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。     

基于模糊聚类及灰色关联的软件需求分析方法

通过模糊聚类方法可以对软件需求进行类别划分;通过灰色关联方法,可以对每个类别内的需求进行重要程度排序.这种分析方法可以为需求管理提供一个科学的解决途径.     

基于R聚类-灰关联优势分析的绿色经济评价指标体系构建

首先对绿色经济评价指标进行海选,随后采用"初步筛选+R聚类-灰关联优势分析+理性分析"相结合的方法筛选评价指标,构建绿色经济发展的评价指标体系,并通过对比分析阐明该指标体系及其指标定量筛选方法的优势性:一是从评价指标信息相关性角度出发,采用Ward最小方差法依准则层对绿色经济指标进行R聚类,保证聚类后不同类间指标信息相关性较小而同类指标间相关性较大,确保筛选后的指标体系信息重复性小;二是从评价指标重要性角度出发,在R聚类的基础上提出采用灰关联优势分析,在每一类评价指标中保留对绿色经济评价结果影响最重要的指标。     

图书馆管理人员的灰聚类评估

灰色聚类是以灰数的白化函数生成为基础的一种聚类方法。通过灰色聚类法在图书馆管理人员的考核中的应用,显示出灰聚类评估在正确考核图书馆管理人员工作业绩上的良好应用前景。     

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。     

改进的FCM模糊聚类算法在说话人识别中的应用

文章提出了一种将改进的FCM模糊聚类算法与矢量量化相结合的说话人识别的方法.     

灰关联聚类法在高校科研绩效评价中的应用研究

高校的科研绩效评价对于建立我国的科技创新体系意义重大。灰色关联分析是基于行为因子系列的微观或宏观的几何接近,以分析确定因子间的影响程度或因子对主行为的贡献测度而进行的一种分析方法。高校科技绩效指标聚类分析是评价科技绩效的一种简便可行的科学方法。通过分析评估,明确自身所处科技地位,为学校制定目标、政策提供依据。     

社会化标注系统中基于关联规则的Tag资源聚类研究

运用关联规则挖掘标签间的相互关系,并结合典型的划分聚类算法k-means进行Tag资源自动聚类,从而实现对Tag资源重新组织,为用户提供更好地标签导航和浏览机制。并利用豆瓣网上的实例数据验证了算法的可行性和有效性。     

基于约束模糊聚类的抗电力雷电波干扰信号检测

提出了一种基于约束模糊聚类的抗电力雷电波干扰信号检测方法。利用信号采集设备采集信号,并对信号进行傅里叶变换处理,为信号检测提供准确的数据基础。利用约束模糊聚类方法,对抗电力雷电波干扰信号进行检测。实验结果表明,这种算法能够有效提高检测的准确性,取得了令人满意的效果。     

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。     

学术交叉领域的双向聚类及主题关联特征分析

【目的/意义】为了发现交叉学科领域学术群及前沿研究主题,更有效地揭示交叉领域研究的核心研究者, 进一步发现核心学者与前沿主题之间的关联特征,促进国家重大交叉科研项目的合作攻坚,发现潜在的合作前景 并有效组织前沿重大交叉合作团队。【方法/过程】就地理信息领域内的关键词、作者、文献、期刊以及机构等信息进 行分析,采用双聚类分析的方法,实施了作者与主题的双向聚类分析。以此为基础研究了高产作者与研究主题的 关联特征,揭示出作者与主题间的关联关系。【结果/结论】结果表明,双向聚类方法具有突出的研究效果,既发现了 领域核心学术群体,又发现了前沿主题。进一步的关联分析发现核心学者群与前沿主题之间的关联特征,从而可 挖掘出隐性的跨学科主题与学者之间的关联。【创新/局限】从横向（研究者）与纵向（研究主题）两个方面进行双向 聚类分析,并同时考察两方面的关联是本文的创新之处。     

基于关联规则的公共自行车调度区域聚类划分

根据公共自行车在租赁点间的自流动性,利用城市公共自行车系统运行的OD数据,采用关联规则将具有较强相关性的租赁点归于同一个集合并赋予相应属性,然后对各集合中的租赁点进行空间聚类划分,最后生成调度区域划分方案;以杭州市公共自行车系统为对象进行划分仿真实验,结果表明：本文提出的基于关联规则的公共自行车调度区域聚类划分方法,兼顾城市公共自行车系统租赁点的空间和非空间属性,能够为公共自行车实时调度提供一种科学有效的调度区域划分方案。     

基于模糊聚类的学生素质评价方法的研究

高等教育评价是人们在实践基础上形成的对高等教育目标的理性认识,为适应从传统教育向素质教育的改革,本文运用模糊聚类分析方法对能够衡量学生素质的几个方面进行了分析,提出了更为客观有效的学生能力评价体系。     

基于模糊聚类与粗糙集的决策知识获取方法研究

为了从连续属性的信息系统中提取决策知识,提出了将模糊集和粗糙集理论相结合,使用模糊聚类技术将连续属性信息系统转化为经典信息系统,再使用粗糙集提取决策知识。用实例验证了该方法具有较强的抗噪声能力,得出的决策知识易于应用。     

FCM—SVM集成方法在高科技企业财务危机预警中的应用

针对高科技企业的特点,指出其财务危机预警必须做到及时、准确;支持向量机算法(SVM)对小样本问题具有良好的学习能力和泛化能力,但应用到数据分布不平衡的高科技企业财务危机预警问题时,对"正例"的识别效果不佳;模糊C均值(FCM)聚类能够在保持原有样本数据信息的同时较好的实现"正例"和"反例"的平衡.在PCA、FCM实现数据预处理的基础上,应用SVM方法对高科技企业财务危机进行识别,实证分析证明这种方法在是有效的.     

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。