高校科技统计指标动态聚类标准方案变化影响研究

以江苏省15所部委和省属重点高校1998-2002年科技统计指标为例,分别选取不同标准方案,利用动态聚类的分析方法进行分析,研究不同的标准方案对高校科技活动绩效的优劣排序产生的影响,从而探究高校科技统计指标动态聚类中的最佳参考方案。     

基于三维生态足迹模型的流域自然资本动态评估——以福建省九龙江流域为例

自然资本评估是研究区域生态系统平衡及可持续发展的重要方法。文章基于三维生态足迹模型,核算了2000-2015年九龙江流域不同地类及区域人均足迹深度、足迹广度和三维生态足迹,并通过资本流量占用率和存量流量利用比等指标,详细分析了区域自然资本流量、自然资本存量的占用情况及不同地类之间的差异。结果表明:(1)九龙江流域人均足迹深度由2.34增加至4.33,足迹广度由0.463hm2/人增加至0.655hm2/人,三维生态足迹由1.08hm2/人不断扩大至2.84hm2/人,说明区域自然资本流量占用逐渐增大,自然资本存量消耗快速上升,生态系统资源供给压力加剧;(2)不同地类自然资本利用差异显著,除林、草地外,其它用地从2011年开始均处于生态赤字状态;其中,化石能源用地需求增加最快,是区域生态足迹加速上升的最主要原因;(3)促进九龙江流域可持续发展在于增加资本流量限度、减少资本存量消耗,为此需要倡导节约型消费、加大耕地资源保护力度、科学规划建设用地规模、提高能源利用效率等。     

基于百度指数的手机品牌热度聚类与趋势分析

国内手机市场竞争激烈,通过手机品牌百度搜索指数数据分析,可以洞悉手机品牌热度的变化趋势。应用趋势分析和K-Means聚类方法对2014年1月—2017年4月40个月的手机品牌搜索指数进行趋势和聚类研究,结果表明:国外手机品牌正逐渐失去国人的青睐,但iPhone还处于搜索指数排名第一的位置;国内手机品牌热度近年呈现良好的上升态势,其中华为手机的表现尤为突出。     

1999-2008年G20国家自然资本利用的空间格局变化

各国自然资本利用的时空分异评价是近期可持续发展领域的研究热点。本文采用改进的三维生态足迹模型,对1999-2008年20国集团(G20)自然资本利用的空间格局变化进行了分析。结果表明:G20国家的自然资本利用格局具有显著的空间分异性,呈现流量自然资本占用西高东低、存量自然资本消耗北高南低的格局。根据1999-2008年自然资本利用的变化趋势,可将G20国家分为4类:流量和存量自然资本利用增强型(FI-SI型,2国)、流量和存量自然资本利用减弱型(FD-SD型,2国)、流量自然资本利用增强而存量自然资本利用减弱型(FI-SD型,4国)、流量自然资本利用减弱而存量自然资本利用增强型(FD-SI型,11国)。总体上,流量自然资本占用减弱、存量自然资本消耗增强已成为各国自然资本利用的主要变化趋势,可持续性趋于劣化,代内和代际不公平程度加剧。     

基于信息素的蚁群聚类算法

数据挖掘是在海量的数据中寻找模式或规则的过程。数据挖掘强调的是发现知识,获得的知识类型包括关联规则、分类、回归、聚类、依赖模型等。本文对其中聚类分析技术进行了较为深入地研究与分析,提出基于信息素的蚁群聚类算法PCBP,利用信息素指导蚂蚁移动,用不同速度的蚂蚁来改善聚类质量,并在这个思想基础上提出层次化蚁群聚类方法。为人们研究聚类提供了新思路和新途径,因此本文的研究具有一定的理论和实践意义。     

基于随机阵列向量模型的流量预测算法研究

设计网络流量预测数学模型,实现对网络流量的准确预测和评估。传统的流量预测算法采用包络特征子空间聚类的流量序列分析方法,对随机大数据网络流的聚类和预测效果不好。提出一种随机阵列向量模型的流量预测算法。首先进行了网络流量预测的时间序列模型构建,采用平均互信息算法和伪最近邻点法求解最优化网络流量序列重组空间异构参数,得到一个高密度流量数据分形区域,创建流量序列的概率分布曲线,在随机阵列相空间中形成新的映射采用统计学数学方法对流量序列的随机分布特征进行分布式计算,随机阵列向量模型构建方法进行流量预测算法改进。仿真结果表明,采用该算法进行流量预测,能有效提高预测精度,具有较好的流量特征分析能力,性能优越。     

