模糊聚类分析的一个改进算法及其应用

对传统模糊聚类分析方法进行研究,指出其不足之处,给出一个改进的模糊聚类分析算法,即对传递闭包进行逐行逐列改造,得到较优模糊等价矩阵,用它进行聚类比直接用传递闭包进行聚类更为合理,同时应用该方法对大学生综合素质进行评定.     

模糊聚类与信息熵综合评价法在防空C3I系统中的应用

建立了防空C3I系统总体效能评估指标体系,将模糊聚类和信息熵综合到评判过程中,在充分分析已有算法的基础上,给出了对其系统效能进行评估的基于模糊聚类和信息熵的综合评价方法,并通过算例验证了方法的正确性和实用性。     

一种基于空间邻接关系的聚类算法及实现

空间聚类分析是空间数据挖掘的一种方法,空间聚类分析能从空间数据库中直接发现一些有用的聚类结构。在此引入了一种基于邻接关系的空间聚类算法,该算法可以实现对空间复杂地理对象的聚类分析。在具体的模拟试验中,利用该算法可以将相邻的并且符合选取条件的空间目标聚类成一类。     

网页文献的快速模糊聚类

基于对文献聚类的3种方法(c-means法、模糊c-means法和学习向量量化法)的统计和分析,借鉴了模糊聚类思想,尤其是用协方差矩阵来描述聚类的形状和大小,并将其应用于学习向量量化算法中。针对新的参考向量开发了模糊竞争学习模式,并用该算法成功地解决了文献聚类的难题。实验结果表明:学习向量量化算法能有效地解决文献的聚类问题,运行时间短;该算法与模糊聚类算法相比更健壮;该算法使在线文献聚类分析成为可能。     

大气环境质量评定的灰色聚类模式

利用灰色系统理论中灰色聚类分析的方法,对大气环境质量的评定进行了研究。并与模糊综合评判、模糊识别的分析结论进行了对比。表明大气环境质量的灰色聚类分配模式具有模型简单,概念清楚,计算量小,结果可靠的特点,可以用于环境质量评价的实际工作中。     

分层结构故障诊断中具有容错特性的聚类算法

分层结构方法是目前在复杂系统故障诊断中常用的方法．但由于电路系统中元器件的容错性问题,如直接采用一般的聚类方法,效果并不理想．因此,在构造加性模糊聚类模型的基础上,提出了一种适合电路容错特性的模糊聚类模型匹配算法．将各故障在特征空间中的容错区间作为集合,用Ｈａｕｓｄｏｒｆ距离测定集合间的相似程度来决定类别．文中用一个实用电路作为例子,采用本算法对故障集进行了聚类分析,并与模糊Ｃ－划分法进行了对比分析．结果表明,该算法是有效的．     

一种柴油机燃油系统故障诊断的新方法

提出一种基于小波变换和模糊C-均值聚类分析的柴油机燃油系统故障诊断方法.对测得的柴油机高压油管压力波形进行小波变换,提取了反映故障状态的5个特征参数.给出了模糊C-均值聚类算法的原理及一般步骤,指出用划分系数、划分熵和分离系数可以评价模糊聚类的有效性.利用模糊C-均值聚类算法建立标准故障特征模式,通过待识样本与标准模式的贴近度计算和比较,可以完成故障模式的模式识别.该方法应用于柴油机燃油系统的典型故障诊断中,测试表明采用小波分析和模糊C-均值聚类分析后,提高了判别故障的准确性.     

用模糊相似关系方法对岩石进行聚类分析

近年来,模糊数学的发展已经进入岩石力学领域,用模糊浆类分析方法对岩石进行分类是其具体应用的一个方面。模糊聚类分析方法可以分为两种:非系统聚类法和系统聚类法。本文介绍了应用系统聚类法对岩石进行聚类分析的一个实例。     

分层结构故障诊断中适合电路容错性的模糊聚类模型匹配算法

分层结构方法是目前在复杂系统故障诊断中常用的方法．但由于电路系统中元器件的容错性问题,如直接采用一般的聚类方法,效果并不理想．因此,在构造加性模糊聚类模型的基础上,提出了一种适合电路容错特性的模糊聚类模型匹配算法．将各故障在特征空间中的容错区间作为集合,用Ｈａｕｓｄｏｒｆ距离测定集合间的相似程度来决定类别．用一个实用电路作为例子,采用本算法对故障集进行了聚类分析,并与模糊Ｃ－划分法进行了对比分析．结果表明,该算法是有效的     

模糊聚类分析系统的研究与实现

本文提出了一个在关系数据库中实现模糊聚类的模型系统，阐述了该系统实现聚类的方法和过程，对于如何减少噪声数据的干扰、提高聚类分析的有效性和增强算法的鲁棒性等方面，进行了研究和探索。     

基于模糊聚类规则的网络性能分析方法

利用模糊聚类方法对网络性能进行分析,解决了网络性能分析数据自动聚类分析问题.重点探讨了网络性能分析数据的数据模型的建立和聚类过程,以及根据隶属度函数确立了数据对象的隶属关系,并给出了一个具体的模糊聚类算法.     

