对犯罪网络的模糊层次聚类分析

将模糊处理技术与层次聚类算法相结合运用于犯罪网络分析,提出一种新的基于模糊层次聚类算法的犯罪网络分析方法.基于"9.11"事件数据集的实验结果表明,该方法在划分网络的同时,能够找到类属具有模糊性的成员,从而为打击犯罪提供有益的帮助.     

数据挖掘的聚类分析方法在证券投资中的应用

本文围绕数据挖掘技术在证券投资分析中的应用展开分析,尝试发现其中有意义的数学模型来支持证券交易的应用。     

层次聚类法在空间犯罪热点分析中的应用

当前,基于核密度估计的空间犯罪热点分析方法存在着无法确定热点的分布范围和难以支持警务决策等不足.相比之下,数据挖掘中的层次聚类算法则能够根据犯罪活动的位置信息确定出不同空间尺度下的犯罪热点的分布范围和具体的热点数量,因此具有更好的优势.该文介绍了层次聚类算法的基本原理,并基于实际案例数据对层次聚类算法与核密度估计算法的热点分析结果进行了比较,并对基于层次聚类算法的犯罪热点分析在情报分析和警务决策方面的应用进行了讨论.     

和声搜索算法在聚类分析中的应用

提出了一种改进的和声搜索算法并应用到聚类分析中.首先,将状态反馈机制引入到和声搜索算法中,通过判断和声记忆库中"最优"和声和"最差"和声之间的差异,来动态调整和声记忆库考虑概率和移动步长,使算法能够快速地收敛到全局最优解.通过更新和声向量中精度变量对应的聚类中心来最小化目标函数值,获得数据样本的最优划分.其次,提出了一种数据样本真实聚类中心数的确定方法,当输入样本数大于真实聚类中心数时,通过计算能够自动地确定数据样本真实聚类中心数目.最后,应用4种性能指标来比较所提算法与蚁群聚类算法和原始和声搜索聚类算法的性能.结果表明,所提算法的性能优于另两种算法.     

聚类分析在犯罪地域分析的应用初探

犯罪行为和地理因素有着密切的联系，因而犯罪现象的空间发生．分布等往往表现出一定的区域规律。本文运用主成分分析，聚类分析等多元统计方法对犯罪数据进行分析，得出了较为合理的结论，可为结合社会经济因素．生态因素、行为特征因素等进行进一步分析做准备。     

聚类分析及其在我国各省经济发展水平分类研究中的应用

聚类分析是一种寻求客观分类的方法,它是多元统计分析中三大实用方法之一。本文首先对聚类分析的各种算法进行分类与介绍;然后总结了聚类分析在经济、生物、电子商务、保险等方面的一些应用,并对两类应用较广泛的聚类算法进行对比分析;最后结合SPSS软件,分别运用系统聚类法和 K－均值聚类法对我国31个省区经济发展水平进行分类,发现二者分类结果相同,且与我国现阶段各省各地区经济发展现状吻合度较高。     

聚类分析在男子十项全能测试成绩分析中的应用

应用聚类分析法对常德师院体育教育专业122名男生的十项全能毕业测试成绩进行了指标聚类和样品聚类分析。分析结果表明：男子十项全能 项目宜聚为跑、跳、投和撑杆跳高4米；其典型项目依次为400m、跳远或跳高、标枪和撑杆跳高；学生宜聚为3米，根据其特点依次定义为低素质型、速度型和力量型。结合全能运动和学生的实际特点判断，聚类分析的结果具有合理性，研究结论对十项全能的教学与训练具有一定指导作用。     

聚类算法在基因表达数据分析中的应用

聚类算法在基因表达数据的分析处理中得到日益广泛的应用．文中对几种典型的聚类算法进行描述，对各算法在基因表达数据处理中的特点，进行评价并提出改进的策略．最后，指出聚类算法在生物信息学应用中的发展趋势。     

聚类分析在证券投资基本分析中的应用

选用14个聚类分析统计指标,用离差平方和法对31家上市公司的股票进行聚类分析,借以通过对股票的基本面的分析,为证券投资者提供长期理性投资的依据．降低投机性带来的风险,树立以基本投资为主,技术分析为辅的理性投资理念,找出真正具有投资价值的股票,进行长期投资．     

知识发现中的聚类分析及其应用

知识发现的目的是在大量数据中进行模式识别、提取有用的知识 .本文在对知识发现方法作了一般论述的基础上 ,着重分析了聚类分析方法 ,设计了该方法的一个实现算法 ,并结合员工业绩考核讨论了方法的应用     