手机音量中的秘密——利用声反射原理减少手机播放声音时的耗电量

正用手机听音乐时,很多人喜欢将音量开得较大,这会加速消耗手机电池的电量。如何在设置较小音量的前提下,通过其他方式提高手机音量、减少手机的耗电量?我利用声反射原理,将手机放入不同形状和不同材质的物体内进行实验。一、对比实验1.筛选声反射体形状用测试手机随机播放一首歌曲,如《我爱你中国》,手机音量设置固定,测试人员站在距离手机0.75m处试听。随后不改变歌曲和手机的音量设置,将播放歌曲的手机分别放入金属圆柱面、金属抛物面内。测试人员仍站在原处试听。试听结果见表1。     

沿海地区蓝绿指数的构建及差异性分析

引入超效率DEA非参数线性规划方法构建了沿海地区蓝绿指数,衡量创造GOP过程中资源消耗、污染排放、环境治理的投入程度,利用Malmquist方法对蓝绿指数变化进行动态分析,构建了聚类矩阵和收敛指数。结果显示:蓝绿指数十年整体均值并不处于蓝绿前沿面,各地区海洋经济增长对资源消耗、污染排放与环境治理的程度呈现出较大差异性,其中上海、广东、海南的蓝绿指数排名位于前列;蓝绿前沿的变化幅度对沿海地区的蓝绿指数产生了较大正向影响;聚类矩阵中除上海、广东呈现"双高"外,其他沿海地区均呈现"单偏"型;收敛指数则表明沿海三大经济区域海洋绿色经济发展差距逐渐缩小。     

基于模糊聚类和模式识别的企业财务风险分析

对具有不同度量单位的财务数据进行了标准化,根据最大最小法计算了相关系数,建立了相似矩阵,根据指标之间的相似度进行了模糊聚类,利用TOPSIS方法进行了模式识别。随机选取了29家不同财务状况上市公司的真实财务数据进行分析,其中训练样本23家,待估样本6家。利用SPSS软件,经过非参数检验、正态性检验等分析,确定了聚类和识别的相关指标。在对财务数据进行标准化后,根据模糊聚类方法将23家上市公司分为4类,并根据TOPSIS方法对6家评估样本进行了风险识别,以帮助决策者对本公司的财务风险进行管理。     

基于差分演化算法高斯随机聚类数学建模分析

提出一种基于差分演化算法高斯随机聚类数学建模分析方法。该方法首先对高斯随机聚类差分演化算法的基础理论进行讨论,并对差分演化算法进行分析,在高斯随机聚类差分演化算法进化的不同阶段对算法参数的缩放因子与杂交概率进行相应的调整和控制,在增加种群多样性的前提下,调整算法的搜索方向快速找出最优方案完成对差分演化算法高斯随机聚类数学建模分析。实验结果表明,高斯随机聚类差分演化算法相对比差分演化算法具有更好的求解性能,且收敛速度更快。     

基于OCA聚类集成的客户细分模型研究

将聚类集成技术应用到CRM中的客户细分研究,以提高聚类性能.将客观聚类分析(OCA)方法作为基聚类器,克服了传统的细分方法不能客观确定聚类数目的缺点.实证结果表明该方法不仅提高了客户细分的准确性,而且能够自动、客观地确定聚类个数及最优聚类方案.     

共词网络链路预测局部相似性指标的优化改进研究

[目的/意义]引入时间衰减因子与聚类系数对共词网络链路预测局部相似性指标进行优化改进,以期进一步提升共词网络链路预测的精确度。[方法/过程]从3个角度来提升局部相似性指标预测精确度：一是引入时间衰减因子计算连边权重,对不同时间段的连边进行区别处理;二是结合聚类系数改进已有相关相似性指标,即利用节点邻域拓扑信息进一步区分不同节点对相似性的贡献;三是同时融合时间衰减因子和聚类系数进行指标优化改进。再以图书情报学领域为例构建共词网络,利用多种分类算法(如朴素贝叶斯、决策树、随机森林、SVM)预测和评估所改进指标的预测精确度。[结果/结论]引入时间衰减因子,指标WCN、WAA、WPA、WRA的预测精确度均得到了有效提升;结合聚类系数,指标CN、AA、RA、WCN、WPA、WRA和SA的预测精确度均得到了不同程度的提升;同时融合时间衰减因子和聚类系数,WCN、WAA、WRA的预测精确度得到了进一步的提升。由此可知,引入时间衰减因子或聚类系数均能在一定程度上提升共词网络链路预测相关指标的准确度。     

