基于MATLAB的自组织竞争神经网络聚类研究

自组织竞争神经网络通过对网络输入权值的调整，使所有权矢量都在输入矢量空间相互分离，形成了各自代表输入空间的一类模式，从而实现聚类功能。应用MATLAB工具葙提供的函数，可以用自组织神经网络进行聚类分析和仿真。     

空间数据挖掘聚类算法研究

聚类分析是当今飞速发展的数据挖掘和数据信息分析的一个重要技术,因此聚类分析已经成为数据挖掘领域一个非常活跃的研究课题.针对空间数据库对聚类算法的特殊要求,分析了空间聚类算法的构造思想及其优缺点,探讨了空间聚类算法目前的工作、算法的一些开放性问题以及今后的研究方向.     

聚类挖掘在远程教育中的应用

阐述了在远程教育的研究和应用中,利用基于关联规则的多层次、超图分割聚类方法,对Web网页和用户进行有效聚类。该方法借助网站层次图,可以根据实际需要,在各个层次上进行聚类分析,仅将高度相关的网页和用户聚在同一类,而将关联性较小的网页排除在聚类外。     

基于关联规则的聚类挖掘在远程教育中的应用

阐述了在远程教育的研究和应用中,利用基于关联规则的多层次、超图分割聚类方法,对Web网页和用户进行有效聚类。该方法借助网站层次图,可以根据实际需要,在各个层次上进行聚类分析,仅将高度相关的网页和用户聚在同一类,而将关联性较小的网页排除在聚类外。     

模糊聚类分析在数据挖掘中的应用

聚类分析是数据挖掘的主要方法之一,而且能够作为一个独立的工具获得数据的分布状况,集中对特定的聚簇集合作进一步的分析。介绍了数据挖掘过程中常见的数据聚类算法,讨论了聚类分析最新的研究方向——模糊聚类方法。     

系统聚类在教育研究中的应用

聚类分析是运用数学的方法,研究各类事物之间的亲疏程度和对事物进行分类的一门科学.它包含了系统聚类、动态聚类、最优分段和模糊聚类等等.教育研究往往要考虑从面临的众多复杂的事物或因素中,找出主要矛盾或矛盾的主要方面.比如,在学校教育质量评价的研究中,就要对学校的办学思想、教学方法、师资状况及学生德.智、体发展等多方面的庞杂因素进行分析、比较.采用聚类的方法,可以从庞杂的因素中找出代表性大又便于评价的主要因素,也就是抓住其中的主要矛盾,作为学校教育质量的评价因素.本文着重介绍聚类分析中常用的系统聚类方法.系统聚类是将研究的样品看成各自独立的类,然后采用某些方法,将性质上最接近的类,逐步归并.使类的数目不断减少.直至归并成一类.它们     

聚类分析法在教师考核中的运用

对教师量化考核结果进行聚类分析可以获得更多有用的信息,可以更深入地了解教师队伍的实际情况,从而可为加强教师队伍建设和完善教师职务聘任制提供更为可靠、全面的依据。一、聚类分析基本原理聚类分析法是多元统计法的一种。其主要思想是,选定所要考察的有关数据和单位,根据数据值确定数据间或单位间的相似程度,通过一定方法按相似程度高低将数据或单位划类,关系密切的聚合为一小类,关系疏远的聚合为一大类。对数据进行聚类,称为R型聚类分析,对样品单位进行聚类叫做Q型聚类分析。聚类分析一般有以下三个步骤:第一步,数据变换如果各数据间…     

DBSCAN算法研究

随着人工智能和数据挖掘技术的不断深入,数据挖掘技术中的聚类分析得到了不断的发展,对聚类的研究已经成为数据挖掘领域中的一个重要课题。在介绍几种具有代表性的聚类算法的基础上,探讨了聚类算法的理论基础及具体实现。     

数种基于SPSS统计工具的聚类算法效率对比

利用统计分析软件SPSS对99组实例数据进行聚类分析,包括K-means聚类、系统聚类、两步聚类三大类,其中K-means聚类包括K-means未标准化聚类和K-means标准化聚类两小类,选取判断类内紧致性指标1和类间分离性指标2综合衡量聚类结果有效性,从而比较聚类数种算法中三大聚类方法的聚类效果。实验发现,K-means聚类有效性普遍比系统聚类好,系统聚类普遍比两步聚类有效,且系统聚类分析效果随着聚类个数的增加不断改善。     

