模糊聚类分析方法在学生成绩评价中的应用

模糊聚类分析是一种应用广泛的模糊数学方法，可广泛应用于各个领域。在模糊集合理论基础上，研究了模糊聚类分析的方法及在学生成绩评价中应用。选取我校7个学院02级学生基础课成绩作为统计指标，利用最大最小法建立相似矩阵，用闭包法作出聚类分析，并作了详细分析。结果表明模糊聚类分析法对学生评价科学合理，符合实际，对掌握学生学习情况有很大帮助。     

一种基于加权模糊优先相似法的聚类分析方法

介绍了加权模糊优先相似法的基本算法，并且利用该方法解决了一类特殊的模糊聚类问题。为实际应用中处理聚类分析问题提供了一种新方法。     

植物群落的模糊聚类分析研究

本文采用的植被资料是滇东北亚高山草场10个样地记录96种的牛毛草群丛(Achnatheretum Chingii)。这一研究表明用模糊聚类分析的两个群落类型分别与用传统的法瑞地植被学派方法划分的两个亚群丛相一致。以模糊聚类分析、聚类分析和极点排序法分类这一植物资料时,模糊聚类分析的结果比聚类分析准确。同时,使用C.M.Technologies计算机,模糊聚类分析的运算时间只需5分钟,聚类分析约6分钟,极点排序法7分钟。因此,模糊聚类分析应用于植物群落的分类是可行的。     

语音识别中基于模糊聚类分析的参数聚类

为减少语音识别中声学模型的参数量，提高参数训练的鲁棒性，基于声学决策树结构，提出利用模糊聚类分析方法对模型参数聚类，包括高斯聚类和方差共享．对大词汇量汉语连续语音识别的实验结果表明：高斯模糊聚类使高斯数减少25％时，识别率提高了0．15％．进一步做模糊方差共享，当方差减少到初始模型的24％，与同样参数量的未进行聚类的模型相比，误识率下降了3．01％，证明了模糊聚类分析在语音参数聚类中的有效性．     

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。     

模糊k-prototypes聚类算法的一种改进算法

模糊k-prototypes算法是当前聚类分析中最有效算法之一．简述了模糊k-prototypes算法的发展进程和主要性质；并在此基础上．指出它在处理数值型和分类型混合数据时的不足，进而提出一种改进算法；最后，将算法应用到英语借词之中，给出计算结果．结果表明，改进算法具有较好的稳定性和较高的精确度．     

对模糊关系进行聚类分析的矩阵划行法

给出了对模糊相似关系进行聚类分析的一种新方法－矩阵划行法。     

基于内容的自适应量化数字音频盲水印算法

现有量化调制音频水印技术普遍采纳了均匀量化策略，其不仅需要结合大量实验确定量化步长。而且难以保证不可感知性与鲁棒性的良好平衡．以模糊聚类分析理论为基础．提出了一种自适应量化小波域数字音频盲水印算法．该算法能够结合数字音频局部特征．利用模糊聚类分析自适应确定量化步长，并在小波域内将水印信号嵌入到音频数据段的低频分量中．仿真实验表明，所提出的算法不仅具有较好的不可感知性．而且对于叠加噪声、重新采样、重新量化、低通滤波、MP3压缩等音频处理与攻击均具有较好的鲁棒性．     

教材质量模糊综合评判法

本评判法是根据教育评价原则，以理工科教材为例，建立衡量教材质量的指标体系．并对指标体系中各指标的等最特征进行描述．运用秩和定权法对各指标的重要程度确定其权重系数．然后．依据各项指标等最．运用模糊数学原理对教材质量进行模糊案合评判，得出评判结果。     

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．     

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．     

一种基于自适应模糊聚类的高效图像索引方法

通过对模糊C均值聚类算法进行分析评价,提出了一种高效的自适应图像数据聚类方法,该方法采用曲线的多项式拟合技术自动获取随数据分布动态变化的阈值,改进后的算法克服了模糊C-均值聚类对聚类中心的敏感性以及聚类的局部性,并在此基础上建立了相应的索引机制.仿真实验表明,自适应模糊聚类索引大大提高了检索性能.     

