数字经济背景下文化产业的高质量发展：基于电影行业的理论推演与实证证据

数字经济背景下文化产业快速发展。然而，数字经济促进文化产业发展的具体作用机制是什么?从微观视角进行了理论推演，并基于电影行业数据提供了一定的实证证据。在供给侧，数字技术通过降低市场进入门槛提高了文化市场供给的种类与数量；在需求侧，数字平台降低了消费者搜寻成本，进而优化了消费结构。通过分位数回归分析发现：在票房收入的低分位点，评论数量对票房收入的影响较低或不显著；而在高分位点，评论数量对票房收入的正向影响则显著更大。本研究为分析数字经济推动文化产业高质量发展提供了新的视角和经验证据。     

基于AIC准则的最近邻聚类模型的优化算法

聚类分析方法的困难在于聚类模型的类中心和类别数的确定。首先给出了最近邻聚类规则,并根据该规则建立了确定聚类模型的分类方法;其次针对不同的聚类模型提出了优化判别准则———AIC准则,为解决所聚类的紧凑性与类别数增加的矛盾给出了理论分析。通过实例仿真,验证了本方法的实用性和正确性。     

基于数据场联合PRI变换与聚类的雷达信号分选

基于脉冲描述字进行雷达信号分选时,传统聚类算法需要预先人工设定聚类中心和聚类数目。针对该问题,提出一种基于数据场理论联合脉冲重复间隔(pulse repetition interval,PRI)变换与聚类的雷达信号分选新方法。首先,依据数据场理论,基于势值大小实现干扰点剔除,而后利用PRI变换算法进行PRI估计,依据PRI估计值将归一化脉冲描述字数据预分类,进而以各类数据集中心间的欧氏距离小于辐射因子为准则进行类别合并,自动得到初始聚类中心和聚类数目,最后通过改进K-Means算法完成聚类分选。仿真实验表明:所提方法能够应对存在频率捷变,重频参差、抖动、参数交叠、局部脉冲丢失的复杂信号环境,分选正确率明显提升。     

聚类分析在大麦资源分类上的应用

利用聚类分析法对大麦资源进行分类,为大麦资源的利用提供理论依据.表4,参2.     

基于模糊核聚类的SVM多类分类方法

针对SVM在大类别模式分类中存在的问题,提出了一种基于模糊核聚类的SVM多类分类方法,并给出了一种高效的半模糊核聚类算法。该方法基于模糊核聚类方法生成模糊类,并采用树结构将多个SVM组合起来实现多类分类。模糊核聚类方法不但能够实现更为准确的聚类,而且能够挖掘模糊类的外围、不同模糊类之间的交叠情况等信息,利用这些信息能有效提高分类器的性能。实验表明,所提方法比传统方法具有更高的速度和精度。     

基于类内差和改进划分系数的聚类有效性函数

针对改进划分系数对模糊聚类有效性的判决并不十分理想,提出了将类内差和改进划分系数相结合的两个聚类有效性函数。该聚类有效性函数从数据聚类效果要求类内样本越相似而类间样本相差越大的观点出发,通过将反映数据聚类类内紧致性程度的类内差和类间分离性程度的改进划分系数相结合,并考虑到模糊C 均值聚类算法的适用条件作为构造聚类有效性函数的约束因子,得到新的聚类有效性标准。给出应用该函数进行模糊C 均值聚类有效性判决的具体步骤,通过仿真实验证明该有效性函数具有良好的分类性能。     

基于粒子群的K均值算法和粗糙集理论的财务预警

针对上市公司财务危机风险预警问题,将基于粒子群的K均值聚类算法引入该领域,克服了人为分类的主观影响,再结合粗糙集理论综合评价上市公司财务状况,进行预警。以2008年家电制造业127家上市公司的财务数据为基础,运用基于粒子群的K均值算法将样本公司分为4类并进行预警,然后运用粗糙集原理计算每家公司的综合财务状况得分,检验分类的合理性。研究表明,基于粒子群的K均值算法能对公司进行合理分类,其结果与粗糙集评价结果的吻合度可达88.2%。     

