动态聚类方法在单指标专题要素分级中的应用

本文剖析了现有聚类分级方法的优劣,论述了应用动态聚类方法进行单指标专题要素分级的基本原理、方法、步骤;试验结果表明,动态聚类分级方法计算简单,占机容量小,具有较高分级精度,并可获得最优或次优分级方案.     

基于模糊聚类的物流数据字典动态分级方法

为提高物流管理信息系统查询效率，根据物流数据库管理系统查询调用数据属性字典的统计信息，提出一种优化属性字典分级的动态方法。描述了该方法的实现并进行了查询效率分析。该方法基于模糊聚类原理，在属性字典表中添加聚类属性项；将数据繁多的属性字典表按其在选定时间内的属性统计值进行动态归类分级。系统运行实践表明，该方法提高查询效率最高达31．9％，平均达19．3％。     

一种基于自组织分级聚类的数据挖掘方法

针对传统自组织聚类方法处理数据在多维空间中存在多样性和从基本或低层次概念上发现强关联规则中的不足，提出了一种基于自组织分级聚类的数据挖掘方法．该方法采用最大似然分类自组织特征网络（MAXNET）聚类过程，利用自下而上聚合层次聚类方法，对有畸变的二值化输入模式作最大似然分类．最后对一个销售电脑商场中，与任务相关的交易数据集进行了分析，描述了从低层次概念到高层次概念的相互关系．并用matlab仿真软件把该方法和传统方法进行比较，表明了该方法的有效性．     

分级与密度相结合的Web文本聚类算法

考虑到实验数据的大规模及样本数据形状的复杂性等特点,提出一种基于分级聚类与DBSCAN聚类相结合的HL-DBSCAN聚类算法,避免了DBSCAN的聚类算法较大的时间复杂度,适用性更广,更能体现一个聚簇的规律,提高分类精度.通过实验与结果分析,取得较好的聚类结果,证明了该算法在文本聚类处理中的可行性.     

基于示踪法的模糊聚类模型研究及应用

基于示踪方法对某堤防几个典型段进行了渗漏分析,查明了其地下水的渗漏来源,结果表明江都船厂段T1#孔、联盟庄码头T29#孔中的水样为河水补给,T5#孔附近的黑鱼塘水为当地降雨或近期降雨形成的地下水补给,万寿宫段T7#孔中的地下水为河水和当地降雨的混合。应用模糊聚类方法,选取稳定同位素和水化学值作为指标特征值,并赋与不同的权重,进行模糊聚类分析,聚类分析结果与示踪方法分析的结论一致。     

基于模糊聚类的物流数据字典动态分级方法

为提高物流管理信息系统查询效率,根据物流数据库管理系统查询调用数据属性字典的统计信息,提出一种优化属性字典分级的动态方法.描述了该方法的实现并进行了查询效率分析.该方法基于模糊聚类原理,在属性字典表中添加聚类属性项;将数据繁多的属性字典表按其在选定时间内的属性统计值进行动态归类分级.系统运行实践表明,该方法提高查询效率最高达31.9%,平均达19.3%.     

基于灰色聚类法的平顶山市空气质量评价

大气污染质量问题一直是关注的环境问题之一,而灰色聚类分析方法在很多领域已有应用.选取污染因子(SO2、NO2、PM10),采用灰色聚类分析方法对平顶山市2008—2012年环境监测数据进行评价,结果表明:平顶山市2008—2012年均空气质量灰色聚类结果为灰类2,并且所属灰类2的趋势越来越明显,平顶山市的大气综合质量处于稳中趋好的态势,平顶山市大气环境质量趋势在逐步转好.     

一种基于余弦因子改进的混合聚类算法

为了解决传统的K-means聚类算法全局优化性差,容易陷入局部最优的问题,用具有全局自适应优化特点的遗传算法与K-means算法结合来改善聚类效果.在此基础上提出了基于余弦因子改进的混合聚类算法(SGKM),在交叉和变异操作时用基因余弦因子(GCOS)进行个体控制,确保差的个体不会被引入下一代,并采用交叉和变异概率的自适应控制,结合了K-means算法的高效局部搜索和遗传算法的全局优化能力.实验结果表明,与其他基于K-means算法改进的聚类算法相比,SGKM算法能获得更小的簇内距和更大的簇间距,且数据对象的分类准确率有一定的提高.应用SGKM算法进行聚类不易受到不良个体的干扰,可以有效地改善聚类效果.     

基于密度峰值聚类的宽角域散射中心聚类

宽角域合成孔径雷达（Wide-Angle Synthetic Aperture Radar, WA-SAR）有着更广泛的角度覆盖范围,基于此得到的宽角域散射中心（Wide-Angle Scattering Centers, WA-SCs）包含了目标物体更加丰富的电磁散射特征,这对雷达的目标建模、目标识别等有着重要的意义。为了克服WA-SCs数据维度高、所含信息复杂的特点,并从中提取出所需的目标物体特征,本文采取密度峰值聚类（Density Peak Clustering, DPC）算法研究WA-SCs。基于SLICY模型数据,从聚类内部评价指标、聚类可视化和算法自动化程度三个方面,将本文算法与经典的KMeans、DBSCAN和MeanShift算法进行了对比实验。结果表明,DPC算法具有自动化程度高、高维数据适应性强、聚类精度高等优点,有望为后续的一系列基于WA-SCs的目标建模、目标识别等工作提供技术支撑。     

基于改进灰色聚类法的大气环境质量综合评价

针对灰色聚类法在环境质量评价中的不足,对其白化函数与权重确定方法进行了改进.指数型白化函数建立了样本值与各等级之间的对应关系,避免了零权重问题,修正聚类权法体现了各污染物在同一灰类之间的变化幅度.应用改进后的灰色聚类模型对福州市2004—2008年的环境空气质量进行评价.结果表明:改进后的灰色聚类法评价结果更为客观、准确.     