基于改进神经网络的模糊聚类算法

文章提出了一种新的聚类方法NFC,首先用模糊逻辑神经元网络的聚类算法和Cauchy训练的模拟退火算法相结合的局部算法得到初始聚类中心,然后用FCM算法进行模糊聚类;实验证明,NFC算法在一定程度上解决了FCM局部极值问题且有效性非常高。     

无监督多尺度模糊聚类算法研究

针对模糊c均值聚类算法的一些不足之处提出了一种新的均值漂移聚类算法--无监督多尺度聚类算法.该算法不受初始化的影响,不用假定数据的聚类个数以及聚类中心的初始位置,能够利用模糊聚类的方法来获得硬的聚类划分,能够从不同的"划分尺度"揭示数据的聚类结构,并能自动的确定聚类个数.为了满足处理大数据集的需要,设计了快速无监督多尺度模糊聚类算法.通过实验证明无监督多尺度聚类算法在多数数据集上都表现良好且具有最好的总体聚类性能,并能成功揭示出数据的聚类结构.实验还证明快速无监督多尺度模糊聚类算法具有较快的速度和较高的识别精度且适用于大数据集.2个算法都取得了令人满意的实验结果.     

基于灰狼优化聚类算法的读者行为分析

通过分析国内外读者行为分析算法的优缺点,提出了一种基于灰狼优化聚类算法的读者行为分析算法.首先,通过灰狼优化算法自动寻优找到模糊C均值聚类算法的最佳初始聚类中心点,再对该初始聚类中心点进行迭代计算,得到最终聚类结果.读者借阅行为数据实验分析结果验证了灰狼优化聚类算法要优于普通的聚类算法.     

基于模糊关联规则的高考数据分析

在对普通高考数据进行简要的分析之后,把模糊聚类与经典关联规则算法结合起来,提出了一种改进的关联规则算法并应用于普通高考数据分析中.实验取得了较好的结果,表明本方法是可行的     

复杂过程分析的模糊聚类分类器设计及其性能

本文采用模式识别方法推断烧结矿质量。在给出模糊系统聚类分析法基础上，用软件实现了基于模糊聚类分类器和动态聚类分类器，并用现场实测的样本采用“留一法”分别对这两种分类器性能进行检验。结果表明：模糊聚类分析法对于先验知识较少，样本量不大时，性能较佳。     

基于直觉模糊熵的直觉模糊聚类

Atanassov直觉模糊集合是对Zadeh模糊集合最有影响的一种扩充和发展,将模糊聚类扩展为直觉模糊聚类,具有重要的应用价值。在研究将模糊聚类扩展为直觉模糊聚类时,提出了一种基于熵最大的直觉模糊聚类,并推导了迭代求解的算法。典型实验表明,直觉模糊聚类的性能优于模糊聚类,提高了聚类的正确率。     

一种基于超级链接结构的WWW模糊聚类算法

搜索引擎是目前最主要的WWW信息检索的工具 ,然而 ,用户对当前搜索引擎的检索效果并不满意。论文给出了基于文档文本内容和文档间超链信息的混合相似度计算方法,并给出了基于混合相似度的模糊(软 )聚类算法HTSC。对HTSC算法进行了理论分析 ,并对其中的核心算法进行了初步的实验验证。该算法可对搜索引擎返回的结果进行模糊聚类 ,以方便用户从中找到真正需要的信息。     

基于粒子群聚类算法的大坝安全监控模型

将粒子群算法与模糊聚类算法相结合,建立了基于粒子群聚类算法的大坝安全监控模型.该算法将分类矩阵作为粒子的编码形式,依据粒子的个体极值和全局极值,充分利用正反馈计算信息,自适应性地确定模糊分类矩阵和聚类中心.工程算例表明:粒子群聚类算法进一步提高了聚类算法的区间预报能力;对于高维优化问题,粒子的搜索过程比较复杂,该算法的收敛速度较慢.