A Inherent Characterization of L-fuzzy Compactification

ＡＩｎｈｅｒｅｎｔＣｈａｒａｃｔｅｒｉｚａｔｉｏｎｏｆＬ－ｆｕｚｚｙＣｏｍｐａｃｔｉｆｉｃａｔｉｏｎ￥Ｍｅｎｇｐｅｉｙｕａｎ（ＸｉａｎｎｉｎｇＴｅａｃｈｅｒｓ＇Ｃｏｌｌｅｇｅ，Ｈｕｂｅｉ，Ｃｈｉｎａ）Ｚｈｏｕｗｕｎｅｎｇ（ＹｕｎｙａｎｇＴｅａｃｈｅｒ...     

Ｋ－Ｍｅａｎｓ 算法与数据挖掘在旅游电商平台设计中的应用

为了提升旅游电商服务水平 基于 Ｋ－ｍｅａｎｓ 聚类算法构建旅游电子商务平台 并采用随机梯度下降算法、自适应梯度优化算法和密度法对 Ｋ－ｍｅａｎｓ 聚类算法进行优化改进 结果表明:改进 Ｋ－ｍｅａｎｓ 聚类算法的系统响应速度相较于传统 Ｋ－ｍｅａｎｓ 聚类算法提升了 ３１.２％ 电商平台推荐流量转化率为 ２.９３％ 浏览行为中的推荐浏览率为 ２８.２１％ 购买行为中的推荐购买率为 １５.３７％ 优于 Ａｐｒｉｏｒｉ 算法和 Ｕｓｅｒ－ｂａｓｅｄ ＣＦ 算法 利用改进 Ｋ－ｍｅａｎｓ 聚类算法构建旅游电子商务平台 能为平台用户提供个性化的旅游产品推荐 有效提升旅游产品的购买成交量 对旅游电商平台竞争力提升具有一定的实用价值     

基于多阶段的模糊C-均值算法的模糊聚类分析研究

对模糊聚类分析算法进行研究,在模糊Ｃ－ 均值算法（ＦＣＭ）的基础上加以改进,将聚类过程分为二个阶段,形成多阶段模糊Ｃ－ 均值算法（ＭＦＣＭ）,使其对Ｉｒｉｓ数据聚类．研究表明：多阶段的模糊Ｃ－ 均值算法比模糊Ｃ－ 均值算法性能优越．     

NARMAX模型辨识的直交化最小二乘新算法

基于实际中常用的ＣＧＳ（ＣｌａｓｓｉｃａｌＧｒａｍ－Ｓｃｈｍｉｄｔ）、ＭＧＳ（ＭｏｄｉｆｉｅｄＧｒａｍ－Ｓｃｈｍｉｄｔ）、ＨＴ（ＨｏｕｓｅｈｏｌｄｅｒＴｒａｎｓｆｏｒｍａｔｉｏｎ）及Ｇｉｖｅｎｓ算法，给出了１类改进的直交化最小二乘新算法，分别称之为改进的ＣＧＳ、ＭＧＳ、ＭＨＴ及ＭＧＶ算法，改善了原算法的数值稳定性．将改进算法用于非线性ＮＡＲＭＡＸ模型辨识，构造出了１种新的模型结构与参数辨识的一体化算法．新算法基于逐步回归进行模型选项并消去模型中的冗余项，保证了最终模型的结构优化，并可给出比Ｂｉｌｉｎｇｓ等算法精度更高的参数估计．仿真结果证明了文章中算法的优越性     

系统（产品）可靠性参数MTBCF的预计

基于系统可靠度上下限逐次预计公式以及公式推导得到了ＭＴＢＣＦ（ｍｉｓｓｉｏｎ－ｔｉｍｅ－ｂｅｔｗｅｅｎ－ｃｒｉｔｉｃａｌ－ｆａｉｌｕｒｅ）的上下限逐次预计公式．应用本文公式可得出ＭＴＢＣＦ的逐次区间估计（置信水平γ＝１），并能最终得出其预计精确值     

MTT比色法在检测重组人GM—CSF生物活性中的应用

探索了ＭＴＴ比色法的一系列实验条件，并利用ＧＭ－ＣＳＦ依赖细胞株ＴＦ－１，测定了家蚕基因工程生产的重组人ＧＭ－ＣＳＦ（ｇｒａｎｕｌｏｃｙｔｅ－ｍａｃｒｏｐｈａｇｅｃｏｌｏｎｙ－ｓｔｉｍｕｌａｔｉｎｇｆａｃｔｏｒ）的生物活性，并与半固体培养集落刺激法进行了比较。     