模糊聚类分析的传递方法

针对常规模糊聚类分析在履行模糊相似关系时存在的复杂矩阵害虫乘运算问题,提出了模糊聚类递算法,通过设置主水平λ,直接从模糊相似关系获得聚类结果,并证明该方法与传递闭包法等价,但时间复杂度和空间复杂度都要远远小于传递闭法。     

模糊c均值聚类在交通流高峰期确定中的应用

交通流高峰期是交通规划、交通控制中一个非常重要的概念．目前高峰期一般是凭经验人为确定的．文章利用模糊c均值聚类方法对交通流高峰期的确定问题进行研究．首先对模糊c均值聚类算法进行简要介绍，然后利用该算法对某城间高速公路交通流数据进行聚类分析，分别确定了该高速公路正、反向交通流的高峰期．结果表明，该算法聚类结果与经验交通流高峰期基本一致．     

改进的粗糙集模糊聚类算法及其应用

通过将粗糙集和模糊聚类算法相结合, 利用粗糙集中上近似集和下近似集的概念改进模糊聚类算法, 解决了模糊聚类边界不确定的问题, 得到了上近似集和下近似集的聚类结果, 从而实现更好的聚类, 改进算法可以处理边界问题和复杂数据问题. 将改进的粗糙集模糊聚类算法用于研究环糊精聚类, 并将聚类结果与K均值聚类分析算法、 模糊C均值聚类算法相比, 实验结果表明, 改进算法有较好的聚类效果.     

基于土地规划的空间聚类算法

为了实现对空间复杂地理对象的聚类分析,引入了一种空间聚类算法,并将其应用于土地规划中.在具体的模拟试验中,利用该算法将相邻的并且符合选取条件的空间目标聚成一类,实现了能够发现任意形状并满足特定约束条件的聚类.     

复杂系统故障诊断中的模糊聚类方法

为了提高复杂系统故障的诊断能力,采用模糊Ｃ－均值聚类算法对原始采样数据进行聚类,并通过模糊传递闭包法和绝对值指数法得到模糊Ｃ－均值法的初始迭代矩阵．用划分系数、划分熵和分离系数来评价聚类的结果是否最佳．采用模糊聚类方法可避免研究复杂系统的内部特性,比仅依据其外部输出的数据进行故障诊断方法简便．通过某飞行器测试系统的应用,表明采用模糊聚类方法后,提高了判别故障的准确率．     

基于在线密度聚类的潜艇悬停自适应模糊建模

针对潜艇悬停过程这一时变、强耦合和不确定性的复杂非线性多输入多输出(MIMO)被控对象,提出了一种基于密度定义的聚类方法提取样本数据模糊规则、建立实常数值后件模糊模型的模糊自适应建模方法.通过密度聚类在线提取样本数据输入输出变量间的内在规则,确定被控对象合理的模糊模型结构;用前馈模糊神经网络结构表示模糊系统规则后件,并采用一阶梯度算法对实常数后件参数进行在线辨识.对潜艇悬停控制过程进行的仿真实验证明了该方法的有效性.     

教育测量中的模糊综合分析

本文利用模糊综合评判及模糊聚类分析方法,建立一个适用于以考试为手段的新的教育测量模式,给出教育质量一览表及群体划分聚类图。     

基于灰色聚类法的合肥市空气质量综合评价研究

基于灰色聚类方法提出一种城市空气质量的评价模型,利用该模型首先对数据的灰类限值进行标准化处理,然后确定白化函数,再结合白化函数和聚类叠加权重计算出聚类系数,最后按聚类对象的最大化原则归纳得出评价结果。用该模型评价合肥市2015年1月至2018年2月的日空气质量状况,与模糊综合评判法、空气质量指数(AQI)评价等级进行对比分析,结果表明:改进的灰色聚类模型克服了AQI评估中以最大污染指标代替总体水平的缺点,解决了评估层面边界信息丢失的问题和模糊综合评判法不确定的最大隶属函数问题,评估结果更符合实际情况。     

空间数据挖掘在基于GIS的交通诱导系统中的应用

介绍了基于GIS的交通诱导系统,并指出模糊地名匹配问题是其中一个急需解决的难题.针对这一问题,研究了空间数据挖掘方法中的聚类分析方法,建立了基于聚类分析方法的模糊地名匹配模型,并提出了基于CURE聚类方法的求解算法.最后以采用MapInfo 为平台的广州市电子地图为例,对文中提出的地名模糊匹配模型和算法进行了试验.结果表明该模型和算法是有效的,平均计算时间只有0.01s.