基于动态阻尼因子的动态阻尼仿射传播聚类

为了有效地控制仿射传播聚类的全局搜索和局部搜索,将仿射传播聚类视作一个搜索能量函数最小值的方法,提出一种基于动态阻尼因子策略的动态阻尼仿射传播聚类．使用两阶段动态阻尼因子策略,使得仿射传播聚类迭代过程中阻尼因子不再是静态固定值,而是自适应的动态改变值,构造了1种线性策略和2种非线性策略来动态改变阻尼因子的值．在标准数据集上的实验结果表明：动态阻尼仿射传播聚类避免了仿射传播聚类发生震荡,同时可以加快仿射传播聚类的收敛．     

一种以秩和为因子的模糊聚类预报法

本文首先以秩和为因子并用模糊聚类的方法对历史样本进行分类，进而提出把样本与模糊子集对应的法则并用模糊贴近原理作出预报。其效果比文［１］有明显的提高。     

一种基于自适应网格的DBSCAN聚类算法

DBSCAN方法是一种典型的基于密度的聚类算法,因此该方法具有可以发现任意形状的类的特点,但其聚类的效率并不是很高.如果考虑将传统的网格技术引入到DBSCAN聚类算法中,虽然一定程度上会提高聚类的效率,但其聚类的质量显得较为粗糙.文章通过引入自适应网格技术,使得DBSCAN聚类算法的效率和质量都有所提高.对比数值实验表明,基于自适应网格的DBSCAN聚类算法的聚类效果是良好的.     

基于动态聚类法的中国城镇居民消费结构分析

以2007年全国31个省、直辖市、自治区的城镇居民家庭平均每人全年消费性支出的8个指标数据为依据,采用动态聚类法对当前城镇居民消费结构进行分析,得出结论:(1)各地区城镇居民消费大小与其经济发达程度密切相关,经济发达地区消费也相对大;(2)发达地区消费重点转向精神产品和服务消费;(3)相邻地区消费结构比较相似.     

基于分层聚类法的视频摘要技术

介绍基于分层聚类法的视频摘要技术，与以往视频摘要技术相比较，这种方法不用选取阚值，可以方便地控制关键帧数量，并对关键帧采用分层显示的方法，使视频摘要简单明了，为用户提供了非线形浏览视频的服务。最后提出一些改进措施。     

基于聚类的离群数据挖掘及应用

介绍了离群数据挖掘的基本概念,全面分析并总结了离群数据挖掘研究的历史与现状,以及离群数据挖掘的几类方法,并对一些典型方法进行了分析和评价,指出传统方法的优点和不足,展望了今后的研究工作。     

基于聚类法的协同神经网络学习算法

根据协同学理论的基本观点（模式识别的过程即为模式形成的过程）,对构造出的协同神经网络在模式识别中的应用进行了研究．发现伴随向量的性能直接影响到模式识别的成功率,而伴随向量是由原型向量计算得到．所以原型向量的选择对识别结果有着十分重要的作用．提出了一种基于聚类算法的选择原型向量的方法．通过对近千个样本进行的模拟实验,结果证明这种基于聚类算法的原型向量选择方法很有效,使识别率有了较大的提高．     

基于密度聚类的数据库入侵检测系统研究

针对现有数据库入侵检测系统高误报率的问题,提出了一种基于密度聚类数据库入侵检测系统,其检测系统过程分为2个部分,①数据训练阶段:执行事务属性的数据预处理,然后将数据集划分为训练集和测试集,使用点排序识别聚类结构(Ordering of Points To Identify Clustering Structure,OPTICS)来构建用户的正常配置文件;②入侵检测阶段:每个传入行为有2种状态,位于群集内或是集群外,根据其局部异常因子(Local Outlier Factor,LOF)值来确定事务的异常程度,对于LOF1的行为允许访问数据库,其他行为通过采用不同的监督机器学习技术进一步验证是正常值或异常值,实现入侵检测.实验结果表明,与其他现有数据库入侵检测系统相比,本文系统性能优于其他2种系统.     

基于类平均聚类法的普通高等专科学校办学规模区域差异研究

在市场经济的背景下,全国各地的普通高等专科学校呈现出区域发展的趋势。在学校招生规模、培养规模和毕业生规模等指标的基础上,采用类平均聚类法对各地区普通高等专科学校的办学规模进行分析,利用Matlab平台进行仿真,生成不同区类的划分,有利于进一步研究不同区域间学校发展的战略和因地制宜的人才培养方向。     

基于演化聚类的社交媒体舆情分析方法综述

当前,社交媒体已经成为人们发布和获取信息的最主要渠道之一。由于大量用户的参与,社交媒体平台上已累计了海量的舆情数据,并且还在以指数级增加。如何发现和跟踪社交媒体中舆情变化是当前数据挖掘领域研究的热点问题之一。基于演化聚类的方法是分析社交媒体舆情的一类主要方法。主要从主题模型和矩阵/张量分解模型两方面来总结当前基于演化聚类的舆情分析方法,并且分析这两类方法的优缺点;最后对下一步研究进行了展望。