这种算法能够自动的判断迭代的终止条件、快速有效的找到最佳聚类结果,从而实现对模糊C-均值聚类算法的自动优化。     

加权模糊聚类算法在城市综合经济实力评估中的应用

综合经济实力反映一个城市的经济发展水平.该文运用加权模糊聚类算法,评估城市综合经济实力,并改进了指标权重的算法,避免不同属性对分类贡献无差异的问题.结合权重与模糊聚类算法,分析评估方案运用加权模糊聚类算法,评估河南省各市综合经济实力,结果表明,运用加权模糊聚类算法评价城市综合经济实力有效.     

模糊c均值聚类在交通流高峰期确定中的应用

交通流高峰期是交通规划、交通控制中一个非常重要的概念．目前高峰期一般是凭经验人为确定的．文章利用模糊c均值聚类方法对交通流高峰期的确定问题进行研究．首先对模糊c均值聚类算法进行简要介绍,然后利用该算法对某城间高速公路交通流数据进行聚类分析,分别确定了该高速公路正、反向交通流的高峰期．结果表明,该算法聚类结果与经验交通流高峰期基本一致．     

基于免疫单亲遗传和模糊C均值的聚类算法

聚类算法是数据挖掘算法中的重要方法之一.本文在分析了FCM算法和基于遗传聚类算法的不足基础上,提出了一种基于免疫单亲遗传和模糊C均值的混合聚类算法,克服了FCM的局部最优问题以及普通遗传算法聚类时的搜索速度和聚类精度的矛盾,实验表明该算法是有效的.     

关于模糊C-均值（FCM）聚类算法的改进

对模糊C-均值聚类算法的改进,即在原有的模糊C-均值算法的基础上,用一种新的定义距离的方法替代欧氏空间中距离的定义,改进模糊聚类算法。并且用数据仿真验证这种改进的模糊聚类算法与原来算法相比,聚类效果更好,分类更清晰。     

半监督模糊聚类及其在羊蹄甲叶片识别的应用

提出了一种半监督模糊聚类算法,给出了它的迭代公式,指出该算法可以有效提高聚类算法的效率．结合Fisher降维方法,从叶片的色调、绿色灰度的18个特征中提取出两个主分量,并采用这些二维数据对羊蹄甲角斑病的受害程度作聚类分析．结果显示,对40张使用了其类别属性参与聚类的叶片,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95％以上．     

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。     

一种改进的核模糊聚类算法

针对核模糊C-均值聚类算法中隶属度的计算特点,提出了一种改进的核模糊C-均值算法。改进后的算法是,在更新对象类的隶属度之前先判断对象是否可能属于该类。如果对象可能属于该类,则为其分配一个大于0的隶属度,否则直接将其隶属度置为0。针对不同测试数据集的实验结果表明,改进后的核模糊C 均值算法提高了聚类效果,是一种可行有效的算法。     

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。     

改进的遗传模糊混合聚类算法

本文对模糊C-均值（FCM）与遗传算法相结合的混合聚类算法进行了研究,针对遗传算法部分的染色体编码、种群初始化、个体适应度函数、遗传算子以及遗传参数设置等问题,给出了一种新的设计方法,进而得到了一个改进的遗传模糊混合聚类算法（HGFA）,并用MATLAB进行了仿真试验．结果表明该算法不但提高了收敛速度,而且聚类质量也有明显改善．     

中文网页聚类系统的研究与设计

设计中文网页聚类系统是为了便于从动态Web文本集中快速、有效地挖掘知识。该系统以经典聚类算法为基础,通过比较网页相似度,将相似度高的网页聚合,并提交用户界面显示。通过应用模糊数学中的不确定度,表达了样本类属不同的模糊性,从而更为真实地反映客观情况,改善了以往确定归属某一类的不完整信息收集,结果更具客观性。     

基于横糊聚类的案例聚类算法研究

针对网络学习者及其对案例访问的模糊性提出采用模糊聚类的方法对学习者和案例进行聚类分析。在算法中,以各学习者对案例的访问次数、时间、学习效率等刻画学习者对案例的关注程度建立模糊相似矩阵,再由平方法求出模糊等价矩阵,然后进行聚类分析。通过具体实例阐述算法的计算过程,证明算法实现的可行性和有效性。     

一种分布式的模糊聚类方法

由于FCM算法中的初始值需要随机的设定,这种随机性不能保证每次都能达到全局最优,也就是说如果初始聚类中心的设置具有全局的特点,那么聚类的结果才能达到全局最优。因此主要针对模糊c-均值（FCM）聚类算法对初始值很敏感,而且容易陷入局部最优解的这一特点,提出了一种分布式的模糊聚类方法。首先用分治法得到模糊聚类的全局的聚类中心值,然后再用FCM进行聚类,从而克服FCM算法对初始值敏感和容易陷入局部最优解的缺陷,达到全局最优。经仿真实验证明结果是很理想的。     

改进的F-ISODATA聚类算法在ANFIS建模中的应用

文章介绍了模糊ISODATA聚类分析的算法及其改进算法,并以此对基因序列聚类进行实验分析。对基于模糊ISODATA聚类分析的神经模糊建模方法进行了介绍,并以此对电动汽车的蓄电池剩余电量进行了知识建模,得到了较好的结果。     

Web日志挖掘在校园网建设中的应用研究

在Web日志挖掘的基础上,构建挖掘系统模型,采用模糊聚类方法对采集的日志数据进行聚类,得到用户的访问模式,从而指导校园网网站管理人员改善Web站点结构,提高用户查找信息的准确率和效率。     

基于BP神经网络泛化能力的模糊聚类分析

利用专家经验对样本集进行聚类,通常是便捷有效的,为了衡量聚类的可信度,提出了基于BP神经网络泛化能力的模糊聚类方法,实例表明,此方法是行之有效的。     

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.     

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.     

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。