基于客观聚类的手写数字识别方法

针对现有手写数字识别方法对噪声和图像结构敏感,易导致识别准确度下降,且计算过程复杂的问题,引入客观聚类算法并结合模板匹配机制,通过对待识别数字模板集的一次聚类以降低噪声和数据分布对聚类结果的影响,提高了识别结果的准确性;并利用新聚类中心约简原始模板数据集,实现计算效率的提高。通过对随机手写数字在结构变形和添加噪声等情况下仿真,并与传统手写数字识别方法比较,验证了所提方法的简单易行和有效性。     

基于数据场联合决策图改进的GMM聚类

针对传统聚类方法在处理复杂电磁环境下的雷达信号时存在的聚类质量低、参数需要人为设置、易受孤立噪声脉冲干扰等问题, 提出一种基于数据场联合决策图改进的高斯混合模型(Gaussian mixture model, GMM)聚类算法。将数据场理论应用于数据对象密集程度的表征, 生成势能距离决策图, 进而自动实现聚类数目和中心点的选择, 最后结合GMM聚类实现对数据对象的聚类划分。仿真实验结果表明, 在脉冲到达角、脉宽、载频等参数存在较大抖动, 测量误差以及存在孤立噪声脉冲干扰和脉冲丢失时, 本文方法相较于现有典型分类方法具有更好的分选效果。     

新的混合智能系统R-FC-DENN

以认知心理学、模型集成理论为基础,构建了集粗糙集理论、聚类理论、模糊逻辑理论、遗传算法理论、人工神经网络理论于一体的一个新的混合智能系统R-FC-DENN。它首先通过粗糙集将输入样本进行约简,然后用聚类技术将简化后的样本进行聚类,对不同的聚类使用经过遗传算法改进了的神经网络进行训练,接着将这些经过不同神经网络训练的样本用模糊权值组合起来,放入新的用遗传算法改进了的神经网络再进行训练,从而完成整个训练过程。最后用UCI下的实际数据库对提出的混合智能系统R-FC-DENN的实用性进行了检验,证明方法是可行的。     

一种新的决策表属性约简算法

结合模糊聚类技术与粗糙集中属性重要性思想,对同时含有连续、离散、序数型条件属性的决策表,提出一种属性约简算法,并对算法的时间复杂度进行了分析.该方法首先利用聚类技术将决策表的对象按条件属性进行分类,然后对去掉某属性后的决策表采用同样的方法进行聚类,再结合粗糙集理论进行属性约简.实例说明了该方法的合理性和有效性.     

k-modes聚类方法的改进与在可追溯猪肉消费偏好研究中的应用

可追溯食品消费偏好等实证调查中具有大量的分类属性的数据，而常用的-means聚类方法主要适用于连续的数值型数据，难以精确分析可追溯食品消费者类别。为此，本文引入-modes聚类方法，通过改进聚类精度，改善聚类流程，改进了现有的-modes算法，以更好地应用于分类属性数据的聚类分析。以分类正确率、类精度、召回率、平均迭代次数为评价检验的具体指标，相关检验表明，与经典-modes聚类算法等相比较，本文改进后的-modes聚类算法在标准数据集上实验结果良好。在此基础上，以可追溯猪肉为案例，通过菜单选择实验法收集消费者对可追溯猪肉信息属性偏好的数据，建立仿真分析流程，运用改进后的-modes算法进行聚类分析，研究了消费者对可追溯猪肉属性的群体性偏好。仿真结果显示，消费者对可追溯猪肉信息属性的偏好具有明显的层次性、差异性，可基于消费偏好将消费者划分为4个类别。     

基于模糊聚类的信息不完全确定的多准则分类方法

针对权系数信息不完全确定且有训练集的多准则分类决策问题,提出了一种基于模糊聚类的分类方法。该方法在考虑对训练集分类的基础上,结合不完全确定的准则权系数信息等建立模糊聚类模型,通过遗传算法求解所得优化模型,得出准则权系数和聚类中心,计算方案属于各类别的隶属度,进而得到整个方案集的分类。实例说明了该方法的有效性和可行性。     

聚类有效性研究综述

聚类是一个无监督学习过程,因此确定最佳聚类数是一项困难的工作. 聚类有效性研究是通过建立聚类有效性指标,评价聚类质量并确定最佳聚类数的过程. 首先,介绍了聚类的数学描述和聚类有效性指标的分类;然后,基于指标 构成成分的不同,分别评述了12 个仅考虑数据集几何结构信息的聚类有效性指标、6 个仅考虑隶属度的聚类有效性指标以及9 个同时考虑数据集几何结构信息和隶属度的聚类有效性指标,分析了不同类型指标的研究现状;接着,简要总结了外部性指标和稳定性指标等其他聚类有效性指标的研究现状;最后,总结并展望了聚类有效性研究面临的挑战和发展方向.     