非晶态合金的自旋波激发与结构涨落及超精细场分布

本文研究了非晶态（ａ）－Ｆｅ－ＴＭ－Ｓｉ－Ｂ（ＴＭ＝Ｃｏ，Ｓｉ，Ｍｏ，Ｎｂ）合金从１．５Ｋ到３００Ｋ的磁化强度及室温穆斯堡尔谱，得到了成里温度Ｔｃ、饱和磁化强度σｓ（０）、自旋波颈度常数Ｄ及平均超精细场等。结果表明，（ａ）对于Ｆｅ８３Ｓｉ５Ｂ１２，当Ｎｂ，Ｍｏ与Ｓｉ，Ｃｏ取代Ｆｅ后，Ｆｅ－（Ｎｂ，Ｍｏ）－Ｓｉ－Ｂ的磁性质不同于Ｆｅ－（Ｓｉ，Ｃｏ）－Ｓｉ－Ｂ；（ｂ）ａ－Ｆｅ－（Ｍｏ，Ｎｂ，Ｃｒ，Ｗ，     

cis-(QH)_2[M_0O_2(C_2O_4)_2](Ⅵ)的晶体和分子结构

草酸与钼（Ⅵ）反应可以生成多种络合物。根据文献［１］方法，我们制得无色透明块状的ｃｉｓ－（ＱＨ）２［ＭｏＯ２（Ｃ２Ｏ４）２］晶体（式中ＱＨ＋＝Ｃ９ＮＨ８＋）。该晶体属斜方晶系，空间群为Ｐｃｃ２；晶胞参数：ａ＝１２．４９７（４），ｂ＝１０．２６２（３），Ｃ＝１６．７５０（３）Ａ；Ｖ＝２１４８．０８Ａ；Ｍ＝５６４．３２；晶体密度：ｄｏｂｓ＝１．７３ｇｃｍ－３；晶胞分子数Ｚ＝４（ｄｃａｌｃ＝１．７４５ｇｃｍ－３）。晶体在ＣＡＤ－４ 四园衍射仪上用Ｍ０Ｋａ射线收集三维衍射点强度数据，通过三维Ｐａｔｔｅｒｓｏｎ函数和Ｆｏｕｒｉｅｒ函数合成方法，确定了ｃｉｓ－（ＱＨ）２［ＭｏＯ２）Ｃ２Ｏ４）２］的晶体和分子结构。最后，根据Ｉ＞２σ（Ｉ）的１３６３个独立衍射点的强度数据、用最小二乘法把结构精修到Ｒ＝０．０６０，Ｒｗ＝０．０５９。该晶体的阴离子由六个氧原子围绕着Ｍ０原子形成扭曲的八面体。分子具有Ｃ２对称性（ＱＨ）＋和［Ｍ０Ｏ２）Ｃ２Ｏ４）２］２－之间组成了Ｎ－Ｈ…Ｏ类的氢键。     

Windows环境下光伏水泵报价系统的实现

该文介绍了在Ｗｉｎｄｏｗｅ３．１环境下．利用ＭｉｃｒｏｓｏｆｔＣ（＋＋）及其基本类库（ＭＦＣ）开发光伏水泵报价系统的方法。该方法采用了面向对象技术，使软件具备可重用性。同时，ＭＦＣ类库的使用使复杂的Ｗｉｎ－ｄｏｗｓ应用程序的编程接口变得更容易。该方法对其它工程报价问题也具借鉴意义。     

天麻及四种伪品的生药学鉴定

对天麻ＧａｓｔｒｏｄｉａｅｌａｔａＬ．及其伪品柴茉莉花根ＭｉｒａｂｉｌｉｓｊａｌａｐａＬ．大理菊ＤａｌｉａｐｉｎｎａｔａＣａｖ．羽裂蟹甲草Ｃａｃａｌｉａｔａｎｇｕｔｉｃａ（Ｆｒａｎｃｈ．）Ｈａｎｄ－Ｍａｚ．马铃薯ＳｏｌａｎｎｕｍｔｕｂｅｒｏｓｕｍＬ．进行了生药学比较鉴别。     

FPCM算法在彩色图像分割中的方法研究

在改进模糊c均值聚类（MFCM）算法基础上提出模糊可能性c均值聚类（FPCM）算法的图像分割方法,并将FPCM算法应用在彩色图像分割过程中．FPCM算法是FCM聚类算法和MFCM算法的扩羼衍生．MFCM算法是通过调整FCM算法的测量距离来减少标签像素受到其他图像像素的影响和在切分中抑制噪声效果来进行约束,从而使得成员变量没有最大约束值．FPCM算法是在MFCM算法基础上进行模糊化,加入了可能性和隶属度两个度量标准．通过彩色图像实验充分表明了FPCM算法在图像分割中的实际效果．     

基于二阶段微粒群优化模糊C-均值算法的模糊聚类分析研究

针对常规动态聚类方法对初始聚类中心的敏感性和容易陷入局部最优的缺点等问题,提出了基于二阶段微粒群优化模糊C-均值算法(TPSOFCM),并将此算法与现有的模糊C-均值聚类算法和基于多阶段的模糊C-均值算法进行比较。该算法对Iris数据进行聚类,计算结果表明:该算法有较好的全局收敛性,不仅能有效地克服传统的模糊C-均值算法易陷入局部最优解的缺点,而且全局收敛能力优于模糊C-均值聚类算法和基于多阶段的模糊C-均值算法。     

