基于区间二型模糊集的模糊等价关系聚类分析

传统聚类算法在解决含有不确定性的聚类问题时具有很大的局限性,为了更好地解决聚类问题中的不确定性,论文基于区间二型模糊集理论,提出了基于二型模糊等价关系的聚类分析算法.论文首先将语言变量信息完整地转化为区间二型模糊集,接着把语言变量和区间二型模糊集的优势相结合,通过区间二型模糊集的Jaccard相似度,提出了基于区间二型模糊语言变量的模糊等价关系聚类分析新方法,并设计了具体的算法流程.新聚类算法相对于传统的模糊等价关系的聚类算法,具有更好地处理不确定性问题的能力,避免了聚类计算过程中的信息丢失.同时新聚类算法可以灵活给出随聚类相似性参数变化的动态聚类结果.论文最后以电商平台的手机品牌聚类为例,验证了新算法的可行性和合理性.     

基于观测值聚类的多雷达数据融合

根据多部雷达同一时刻对同一目标的观测值在空间呈团状的特征,运用模式识别理论中聚类的方法解决数据融合问题。采用一种改进的KNN算法对多雷达观测数据进行聚类,结合聚类中心和目标预测值,应用卡尔曼滤波器估计目标状态,从而实现多雷达数据融合。实验结果表明,这种方法是有效的。     

基于最优划分的K-Means初如聚类中心选取算法

针对传统K-Means算法聚类过程中,聚类数目k值难以准确预设和随机选取初始聚类中心造成聚类精度及效率降低等问题,提出一种基于最优划分的K-Means初始聚类中心选取算法,该算法利用直方图方法将数据样本空间进行最优划分,依据数据样本自身分布特点确定K-Means算法的初始聚类中心,无需预设k值,减少了算法结果对参数的依赖,提高算法运算效率及准确率.实验结果表明,利用该算法改进的K-Means算法,运算时间明显减少,其聚类结果准确率以及算法效率均得到显著提高.     

基于数据场联合PRI变换与聚类的雷达信号分选

基于脉冲描述字进行雷达信号分选时,传统聚类算法需要预先人工设定聚类中心和聚类数目。针对该问题,提出一种基于数据场理论联合脉冲重复间隔(pulse repetition interval,PRI)变换与聚类的雷达信号分选新方法。首先,依据数据场理论,基于势值大小实现干扰点剔除,而后利用PRI变换算法进行PRI估计,依据PRI估计值将归一化脉冲描述字数据预分类,进而以各类数据集中心间的欧氏距离小于辐射因子为准则进行类别合并,自动得到初始聚类中心和聚类数目,最后通过改进K-Means算法完成聚类分选。仿真实验表明:所提方法能够应对存在频率捷变,重频参差、抖动、参数交叠、局部脉冲丢失的复杂信号环境,分选正确率明显提升。     

基于线性回归分析的快速搜索聚类中心算法

针对一种可快速搜索和寻找到聚类密度峰值点聚类算法的缺陷,利用线性回归与残差分析的方法进行改进,可自动、快速地确定聚类中心且优化样本点密度值。算法利用样本点的近邻信息重新度量点的密度值,提高聚类中心点位置稳定性;利用一元线性回归与残差分析,快速、自动地选出聚类中心点,去除了人为选择的主观性。通过理论分析以及在人工数据集和真实数据集的对比实验表明,提出的基于线性回归分析的快速搜索聚类中心算法能够克服原有算法的缺陷,并且在聚类效果和计算时间上优于原有算法、基于密度的带有噪声的空间聚类算法(density based spatial clustering of applications with noise, DBSCAN)以及K-means算法。     

信息不完全确定的群体多准则语言聚类方法

针对决策者权重和准则权重信息不完全确定,且评价信息为语言值的多准则聚类问题,提出了一种新的求解方法。首先通过证据推理算法,将方案集的群体多准则语言评价信息转化为方案集模式样本,该模式样本是决策者权重和准则权重的不确定信息的非线性函数,然后根据K-均值方法,利用惯性粒子群算子对模式样本集进行聚类,得到最优聚类中心和方案集的最优聚类。最后实例说明该方法的可行性和有效性。     