研讨系统中的发言文本聚类及其可视化

研讨系统会产生大量的专家发言文本信息,对发言文本进行聚类分析并可视化展现聚类结果,可以引导专家思维,提高研讨效率。提出一种基于聚类的研讨文本分析及可视化方法。首先对专家发言文本进行分词,提取专家发言文本向量;再采用聚类算法对专家发言文本进行聚类分析,得到不同发言簇;最后在基于Web的研讨系统中实现研讨文本聚类,并采用D3方法对聚类结果进行可视化展现。实验结果表明,该方法能有效展现专家发言之间的相似性和聚集度,引导专家思维收敛并达成共识。     

Application of BP NN and RBF NN in Modeling Activated Sludge System

Based on the operation data from a certain wastewater treatment plant(WWTP) in northeast China,the models of back propagation neural network ( BP NN ) and radial basis function neural network ( RBF NN ) have been designed respectively and the ability of convergence and generalization has been analyzed separately.As for BP NN, the effects of numbers of layers and nodes have been studied ; as for RBF NN, the influences of the number of nodes and the RBF‘s width have been studied. It is concluded that BP NN has converged much slowly in comparison with RBF NN. The conclusion that the RBF NN is suitable for modeling activated sludge system has been drawn. An automatically optimum design program for RBF NN has been developed, through which the RBF NN model of traditional activated sludge system has been established.     

基于神经网络PID算法的研究与设计

传统PID的算法模型对于复杂的过程和非线性系统难于建立准确的数据模型,甚至在控制过程中出现不稳定现象.为解决此类问题,按PID控制方式选择神经元学习控制所需的状态变量,将自适应神经元与ID控制算法结合起来,较好地解决了交流变频调速系统负载扰动、时滞现象及非线性控制的问题.通过仿真实验比较传统PID和NN PID算法,说明NN PID具有较好的鲁棒性.     

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.     

RBF网络参数确定方法的研究

针对RBF网络结构参数确定问题,介绍了几种RBF网络结构参数确定方法,如基于遗传算法的训练方法和基于粒子群优化算法的训练方法等.实践表明,此RBF网络结构参数确定方法具有实用、高效等特点.     

基于递阶遗传算法的神经网络预测控制(英文)

针对具有时延非线性系统提出一种神经网络预测控制．相应的预测模型通过递阶遗传算法离线训练数据并实时多步递推得到;性能函数中引入模型误差校正以克服模型失配及干扰等对系统造成的影响．仿真结果表明该系统具有良好动态响应及鲁棒性．     

基于神经网络的半导体扩散炉温度控制研究

针对半导体扩散炉温度控制问题,提出神经网络控制方法.神经网络采用3-3-3结构.仿真表明,此控制方法是可行的,具有良好的控制品质.     

试论"NN"类名词与量词的双向选择

"NN"类名词由多个相关的名词性语素组成,名词性语素之间的关系具有复杂性,即"NN"之间有修饰关系、类属关系、同义关系等.这类名词与量词的搭配是否合理,与各自的语义特点和名词内部的结构有关,有很强的双向选择性.随着社会发展,这类名词越来越多,应重视这类词的语法特点.     

钙红（NN）指示剂褪色分光光度法测定食盐中的碘

在盐酸介质中,碘酸钾与钙红反应褪色程度与碘酸根浓度在一定范围内呈线性关系,以此建立了碘的光度测定新方法。方法的最大吸收波长在510nm处,碘定量测定的线性范围为0．3mVL,摩尔吸光系数ε=1．3×10^4L／mol·cm。本法所得结果和国家标准（GB5009．24．85）中规定食盐中碘含量的测定方法相当。     

Experimental study of structural damage identification based on WPT and coupling NN

Too many sensors and data information in structural health monitoring system raise the problem of how to realize multi-sensor information fusion. An experiment on a three-story frame structure was conducted to obtain vibration test data in 36 damage cases. A coupling neural network (NN) based on multi-sensor information fusion is proposed to achieve identification of damage occurrence, damage localization and damage quantification, respectively. First, wavelet packet transform (WPT) is used to extract features of vibration test data from structure with different damage extent. Then, data fusion is conducted by assembling feature vectors of different type sensors. Finally, three sets of coupling NN are constructed to implement decision fusion and damage identification. The results of experimental study proved the validity and feasibility of the proposed methodology.     

数据挖掘领域中的聚类分析及应用

聚类是统计学的一种方法，也作为数据挖掘的一个功能被广泛地应用。本文介绍了聚类的概念、应用，主要的聚类算法。最后，针对现实中的一个具体问题，设计了一个层次型的聚类算法，其结果对相关部门具有一定的指导作用。