基于改进的Fuzzy C-means聚类算法的纹理分割

提出了一种基于改进的Fuzzy c-means聚类算法的纹理分割方法．改进的Fuzzy c-mean聚类算法(MFCM)的目标函数不仅考虑了样本类内紧致性,而且还考虑了样本类间分离性,加快了MFCM算法的速度;纹理分割实验验证了MFCM算法的有效性。     

改进的FCM在人脑MR图像分割中的应用

为解决模糊C-均值聚类(FCM)算法在图像分割尤其是医学图像分割中存在的计算量大、运行时间过长的问题,提出了一种改进方法。利用收敛速度快的K均值聚类法得到的聚类中心作为FCM算法的初始聚类中心,减少FCM算法收敛所需的迭代次数;优化参与迭代运算的数据集,减少每次迭代过程的运算时间。该方法使FCM算法的运算速度提高了将近10倍,而且不会影响算法的分割效果。     

近似质心在区间二型模糊聚类中的应用

针对现有质心求解算法仍具有较高计算复杂度,导致区间二型模糊C均值聚类算法(Interval Type-2 Fuzzy C-Means, IT2FCM)运行速度不理想问题,提出了半数迭代法和一次迭代法两种近似质心求解算法。首先,在直接求解转换点问题质心求解算法(A Direct Approach for Determining the Switch Points in the Karnik–Mendel Algorithm, DA)的基础上,借助二分查找思想,构造出基于二分查找的质心求解算法;接着,以该算法为基础,通过限制查找范围,考虑两个转换点之间关系的性质和计算差值的技巧得到半数迭代法;最后,考虑只进行一次查找得到一次迭代法。在UCI上的5个数据集上(IRIS、SEEDS、WINE、WIFI＿LOCALIZATION和HTRU2)验证了两种算法的聚类性能并没有因为求解的是近似质心而降低;进一步在ANURAN CALLS数据集上构造了8组数据量递增数据用于验证基于不同质心求解算法的IT2FCM和基于提出的近似质心求解算法的IT2FCM运行速度,实验结果表明：基于近似质心求解算法的IT2...     

A KNN-based two-step fuzzy clustering weighted algorithm for WLAN indoor positioning

Although k-nearest neighbors (KNN) is a popular fingerprint match algorithm for its simplicity and accuracy,because it is sensitive to the circumstances,a fuzzy c-means (FCM) clustering algorithm is applied to improve it.Thus,a KNN-based two-step FCM weighted (KTFW) algorithm for indoor positioning in wireless local area networks (WLAN) is presented in this paper.In KTFW algorithm,k reference points (RPs) chosen by KNN are clustered through FCM based on received signal strength (RSS) and location coordinates.The right clusters are chosen according to rules,so three sets of RPs are formed including the set of k RPs chosen by KNN and are given different weights.RPs supposed to have better contribution to positioning accuracy are given larger weights to improve the positioning accuracy.Simulation results indicate that KTFW generally outperforms KNN and its complexity is greatly reduced through providing initial clustering centers for FCM.     

基于粒子群优化算法的模糊C-均值聚类

利用粒子群优化（PSO）算法全局寻优、 快速收敛的特点, 结合模糊C 均值（FCM）算法提出一种新的模糊聚类算法. 新算法用PSO算法代替了FCM算法的基于梯度下降的迭代过程, 使算法具有很强的全局搜索能力, 很大程度上避免了FCM算法易陷入局部极小的缺陷; 同时也降低了FCM算法对初始值的敏感度. 实验结果表明, 与FCM相比本文算法聚类更为准确, 效率更高.     

基于遗传算法的模糊c-均值聚类算法

基于误差平方和准则的模糊c-均值算法(FCM)是一种典型的动态聚类算法,其求解结果通常是局部最优解;当模糊集合之间的并、交、包含运算采用传统定义时,在模糊c-均值聚类结果中还会存在无意义的聚类集.研究表明采用遗传算法进行模糊c-均值聚类(Fuzzy c-means algorithm over genetic algorithm,GFCM)时,不仅能够消除无意义的聚类集,而且还在一定程度上避免模糊c-均值算法收敛到局部最优解,为此设计编码、选择、配对交叉、变异等步骤.测试数据实验表明采用GFCM算法的结果优于FCM算法.     

基于免疫粒子群优化的模糊C均值聚类算法

把免疫系统的免疫信息处理机制引入到粒子群优化（PSO）算法中，并与模糊C均值（FCM）算法相结合提出一种新的模糊聚类算法．新算法用免疫粒子群优化算法代替FCM算法的基于梯度下降的迭代过程，使算法具有较强的全局搜索能力，很大程度上避免了FCM算法易陷入局部极小的缺陷，同时也降低了FCM算法对初始值的敏感度．采用对当基思想初始化种群，获得更优的初始候选解，提高算法聚类过程中的收敛速度．以UCI机器学习数据库中的两组数据集为研究对象，实验结果表明，该算法优于基于PSO的模糊C均值聚类算法和FCM算法．