基于模糊聚类与免疫算法的入侵检测

文章提出了一个基于模糊聚类和免疫算法的入侵检测系统.该系统引入了模糊C-均值聚类算法,对待检数据进行预处理,减少了需检测的数据量,改进了检测方法,提高了系统的检测效率和检测能力.     

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。     

一种基于降维聚类算法的车辆故障挖掘技术

针对现有的车辆故障挖掘方法鲁棒性、抗干扰性不强,挖掘故障的准确性不高的问题.为了提高车辆故障挖掘的准确性,提出了一种基于降维聚类算法的车辆故障挖掘技术.通过准确建立车辆行驶模型,进而进一步建立车辆特征点搜索模型,提取车辆特征点,并且降低关联特征的维度,降低干扰.利用改进的K均值聚类方法,对车辆故障进行聚类处理,迅速排除冗余特征的干扰,增加挖掘的鲁棒性,从而实现车辆故障挖掘.实验结果表明,这种算法能够对车辆故障情况进行有效挖掘,取得了令人满意的效果.     

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。     

基于改进的模糊聚类图像分割技术研究

主要研究图像分割技术。在传统的模糊C均值聚类图像分割算法基础上,加入了邻域像素的信息,大大地改正了模糊的隶属函数。实验表明,本文提出的算法较传统算法更加注重抗噪声能力。     

基于社会演化算法的聚类新算法

K均值聚类算法通常只能以局部最优结束,很难找到全局最优。提出了一种基于社会演化算法和K均值算法相结合的聚类新算法。在该算法中提出了认知主体在聚类中对范式学习的新的方式。实验证明该算法能大大提高聚类的效率和精度。     

一种基于灰关联分析的C-均值聚类算法

在传统C-均值聚类方法中,通常采用欧式距离,有时会将不同量纲的数据进行距离的计算,然而这种距离却没有任何意义;欧式距离是在m维空间中两点之间的真实距离,主要由波幅较大的元素决定,而波幅较小元素之差通常会被忽略,而且这种现象随着变化大与变化小的对应元素之差的比值的增大而越发明显。为了改善这种情况,本文采用灰色系统理论中的灰关联分析方法取代欧式距离,从仿真试验数据来看,基于关联分析方法的C-均值算法进行分类时具有更好效果,可以广泛的应用到动态聚类中。     

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。     

禁忌搜索算法及其在TSP问题中的应用研究

TSP问题是一类典型的NP完全问题,禁忌搜索算法是解决此类问题的智能优化方法之一。文章在研究了禁忌搜索算法的基本原理和算法步骤的基础上,建立了求解TSP问题的数学模型,设计了一个求解TSP问题的禁忌搜索算法程序,并进行了实验测试,实验结果表明,禁忌搜索算法能够有效地解决TSP问题。     

一种基于核聚类的模糊支持向量机方法

模糊支持向量机（FSVM）具有很好的抗噪声能力,受到了很多专家的重视。然而模糊支持向量机算法的时间复杂度通常较高。针对这一不足,本文提出了一种基于核聚类的模糊支持向量机算法。首先根据核聚类算法对每一类原始样本进行聚类,然后对每一簇求样本中心,用样本中心作为新的样本点替换该类别的原始样本。最后本文算法利用中心距离型计算新样本的模糊权重,并利用模糊支持向量机算法进行求解。实验充分验证了本文算法相对于传统模糊支持向量机方法具有更快的分类速度。     

FCM聚类算法的改进

模糊C均值(FCM)算法广泛地应用于模式识别、图像分割等领域。根据FCM算法存在对初始解敏感且迭代过程中计算量大的问题,本文提出了一种改进的算法:先通过精简数据集,减少算法迭代的时间;再使用密度函数法得到FCM算法的初始聚类中心,以减少FCM算法收敛所需的迭代次数。实验结果表明,改进后的算法较好地解决了类中心的初值化问题,提高了算法的收敛速度和运行效率。     

土钉墙内部稳定性分析禁忌搜索算法

基于边坡极限平衡的简化Bishop法,考虑土钉的加固作用,推导了土钉墙安全系数计算公式;然后利用禁忌搜索算法(TSA)对北京某大厦基坑土钉支护结构最危险滑动面的位置及相应最小安全系数进行了搜索.计算结果表明:TSA法的搜索性能要优于简单遗传算法且本文土钉墙简化Bishop法克服了瑞典条分法的不足,具有较高的计算精度.     

一种变电站内无功电压优化控制的求解方法

为了实现变电站内无功电压优化控制,提出了采用禁忌搜索算法进行无功电压优化控制问题的求解。以最大限度地降低功率损耗、提高电压质量和减少变压器的调节次数及电容器组的投切次数为目标,建立了相应的数学模型,并考虑系统潮流、控制变量、状态变量、器件动作次数的约束条件。采用数值仿真的方法进行了验证,仿真结果表明提出的方法可以得到最优解,解的质量较高。     

基于新直觉模糊相似度量的直觉模糊谱聚类算法

针对现有直觉模糊集聚类方法存在计算量大、数据失真和易陷于局部最优等问题,提出基于新直觉模糊相似度量的直觉模糊谱聚类算法。首先定义了新的直觉模糊相似度量方法,然后基于该方法构造了直觉模糊相似度矩阵,根据直觉模糊相似度矩阵求解非规范Laplacian矩阵,在此基础上构建特征矩阵,再使用k-means算法对特征矩阵进行聚类。最后在数值算例上的应用证明了所提出算法的可行性和有效性。     

一种基于二分网格的Web搜索结果聚类方法

因特网是一个巨大的,分布广泛的、全球性信息中心.为了提高Web信息查询的质量,目前有很多将Web搜索结果再进行聚类的方法.本文提出了一种基于二分网格的对Web搜索结果进行聚类的方法,有效地提高了Web查询的效率.     

数据挖掘中模糊C聚类算法的寻优能力优化

随着数据库技术的不断发展,现有的聚类分析算法已经无法满足数据挖掘的聚类分析的需求。本文主要针对传统的模糊C聚类算法,将其中存在的问题进行改进,并在核函数和权值优化的基础上,提出模糊C聚类算法。首先对模糊C聚类算法的特征权值进行优化,然后引入核函数的概念,对模糊C聚类算法的寻优过程进行改进。仿真验证得到的结果是,本文所提出的模糊C聚类算法,能够在核函数和权值优化上有更好和更加稳定的聚类。