一种基于小生境遗传算法的星座识别方法

提出了一种新的PSK/QAM星座识别方法,将星座聚类问题转化为星座二维密度函数的数值优化问题,采用小生境遗传算法对该多峰值函数数值矩阵进行有效搜索,获取星座中心,最后结合聚类有效性评价和星座模板匹配,实现了信号星座类型的识别。与基于模糊C-均值的星座聚类方法相比,新方法与初始聚类中心和样本输入次序无关,缩减了星座识别过程中对聚类结果的评价,减小了运算量。     

钢铁企业合作创新项目选择的模糊聚类分析

在合作创新过程中,针对区间数的评价信息,提出一种基于遗传算法的模糊聚类方法.考虑方案各准则的权重、准则值为区间数,同时要求对聚类中心各准则值有严格序关系.然后结合隶属度变量构建优化模型,利用具有动态惩罚函数的遗传算法求解,计算得到各方案的所属类别.实例证明了该方法的有效性和可靠性.     

一种基于最大信息系数预处理的k-modes聚类方法

为解决现有k-modes聚类方法因忽略了变量属性之间的弱相关性,常造成其在实际应用中聚类性能不佳的问题,提出一种包含属性弱相关性的新k-modes聚类方法。引入最大信息系数（maximum information coefficient, MIC)度量数据集中变量属性之间的相关性;将得到的MIC值与原有距离进行融合,建立包含属性弱相关性信息的新度量方法,以增强变量属性间相关信息的完备性,建立更加精细的k-modes聚类方法;调用3种不同的数据集,将新方法与原有的k-modes聚类方法和其他改进k-modes聚类方法的性能进行对比,并通过仿真结果表明了新方法的有效性。     

考虑物流配送路网结构及配送量约束的客户聚类算法

物流配送客户聚类问题是物流配送研究领域的基本问题,实际问题要求考虑客户分布的地理特性、客户配送量(即需求量)及配送车辆负载量等因素.针对配送中心未知的客户聚类问题,提出了一种考虑配送路网结构和配送量约束的聚类算法.利用所提出的"最短主干道距离",克服传统欧式距离不考虑配送道路信息的缺陷,在此基础上,利用约束聚类思想对传统k中心划分聚类算法CLARANS进行改进,使其在考虑地理信息的同时,能满足客户配送量和车辆负载量约束.最后对提出的算法进行了数值实验.     

基于期权理论的多元相机决策权利定价模型

期权理论可以很好地对投资和筹资中的相机决策权利进行定价，格型法则是研究复杂期权定价问题最常用的数值方法之一，文章在期权理论的基础上，根据风险中性原则，通过确定合理的涨跌幅度和涨跌概率，建立了评价多元相机决策权利价格的多维格型模型，并保证了模型的一致性和稳定性。最后，通过数值评价验证了模型的计算有效性。     

中国金属期货与现货市场多元交互关系的多重分形分析

本文主要运用分形分析法研究我国金属期货与现货市场之间多元交互关系的复杂性特征.首先将广泛使用的多重分形去趋势交互相关分析法(MF-DCCA)推广至多元情形,提出了多元多重分形去趋势交互相关分析法(MV-MFDCCA).然后,利用MV-MFDCCA等多重分形分析法,从系统论的视角,实证研究由我国铜、铝、锌三种基本金属的期货与现货日收益率序列所构成的两个系统之间的多元交互相关关系.结果表明,金属期货与现货系统内部及系统之间均存在长程幂律交互相关关系和多重分形特征,并且现货系统及其分量的自相关和交互相关关系的多重分形强度均大于期货系统及其对应分量的多重分形强度.此外,在大波动情形下,期货系统与现货系统之间的交互关系主要受铜的期货与现货之间关系的影响,而在小波动情形下,主要受锌的期货与现货之间关系的影响.     

