一种基于模糊聚类的可解释性建模方法

提出一种基于模糊聚类的可解释性建模方法.利用提出的一种含有熵的聚类有效性函数来评价模糊聚类方法的有效性和可解释性,从而确定模糊规则数和模型前提参数,然后利用最小二乘法来辨识模型的结论参数,最后采用梯度下降法来调整模型的参数.该方法应用于Box-Jenkins 数据仿真实例,仿真结果表明该方法不但能保证系统的精确性,还具有很高的可解释性.     

基于依赖性分析的UML类图粗粒度切片方法

引入程序切片的思想对UML的重要组成部分——类图进行切片分析.通过定义类间的各种依赖关系构造UML类依赖图,在此基础上提出了一种UML类图的静态粗粒度切片方法,最后运用实例讨论了该切片方法的实用性.利用文中提供的方法具有较高的效率.     

基于改进K均值聚类的银行客户分类算法

为了提高银行客户分类的正确率,使银行的收益最大化,提出一种基于改进K均值聚类的银行客户分类算法.算法定义了类间最大相似度均值(AMS),并根据该定义确定最佳聚类数.当计算出的当下AMS值比前一次的AMS值小时,根据距离原则选择初始聚类中心;当计算出的当下AMS值比前一次的AMS值大时,把该最小AMS值相匹配的聚类中心看作初始聚类中心.利用最佳聚类数和初始聚类中心实现银行客户的细分.仿真结果表明,提出的算法能够跳出局部最优,并提高客户分类的正确率.     

一种发现社团结构的快速凝聚聚类算法

为了快速探测复杂网络中的社团结构,提出了基于网络节点耦合度的凝聚聚类算法.首先利用一种优化的聚类中心算法确定初始聚类中心节点,然后根据节点间耦合程度和节点度分别对各社团的节点进行分类和不断调整聚类中心,直至聚类算法结束.实验结果表明,该算法能够快速准确的划分复杂网络中的各社团.     

基于分布式聚类的作物生长环境异常检测方法

为了处理大量分布式存储的农业环境数据,提高农业生产效率,对高斯混合模型聚类算法进行了改进,提出了一种基于分布式聚类的农业环境数据异常检测方法.在Spark分布式计算框架下,首先对数据进行粗聚类,得到初始化模型;然后利用Spark迭代更新模型直至稳定,其中Map阶段将样本点分配到模型,Reduce阶段更新模型个数及参数;最后利用聚类结果,实现环境异常值的检测.实验结果表明该方法可行有效.     

基于数据挖掘与机器学习的蛋白质疏水性分析的研究

蛋白质的疏水性对蛋白质的稳定性、构象和蛋白质功能具有重要意义,通过数据挖掘中的机器学习算法实现了将一个数据集中已知疏水性的多个蛋白质样本数据,分配给具有特征值的各个目标类.将这些已知其特定类归属的数据作为KNN,LR,决策树,SVM四类分类器的训练集,利用这些已知数据训练后的分类器来处理未知疏水性的蛋白质数据,最终判断该数据的分类.该算法对蛋白质疏水性的预测,其准确率可达90%以上.     

一类广义对称群的共轭类

该文首先推广Solomon引入的容许集的概念,然后利用容许集定义一类广义对称群ψ(l,m),该群是对称群S1与对称群Sm的织积.该文的目的是研究群ψ(l.m)的共轭类,计算共轭类的个数以及每个共轭类的阶.此外,还定义广义交错群 (l,m),并确定广义对称群ψ(l,m)的 (l,m)-共轭类.     

基于云计算平台Hadoop的HKM聚类算法设计研究

为有效解决传统K-means聚类算法在处理大规模数据集时面临的扩展性问题,提出了一种Hadoop K-means聚类算法.该算法首先根据样本密度剔除数据集中孤立点或者噪声点的影响,再利用最大化最小距离思想选取K个初始中心,使初始聚簇中心点最优化,最后用Hadoop云计算平台的Map Reduce编程模型实现算法的并行化.实验结果表明,该算法不仅在聚类结果上具有较高的准确率和稳定性,而且能够很好地解决传统聚类算法在处理大规模数据时所面临的扩展性问题.     

基于遗传算法的可变加权FCM聚类方法改进研究

模糊C均值聚类(FCM)应用广泛,但是它容易陷入局部最优,且对初始值很敏感.利用遗传算法对模糊聚类中聚类中心的个数和聚类中心的选取进行了确定,然后在FCM法中引入指标权重,并给出迭代公式和相应算法.实验结果表明,该方法可以在一定程度上避免FCM算法对初始值敏感和容易陷入局部最优解的缺陷,使聚类更合理,效果很好.     

具有HollingⅣ类功能反应变系数多种群捕食者-食饵系统的持久性

研究了一类具有Holling Ⅳ类功能反应的变系数多种群捕食者-食饵系统的持久性生存.利用比较定理,得到种群一致持久生存的充分条件.该结果改进了已有结论.     