基于SOM的超文本自动生成算法

利用自组织映射网络（80M）可以实现文本聚类,在此基础上进一步对索引词聚类,从而可以得到文本聚类图和索引词聚类图。利用这两个图,就可以对普通文本进行超文本自组织,即对普通文本的某些知识点做超链接,以链接到与之相关的Web文档上。     

基于MOOC数据挖掘的学习行为与成效研究

MOOC的出现推动了教育平台的发展,为不同人群提供了门类众多的在线学习资源。在学习过程中产生了学习时长、播放天数以及学习章节数等相关数据。本文根据MOOC相关学习数据,利用K-Mean聚类的方法对不同人群学习行为进行聚类,探讨了学习行为与学习成效的关系,以期为MOOC教育和发展提供有益参考。     

聚类分析法在供应链联盟合作伙伴初选中的应用

论述了聚类分析的原理，利用聚类分析法，依据某些指标（如成本、时间等）对不同类型的候选企业进行评估分类，这是核心企业初选合作伙伴的一种重要方法。用聚类分析法对候选企业进行评估，使分类结果更加客观、全面。     

非线性季节型电力负荷曲线集成聚类算法研究

传统方法直接设定聚类数量,得到的结果并非最优聚类数,且针对大规模电力数据,单一聚类方法无法同时达到聚类精度与效率两方面要求。为此,提出一种新的非线性季节型电力负荷曲线集成聚类算法。用DBI指标对聚类效果进行评价,将与DBI最小值相应的聚类数据作为最优聚类数量。通过模糊C均值聚类方法,依据原始非线性季节型电力数据对象间的相似程度,获取初始聚类中心。利用聚类性能更优、稳定性更高的层次聚类方法完成对聚类中心的组合,获取有效的集成聚类结果。实验结果表明,所提方法能够同时保证聚类精度与聚类效率,整体性能较强。     

以光伏电站为主的新能源集群动态划分研究

新能源集群动态划分是电网高效运行的重要举措。本文基于电站集群聚合平滑效应产生机理,对区域光伏发电站与风力发电站进行研究。首先,利用趋势不一致性系数衡量各光伏电站出力不一致性变化,解释光伏电站的平滑效应。其次,将趋势不一致性距离作为相似性的度量标准,采用层次聚类法对光伏电站进行集群划分。最后,利用乌兰察布地区多个新能源场站,对以光伏电场为主的集群提出不同集群划分方法,并验证方案可行性和优异性。     

基于分层遗传的新聚类算法应用于数据分类

针对FCM(模糊C均值聚类算法)对初始聚类中心的选取敏感以及梯度法易收敛到鞍点,在此基础上提出了一种分层遗传算法(HGA)优化的核模糊C均值聚类算法(HGA-KFCM)来提升聚类性能,首先用分层遗传算法(HGA)在全局筛选出高品质聚类中心以替代FCM的随机产生的聚类中心,再利用高斯径向核函数改变FCM中的距离函数并且重新定义目标函数,最终根据新参数进行迭代流程。在仿真实验中用两种数据集作为实验数据,利用FCM、HGA-KFCM以及其他三种聚类算法进行聚类测试,结果显示HGA-KFCM在一定程度上解决了FCM的缺陷,此外将新算法与另外三种性能不错的聚类算法在抗局部收敛能力,迭代次数和精度上比较,结果显示新算法具有良好的聚类性能。     

文本聚类算法的质量评价

文本聚类是建立大规模文本集合的分类体系实例的有效手段之一。本文讨论了利用标准的分类测试集合进行聚类质量的量化评价的手段，选择了k-Means聚类算法、STC（后缀树聚类）算法和基于Ant的聚类算法进行了实验对比。对实验结果的分析表明，STC聚类算法由于在处理文本时充分考虑了文本的短语特性，其聚类效果较好；基于Ant的聚类算法的结果受参数输入的影响较大；在Ant聚类算法中引入文本特性可以提高聚类结果的质量。     

混合聚类方法用于科学结构研究——以“心理学、社会学和教育学”领域为例

在前期的相关研究中,一种基于"引文-文本"相似度的混合聚类方法被用来对2002-2006年期间Webof Science数据库中8305种期刊进行了聚类分析,得到22聚类和7聚类两种体系。与之前的宏观分析不同,7聚类体系中的一个特定的聚类,即"心理学、社会学和教育学"聚类,将被集中研究。该聚类的内部学科结构以及其在22聚类体系中如何分解为三个子聚类将被细致地讨论和分析。对聚类之间的互引网络以及聚类中不同类型的"重要期刊"进行了展示,此外,还进一步将该聚类中760种期刊的混合聚类结果与Thomson-Reuters公司的ESI学科分类进行了对比,基于比较分析的结果,对该领域内部的科学结构进行了量化解读。