从哪里寻找系统的有序之源

耗散结构理论从热力学系统内部大量粒子混乱运动的状态变化中寻找系统的有序之源,把由系统内部大量粒子的有规则运动而形成的结构图形解释为自组织。作者认为,这一理论从研究对象到方法都有问题,其结论与现实的演化的物质世界不符。为此,主张从粒子相互转化的角度来探讨自组织问题,从粒子之间相互转化的连续性过程来探索有序之源。对无序和有序概念的内涵作了新规定,认为生物的、社会的自组织是一种由无数的、多层次的WN反馈环组成的网络结构,是由WN反馈机制形成的持续不断的粒子之间相互转化的循环过程,即是持续不断的物质和能量转化的循环过程,而不应该是指贝纳德花纹或激光一类的东西。     

THE GOODNESS-OF-FIT TEST BY USING MULTIVARIATE RANDOM WEIGHTING METHOD

ＴＨＥＧＯＯＤＮＥＳＳ－ＯＦ－ＦＩＴＴＥＳＴＢＹＵＳＩＮＧＭＵＬＴＩＶＡＲＩＡＴＥＲＡＮＤＯＭＷＥＩＧＨＴＩＮＧ　ＭＥＴＨＯＤＴＨＥＧＯＯＤＮＥＳＳ－ＯＦ－ＦＩＴＴＥＳＴＢＹＵＳＩＮＧＭＵＬＴＩＶＡＲＩＡＴＥＲＡＮＤＯＭＷＥＩＧＨＴＩＮＧＭＥＴＨＯＤ...     

自相关过程协方差阵的残差MEWMA控制图

本文研究多变量自相关过程协方差矩阵的质量监控问题.针对服从VAR(1)模型的多变量自相关过程,基于残差分析思想,将多变量指数加权移动平均(MEWMA)控制图用于对过程的监控.首先对残差MEWMA控制图统计量进行了推导,其次采用MonteCarlo仿真的方法,以平均运行链长为评价准则对残差MEWMA控制图的监控效果进行了分析.仿真结果表明,残差MEWMA控制图具有较好的监控效果.     

基于SVM和PSO算法的飞机部件DMC预计方法

控制维修成本是飞机研制中的一项重要任务,而部件直接维修成本(DMC)的预计是控制过程中的关键步骤。鉴于现有的预计方法精度不高、波动性大或可操作性不强,引入了支持向量机(SVM)理论对不同单一模型进行非线性组合,并改进了粒子群优化(PSO)算法用于同时求解离散变量和连续变量,达到了模型选择和SVM参数的联合优化。实验证明,该预计方法算法简单、速度快,并且比以往的方法在精度和稳定性上都有显著提高。     

模糊连续变增益H∞控制器及其在生化过程中的应用

针对连续搅拌反应釜系统(CSTR)和生物反应等连续系统,采用梯度线性化,设计一种连续变增益控制器,主要思想是先利用梯度线性化方法得到非线性系统的一系列局部线性化模型,结合H_∞理论和极点配置得到变增益矩阵,通过拟合得到连续变增益H_∞控制器,再引入模糊隶属度函数,使控制器兼顾快速特性和良好的阻尼特性,保证系统始终具有较好的动态性能。仿真结果说明了此控制器设计方法的有效性。     

基于粗集2未确知测度模型的企业技术创新能力评价研究

应用粗集理论对影响企业技术创新能力的指标进行约简后,提取影响企业创新能力的主要指标,然后应用未确知测度模型进行综合评价.最后,用某市企业的具体实例,得出该城市企业技术创新能力的整体水平,以证明方法的有效性.     

山西省农业结构灰色系统回归预测研究

采用灰色聚类分析的方法研究山西省农业内部结构,明确影响山西省农业结构的主要因素。基于灰色聚类分析的结果,建立了山西省农业总产值的灰色系统回归预测模型,旨在为山西省农业结构战略性调整和农业总产值精确预测提供更为科学的依据。图1,表3,参8。     

遗传算法在决策表连续属性离散化中的应用研究

连续属性的离散化是压缩数据和简化分析的重要手段 ,也是模式识别、机器学习和粗集分析等领域研究的难点 .目前已出现多种离散方法 ,存在的主要问题是对离散效果影响较大的侯选分割点集选择带有较强的主观性 .最优离散化是 NP-困难问题 ,大多数离散化算法采用的启发式也难以得到较满意的离散效果 .基于粗集理论 ,探讨了上述问题 ,把分割点的优选问题转化为 0 -1整数规划 ,并提出一种用实数编码的遗传算法来计算最优分割点集.