基于谱图理论的形状聚类仿真

谱图理论已经广泛的应用于形状表示、匹配和聚类。主要研究两个方面的问题：1、通过提取形状的骨架特征点和图谱分析,建立形状的数学模型;2、通过分析模型的数学特征,将形状投影到低维空间中。利用上述方法实现了形状的聚类仿真。针对公共数据集的仿真实验证明了该聚类算法能有效的实现形状聚类。     

基于自适应稀疏表示的高光谱遥感图像分类

针对多数传统分类算法应用于高光谱分类都存在运算速度慢、精度比较低和难以收敛等问题,从稀疏表示基本理论出发建立了一个基于自适应稀疏表示的高光谱分类模型。利用训练样本构建字典,聚类每一步迭代所产生的余项,将聚类中心作为新的字典原子,然后将测试样本看成冗余字典中训练样本的线性组合,令字典能够更适应于样本的稀疏表示。利用华盛顿地区的HYDICE高光谱遥感数据进行试验,并且与主成分分析、线性鉴别分析、支持向量机、神经网络算法进行比较,结果表明,该算法的总体分类精度比其他算法提高了约12%,有效提高了高光谱影像的分类精度。     

基于消耗波动性聚类的航材分类研究

针对难以依据航材消耗数据进行分类的问题,建立基于消耗波动性聚类分析的分类模型。基于消耗序列波动性将航材转化为二维图,因该机型服役时间较短,航材样本数量较小,选用无监督分类算法聚类分析对航材分类。针对传统聚类算法的局限性,提出层次划分聚类算法,并使用“容距比”参数为初始中心选择良好环境。仿真结果显示层次划分聚类算法更加稳定高效,同时表明该模型能有效进行航材分类。     

多资源均衡优化中基于专家权重聚类的权重优选法

针对多资源均衡优化中如何恰当确定多资源权重系数问题,本文提出了基于专家权重聚类的权重优选法,将专家权重分为类别间权重和类别内权重,对专家聚类步骤和类别间权重的计算方法进行了改进。通过专家给出的判断矩阵构建相容度矩阵,利用系统聚类原理,对相容度矩阵聚类得到最大相容度谱系图。通过最大相容度间的距离和给定阈值的比较,对专家恰当分类,从而避免了根据现有研究步骤只能将专家分为两类的不足。此外,在确定类别间权重时,除继续对容量较大的类赋予较大的类别间权重系数外,还引入专家判断矩阵的属性权重一致性来反映类别间的差异,从而有效避免当某几类专家中含有相等数目专家时,赋予这几类专家相同类别间权重系数的问题。所提方法结构清晰、计算简便,并使得资源权重计算结果更为合理准确。最后运用一个算例对比验证了该方法的可行性和有效性。     

导弹营管理工作量化考核综合评价模型

分析导弹营的工作特点 ,建立了导弹营量化考核综合评价指标体系。该体系是对导弹营的各项管理工作在军事、政治、后勤及装备等方面的具体分析。在综合评价指标体系建立之后 ,首先采用德尔菲法和层次分析法计算各评价目标和指标的权重 ,然后利用线性加权和法计算各个被评价对象工作绩效的总评分 ,最后采用模糊聚类分析法对评价对象工作绩效进行分类。通过算例 ,证明了此模型的正确性和实用性。     

一种基于修正划分模糊度的聚类有效性函数

针对大多数现有的聚类有效性函数都是针对于数值型数据提出的,无法有效地评价和分析类属型数据的问题,提出了一种新的聚类有效性函数—修正划分模糊度;通过结合模糊划分熵和划分模糊度测度,所提出的聚类有效性函数既可以评价数值型数据分类结果,也可以评价类属型数据的分类性能。实验结果表明了这一新的聚类有效性函数的合理性