直觉模糊集的新相似性测度

相似性测度是度量两个直觉模糊集相似程度的重要方法.文章给出一个新的直觉模糊集相似性测度,讨论该相似性测度的一些性质及得到利用该相似测度对直觉模糊集进行聚类的一般步骤,最后通过实例验证了该方法的有效性。     

密度相关的数据流偏倚抽样

利用数据空间动态网格划分的方法,对数据流空间的数据分布密度情况进行模拟,并在此基础上提出了一种基于密度的偏倚抽样方法.为验证该抽样方法的有效性,将其应用到数据流中的聚类挖掘,实验结果表明该算法具有良好的适用性和有效性.     

基于中间值的最大间距准则特征提取方法

针对最大间距准则算法中训练样本类内平均值并不能对类内中心做精确估计的问题,提出一种基于中间值的最大间距准则特征提取方法.首先应用样本中间值代替样本的平均值来重新定义类间散度矩阵和类内散度矩阵,然后根据最大间距准则思想得到最优投影矩阵,最后利用三阶近邻分类器进行分类识别.在ORL、Yale和FERET人脸图像库上的仿真实验结果表明,该方法不仅提高了人脸识别率,而且具有较强的鲁棒性.     

食饵种群具有存放率的第Ⅲ类功能性反应模型的定性分析

研究了密度制约的捕食与被捕食系统中被捕食者(食饵种群)具有常数存放率的第Ⅲ类功能性反应模型,首先讨论了该系统存在正平衡点的条件及正平衡点的性质,然后利用构造Dulac函数法给出了该系统极限环不存在的条件,最后利用Hopf分支理论及张芷芬唯一性定理给出了该系统极限环存在及唯一的条件.     

食饵种群具有存放率的第III类功能性反应模型的定性分析

研究了密度制约的捕食与被捕食系统中被捕食者(食饵种群)具有常数存放率的第III类功能性反应模型,首先讨论了该系统存在正平衡点的条件及正平衡点的性质,然后利用构造Dulac函数法给出了该系统极限环不存在的条件,最后利用Hopf分支理论及张芷芬唯一性定理给出了该系统极限环存在及唯一的条件.     

具有两类形状参数的代数三角混合样条曲线的构造和调配

带形状参数的样条曲线曲面是外形设计的重要方法,形状参数不是全局性的就是局部的,大多数仅考虑参数连续性.为了更好地修改和调配曲线曲面,构造了满足几何连续的带两类形状参数的代数三角样条曲线,简称为ATB-spline.这种曲线不仅具有普通三角多项式函数的性质,还具有全局和局部的可调性.两类形状参数在给定的范围内取值时,带两类形状参数的ATB-spline曲线满足一阶的几何连续;当两个相邻曲线中的形状参数取特殊值时,带两类形状参数的ATB-spline曲线满足不同性质的连续.利用曲线的性质构造了旋转面,讨论了两类形状参数对旋转面外形的调配并给出了实例.该曲线还可精确表示椭圆曲线.上述结果表明该方法构造的曲线是有效而实用的,并具有交互性.     

基于聚类融合的不平衡数据分类方法

列举了有关基于聚类融合的不平衡数据分类的办法,可以解决少数类的识别率很低,利用传统分类手段予以解决.利用此种方法能够发现,引入少数类边界区域与在多数类核心当中的样本聚类一致性系数,并且分别对欠抽样方法对少数类与多数类的训练集.     

关于Diophantine方程χ3±1＝3Dy2

利用数论中同余及其它一些方法研究丢番图方程(其中:,,均为奇素数,或,,,是正整数)的解的情况.证明了该丢番图方程无正整数解.推进了该类三次丢番图方程的研究.     

聚类分析用于序列SAR干涉像对选取

该文分析了干涉像对选取过程,提出一种利用聚类分析进行序列SAR干涉像对选取的方法. 选择合适的去相干因素构建特征空间,将序列SAR影像所有干涉组合的去相干因素映射到该特征空间,从而将干涉像对选取问题转换为特征空间的聚类分析. 根据干涉像对选取原则设计合适的聚类方法对去相干因素进行聚类,聚类结果对应于符合要求的干涉像对,实现序列SAR干涉像对的选取. 实验结果表明该方法简单有效.     

基于色度直方图的颜色聚类算法

提取目标背景的主色是迷彩设计中的重要步骤,通常采用的颜色聚类算法具有监督性的缺陷. 为此,提出一种基于色度直方图的、无监督的颜色聚类算法. 该算法采用CIE 1931色度系统建立色度直方图,根据像素点在该坐标系的分布规律自动生成聚类中心. 逐一计算像素点与各聚类中心的色度的欧氏距离,将像素点与最近的聚类中心归于一类. 实验结果表明,采用该聚类算法能够准确提取主色,自动分割彩色图像,且比普通聚类算法的时间效率更优.