利用聚类分析法探讨高校学生培养的方法

作为现代三大统计方法之一的聚类分析法目前已经广泛的应用于经济、生物、地理等领域。将聚类分析方法应用于大庆师范学院数学科学学院07级数学与应用数学专业本科2班全体学生的所有所学科目的成绩中,利用SPSSl6．0统计软件对学生进行分类,结合教育科学知识和多元统计的相关理论,分析了不同类型学生的特点并提出相应的培养意见,为高校有针对性的培养学生提供了一定依据。     

数据聚类算法在客户分类中的应用

介绍了数据聚类算法,提出了采用基于相似度的聚类算法进行客户分类的思路,给出了相似度的计算方法及客户分类的算法,并通过试验结果证明了算法对客户分类的有效性.     

聚类分析和因子分析在股票研究中的应用

选取9项主要财务指标，对汽车及配件行业19家上市公司进行了聚类分析和因子分析,研究结果表明，两种分类方法都能把上市公司区分为蓝筹股、绩优股、一般股和劣质股，与公司的实际情况相符；而且因子分析将财务指标综合为规模效益综合因子、投资效率和主营业务因子3个综合变量，为公司的分类和评估提供了很好的依据。     

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。     

聚类分析在识别财务欺诈中的应用

关于识别财务欺诈的方法,大多集中于如何指导审计师,由于各种原因,即使审计师签署无保留意见的报告,仍有为数不少的虚假财务报告出现;对于投资者,如何用较低的成本和较高的可信度鉴别有虚假嫌疑的上市公司,是非常重要的。文章通过精选财务指标,构建鉴别体系,使用聚类分析方法,将有财务欺诈的上市公司分离出来,给投资者提供一个规避风险的工具。     

一种无需距离函数的数据聚类方法(英文)

数据发掘是人工智能和数据库研究的新兴领域 ,在很多领域有着卓有成效的应用。数据聚类或分割就是其中的一种重要的数据发掘应用。传统聚类方法存在的一个问题是要求分析人员定义距离函数 ,而距离函数并不是总能获得。在本文中 ,我们提出了一种新的无需距离函数的聚类方法     

主成分聚类分析在省域物流规划中的应用

提出利用主成分聚类分析的方法对省域物流规划中各地区的物流发展进行综合评价并分类.建立区域物流发展评价指标体系,利用主成分分析能够剔除多指标间存在相关性及信息重叠的特点,对各地区的物流发展综合实力进行评价,再利用新得到的综合主成分指标代替原来较多的评价指标,对省内各地区的物流发展进行聚类分析.该方法不但能够使原来复杂的问题简单化,而且所得结论客观、可信、较有说服力.研究结果表明本文提出的方法合理可行.     

Selections of data preprocessing methods and similarity metrics for gene cluster analysis

Clustering is one of the major exploratory techniques for gene expression data analysis. Only with suitable similarity metrics and when datasets are properly preprocessed, can results of high quality be obtained in cluster analysis. In this study, gene expression datasets with external evaluation criteria were preprocessed as normalization by line, normalization by column or logarithm transformation by base-2, and were subsequently clustered by hierarchical clustering, k-means clustering and self-organizing maps (SOMs) with Pearson correlation coefficient or Euclidean distance as similarity metric. Finally, the quality of clusters was evaluated by adjusted Rand index. The results illustrate that k-means clustering and SOMs have distinct advantages over hierarchical clustering in gene clustering, and SOMs are a bit better than k-means when randomly initialized. It also shows that hierarchical clustering prefers Pearson correlation coefficient as similarity metric and dataset normalized by line. Meanwhile, k-means clustering and SOMs can produce better clusters with Euclidean distance and logarithm transformed datasets. These results will afford valuable reference to the implementation of gene expression cluster analysis.     

聚类分析方法在城市等级结构划分中的应用

城市规模等级结构的划分是一个多指标的分类问题,采用聚类分析的多元统计方法,对长江三角洲内15个城市进行了规模等级的划分,克服了以往单一指标分类的不足,得到了更科学、客观、合理的结果,     

模糊聚类分析在构件耐久性评估中的应用初探

基于模糊等价关系的动态聚类分析,提出了一种构件耐久性评估方法．该方法先利用相似系数在各构件的耐久性指标序列之间进行相似性度量,得到具有分类功能的模糊等价矩阵：然后按照不同的置信度水平,对构件耐久性进行动态聚类．算例分析比较结果表明,该方法不仅可避免按传统方法进行评估的不合理性,而且易于编程实现．