一类灰色区间聚类决策方法

以灰色决策分析理论为基础,探讨了经典灰色聚类决策方法的优势和不足.提出了基于理想方案的灰色区间聚类方法及其相关概念,建立了灰色区间关联系数公式和灰色区间相对关联系数公式.运用分析技巧,构建了灰色区间聚类决策算法.灰色区间关联系数公式是经典灰色关联系数公式的推广,而灰色区间聚类决策是经典灰色聚类决策方法的拓展.实例说明了所提出的灰色聚类决策方法的合理性及其算法的有效性.     

基于聚类中心分离的模糊聚类模型

在模糊C-均值聚类（FCM）目标函数的基础上按聚类中心分离原则增加一个聚类中心分离项来扩展FCM算法,提出基于聚类中心分离的模糊聚类模型(FCM_CCS)。该模型可使聚类过程中的聚类中心之间距离扩大,从而得到更好的聚类效果。由于该模型和FCM一样对噪声敏感我们提出它的可能性聚类模型(PCM_CCS),最后进一步扩展成它的可能性模糊聚类模型(PFCM_CCS)。基于聚类中心分离的可能性模糊聚类模型在处理噪声数据和克服一致性聚类问题方面表现出良好的性能。对数据集的测试实验结果表明了提出的PFCM_CCS能同时产生模糊隶属度和典型值,使聚类中心间距扩大,同时具有更好的聚类准确率。     

城市道路交通空气污染灰色聚类决策评价

应用灰色聚类决策理论进行城市道路交通空气污染的评价,将城市道路交通空气污染状况分为空气质量优、空气质量良、空气质量一般、空气质量差四个灰类,提出了建立评价矩阵的方法、综合决策权和灰类的白化权函数,应用本文的方法,对7条实际道路交通空气污染进行了评价分析,分为优、良、一般三类,同时又做了模糊聚类分析,在不同的聚类尺度条件下,分类结果相差较大,道路交通的空气污染状态不明确,对比分析证明,模糊聚类具有不确定性,灰色聚类决策理论应用于城市道路交通空气污染的评价是可行的,符合实际。     

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。     

一种改进的灰色聚类方法

作者对灰色聚类方法进行改进，提出了一种新的灰色聚类方法－－改进灰色聚类方法，给出了此方法进行聚类的步骤，并结合实例说明其应用及优点。     

一种基于数据关联的聚类集成方法

聚类集成是集成学习中的一个重要分支,其目标是解决无监督聚类分析中聚类算法的选择性、偏差性与数据特殊性等导致聚类结果不理想的问题。文章提出了一种基于数据关联的聚类集成方法(CEBDR),该算法先提取出在聚类成员中体现有关联关系的数据对象来组成新的类,然后对这些类进行二次聚类得到最终的集成结果。文中选用了一些标准数据集,采用CEBDR算法、已有的基聚类和聚类集成算法来进行对比实验,实验结果表明,该算法能够有效地提高聚类质量。     

灰色综合聚类方法的一种改进

在灰色聚类评估中,灰色综合聚类方法存在灰色聚类系数无显著性差异的评估问题,针对灰色综合聚类方法存在的问题进行了改进,提出了一种新的灰色综合聚类方法.并以一算例进行实证分析,证明了这种改进的方法更具有有效性.     

基于模糊贴近关系的模糊聚类及其有效性

讨论了模糊聚类的两个基本问题：聚类方法和有效性评价，作为通常模糊等价关系聚类方法的扩展，给出了一种用三角算子和模糊贴近关系进行模糊聚类的方法，同时以样本原始信息和聚类结果为基准，提出了一种度量聚类有效性的方法。最后的例子表明该方法是有效的。     

共原点灰色聚类法与等斜率灰色聚类法的比较

将等斜率灰色聚类法与共原点灰色聚类法应用于水环境评价,通过南渡江评价实例计算、比较讨论了两法在权重处理过程的异同,并认为共原点灰色聚类法比等斜率灰色聚类法更合理。     

基于直方图局部信息和Gath-Geva模糊聚类的彩色图像分割方法

针对Gath-Geva模糊聚类算法对初始给定的聚类中心等先验信息较敏感,提出了一种基于直方图局部信息的模糊Gath-Geva聚类新算法.实验结果表明,新算法在彩色图像分割方面,与传统模糊C-Means算法相比,具有较强的分割精度.     

基于模糊熵的聚类有效性分析

模糊熵描述了一个模糊集的模糊性程度.本文将模糊熵应用于聚类有效性的分析.指出用于聚类有效性判决的划分系数是一个基于模糊熵的聚类有效性判决准则.最后通过几组数据对不同模糊熵公式的判决功能进行了比较实验.     

灰色聚类法在已有建筑物可靠性鉴定中的应用

将灰色聚类法用于已有建筑物可靠性鉴定中．根据工程实践经验和结构可靠度理论，进行分析比较确定聚类指标、评定等级量化标准及聚类灰类．通过构造白化权函数进行灰色聚类分析．灰色聚类法，不仅能够相当正确地判别结构的可靠性等级，而且在灰色聚类系数矩阵中显示了各样本对于不同鉴定等级的隶属程度．     

基于灰色模糊聚类法的路网路面使用性能评价

以路网内各组成路段的路面性能评价指标灰色关联分析结果为基础,借鉴灰色关联分析在模糊聚类理论中的应用方法,建立了路网路面使用性能评价模型.确定了灰色相似关系矩阵,并利用最大树法,得到了基于不同水平的聚类结果形成的谱系图,较为合理地反映了路网路面基本性能和状况分布.     

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。     

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.     

基于蚁群聚类算法的文本模糊聚类方法

针对模糊C-均值本文提出将基于蚁群算法的模糊聚类算法应用于文本聚类中,聚类采用二级结构,蚁群算法(ACA)作为一级结构,模糊C-均值聚类FCM用于二级结构。将此算法对文本集合进行聚类实验,并用分离系数、分离熵来判断模糊划分的效果,实验结果表明,与FCM相比,该算法具有较好的聚类效果。     

基于模糊评判和聚类的信贷风险决策

提出一个基于模糊相似系数检测孤立点的聚类算法，能有效解决银行贷款信用风险模糊评价中个别专家因偏好而导致权重偏离的问题。