模糊聚类法在数字参考服务质量评估中的应用

介绍了模糊聚类法,阐述了模糊聚类法在数字参与服务质量评估中的应用。     

一种基于人工免疫的汽轮机故障诊断方法的研究

本文提出了一种免疫克隆选择算法与模糊C-均值聚类算法相结合的混合聚类算法。首先用克隆选择算法对模糊聚类中心的个数和聚类中心的选取进行指导,然后进行聚类,是一种有监督学习和无监督学习结合的一种算法,将该算法用于汽轮机的故障诊断中,诊断结果表明,该方法能够正确地诊断出存在的故障,具有实用价值。     

基于知识挖掘技术的模糊信息聚类及联想设计

针对知识发现中的模糊信息查询问题 ,提出了一种基于知识挖掘中神经网络技术的模糊信息聚类及联想设计方法。首先按照分类对信息源进行量化编码 ,然后对编码后的数据进行规整处理。对于信息聚类采用均值聚类算法 ,而模糊信息联想采用Hopfield网络实现。将基于上述算法开发出的模糊信息查询系统应用于图书信息查询 ,实验结果证明了该方法的有效性。     

基于模糊聚类集成算法的客户细分研究

针对客户行为的不确定性和模糊性,将模糊聚类集成技术应用于CRM中的客户细分研究,以提高客户聚类的精度.以模糊C均值(FCM)算法作为基本的聚类器,应用模糊t-范式对生成的多个聚类器进行集成,从而获得最终的客户聚类结果.最后,在1O个UCI数据集上进行聚类测试,结果表明,基于模糊t-范式的模糊聚类集成方法的聚类精度要高于常用的客户聚类FCM和K-means方法.在客户信用卡数据集Australian上的学习曲线还表明,聚类集成方法具有更稳定的聚类性能.     

基于聚类的模糊支持向量机入侵检测算法

为了提高模糊支持向量机在入侵检测数据集上的训练效率,提出了一种基于聚类的模糊支持向量机入侵检测算法.该方法可以对训练数据进行剪枝,有效地减少远离分类面的聚类边缘点的数量,同时在分类面附近保持较多的样本点,以靠近判别边界的聚类中心集合作为有效的训练样本集合对模糊支持向量机进行训练,减少了样本的训练时间,提高了算法的效率.实验结果表明该方法提高了模糊支持向量机的训练效率,而且对入侵检测是非常有效的.     

基于智能算法的模式聚类及信息联想

针对知识发现中的模糊信息查询问题,提出了一种基于反馈网络的模糊概念聚类及模式联想设计方法.按照分类要求对所要查询的概念集合进行量化编码,并对编码后的数据进行规整处理.对于概念聚类采用多层反馈神经网络的FP聚类算法,而概念联想采用自反馈神经网络的椭球学习算法实现.将基于上述算法开发出的信息模糊查询系统应用于图书信息查询,实验结果证明了该方法的有效性.     

基于模糊聚类SCARA机器人自适应动态控制

针对工业机器人的不确定性问题,本文提出了基于模糊聚类算法的SCAR A机器人自适应动态控制方法。该方法利用聚类算法去除机器人的运动轨迹数据中的噪声,将简化的数据送入模糊神经网络学习,在线生成模糊规则,调整规则参数。该神经网络在SCAR A机器人上进行验证,控制效果稳定可靠。     

自适应遗传算法在聚类分析中的应用

针对k-均值聚类方法可能受初始选定的聚类中心的影响而过早收敛于次优解的不足,给出了一种基于自适应遗传算法的聚类分析方法(AGAC)。对该自适应遗传算法的构成要素及用其解决聚类问题的一般步骤给出了阐述。用VS 2008编写了该算法的程序用来对数字进行聚类取得了较好的聚类结果。     

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。     

基于模糊聚类及马尔科夫残差修正的用户侧短期负荷预测方法

针对用户侧短期负荷随机性强、环境敏感度高的特点,提出了一种基于模糊聚类的马尔科夫用户侧短期负荷预测方法。采用模糊聚类方法对用户历史负荷数据进行可定义颗粒度的预处理,并以负荷所映射指标集构建的聚类识别指标为依据,通过指标隶属和距离校验对当前用户负荷模式准确归类;进而在所属类中心基础上进行马尔科夫残差预测。最后实验表明该方法能良好适应用户负荷特性,有效提高预测精度。     

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。     

蚁群聚类方法在智能数字参考咨询系统中的应用研究

研究了数字参考咨询系统中苑例的分类问题,根据范例库的特点,将蚁群聚类方法引入数字参考咨询系统中,并对该方法的基本原理和实现步骤进行了分析,对该方法在数字参考咨询系统中的应用进行了测试.     

基于神经网络的信息聚类及联想实现

针对知识发现中的信息模糊查询问题，提出了一种基于神经网络的信息聚类及联想实现方法。首先按照信息分类对所要查询的信息进行量化编码，然后对编码后的数据进行规整处理。对于信息聚类采用均值聚类算法，而信息联想采用Hopfield网络实现。将基于上述算法开发出的信息模糊查询系统应用于图书信息查询，实验结果证明了该方法的有效性。     

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.     

基于反馈网络的模糊概念聚类及模式联想

针对知识发现中的模糊信息查询问题，提出了一种基于反馈网络的模糊概念聚类及模式联想设计方法。首先按照分类要求对所要查询的概念集合进行量化编码，然后对编码后的数据进行规整处理。对于概念聚类采用多层反馈神经网络的FP聚类算法，而概念联想采用白反馈神经网络的椭球学习算法实现。将基于上述算法开发出的信息模糊查询系统应用于图书信息查询，实验结果征明了该方法的有效性。     

模糊c均值聚类在wav格式音频检索中的研究

应用模糊c均值聚类方法对wav格式的音频检索。不同于以前为音频建模和分类的监督机制,而是通过对音频数据的特征进行模糊聚类形成聚类质心,根据聚类质心的相似度匹配来实现非监督机制的音频检索,并优化参数以提高检索准确度。     

基于FC和VPRS的信用风险评价研究

企业信用风险评价是金融领域最重要的问题之一。提出一种将模糊聚类（FC）和变精度粗糙集理论（VPRS）结合进行信用风险评价的模型。首先利用模糊聚类法对样本上市公司数据进行离散化处理,然后根据变精度粗糙集理论抽取决策规则。结果表明,由该方法生成的决策规则能对样本数据进行正确的分类,并具有一定的抗干扰性。     

基于SVM的手写体数字识别的研究

研究了利用支持向量机分类器进行手写体数字识别的技术。构建了我国邮政手写数字库和美国邮政手写数字库。在此库上,利用基于SVM多类分类器进行了实验,并与其他分类器的识别方法进行了比较。实验结果表明,算法的正确识别率达到96.005%,识别效果最好。     

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。     

和声模糊聚类在读者兴趣度建模中的应用

本文采取了3种必要的措施提高了聚类质量:考虑到各维数据特征属性对聚类效果影响不同,采用了基于统计方法的维度加权的方法进行特征选择;对于和声搜索算法的调音概率进行了改进,将改进的和声搜索算法和模糊聚类相结合用于快速寻找最优的聚类中心;循环测试各种中心数情况下的聚类质量以获得最佳的类中心数。接着,该算法被应用于图书馆读者兴趣度建模中,用于识别图书馆日常运行时各读者借阅图书的类型,实验表明该算法较其它算法更优。这样的读者兴趣度聚类分析可以进行图书推荐,从而提高图书馆的运行效率。