基于增量式模糊聚类算法的文本挖掘

针对传统模糊聚类算法需要预先确定初始隶属度矩阵的问题,该文提出了基于增量式模糊聚类算法(Incremental fuzzy clustering algorithm, FCLDA)的文本挖掘方法。首先根据文本集中关键词出现次数进行排序,优先选择出现次数多的关键词作为文本集的主题,然后利用隐含狄利克雷分布(Latent Dirichlet allocation, LDA)主题模型构建文档-主题概率分布组成矩阵,将该矩阵作模糊C均值聚类(FCM)算法的隶属度矩阵,并对隶属度矩阵的隶属度值增加一个权值,在FCLDA算法迭代过程中,采用模糊信息熵作为聚类数确定的标准,增加主题词,当模糊信息熵达到最小值时,聚类数确定下来,最后将FCLDA算法应用到网页的文本挖掘中,结果试验表明,相对于FCM算法和K最近邻(K-nearest neighbor)算法,FCLDA算法的运行聚类结果准确率更高,运行速度加快,更适合处理具有模糊性的文本。     

一致判断矩阵与一致模糊矩阵的关系

通过对一致判断矩阵与一致模糊矩阵的关系研究证明：一致判断矩阵与一致模糊矩阵一样具有中分传递性,符合人类决策思维的一致性;运用模糊层次分析法决策会造成判断信息、一致性及累积优势度的损失．     

致判断矩阵与一致模糊矩阵的关系

通过对一致判断矩阵与一致模糊矩阵的关系研究证明一致判断矩阵与一致模糊矩阵一样具有中分传递性,符合人类决策思维的一致性;运用模糊层次分析法决策会造成判断信息、一致性及累积优势度的损失.     

基于模糊C-均值聚类的缺失数据填充方法

针对缺失数据的有效填充问题,提出利用模糊C-均值聚类（FCM）算法的隶属度矩阵作为待填数据的加权权重.首先使用同一属性均值对缺失数据作预填充,再进行FCM以得到每个类别的隶属度矩阵,最后用该矩阵作为权重去乘以每个类别的属性均值,得到最终的填充数据.在UCI数据实验中,将FCM填充算法与k近邻（KNN）填充算法作对比分析,结果表明,FCM填充得到的均方根误差总体小于KNN填充.     

基于免疫模糊聚类算法的电网抗差状态估计

提出了一种基于免疫进化模糊聚类算法的电网抗差状态估计方法.该方法首先计算出量测数据的标准残差rN和相邻采样时刻量测值之差Δz,初步将量测数据划分为可疑数据和可靠数据.分别在0.5～1和0～1之间随机生成可靠数据和可疑数据的隶属度,形成初始分类矩阵,克服了整个分类矩阵在0～1之间随机生成的缺陷,并大大加快了算法的收敛速度.之后以γN和△z为特征值,应用免疫进化算法对分类矩阵进行模糊聚类,以获得各个量测量的良数据隶属度.依据各个量测量的良数据隶属度,进一步将量测数据划分入淘汰区、降权区、保权区进行状态估计.该方法能获得较高的抗差能力和状态估计精度,且数值稳定性较好.对IEEE14节点系统的算例仿真表明了该方法的有效性.     

模糊综合评判在矿山地质环境中的应用

针对丘陵山区复杂的地质情况,构建了矿山地质环境影响程度的模糊综合评判指标体系;并引入弱模糊一致矩阵结合层次分析法确定权重,解决了传统AHP很难满足一致性检验的问题;依据矿山特殊地质条件,将地质环境影响程度划分为三个等级构建模糊综合评判表,确定各影响因子的隶属度;运用模糊综合评判方法,建立矿山地质环境影响程度的二级模糊综合评判模型。通过该模型在实际矿山中的应用,模型评估结果与实际结果显示的滑坡、地面沉降等地质灾害影响程度吻合性较高。     

直觉判断矩阵的直觉模糊数型权重研究

研究了确定直觉判断矩阵的权重问题,并对与权重的可靠性密切相关的直觉判断矩阵的一致性问题进行了探讨.从直觉模糊数的得分函数和精确度函数角度给出直觉判断矩阵的加型一致性的新定义,并导出加型一致性的等价条件.为了充分利用原直觉判断矩阵的信息以及使决策符合一致性要求,根据加型一致性的等价条件运用转换函数将原直觉判断矩转换为两个加型模糊一致性互补判断矩阵,然后对这两个加型模糊一致性互补判断矩阵运用行和归一的方法分别求出原直觉判断矩阵权重的隶属度和非隶属度,从而得到直觉模糊数型权重,并利用直觉模糊数的排序方法进行排序.最后讨论了决策方法的优良性质,并通过实例验证了决策方法的有效性和实用性.     

射击弹头坡膛痕迹特定性与稳定性的探讨

本文通过随机抽取64式、77式手枪和56式步、56式冲各5支,各发射20发子弹,对射击弹头上的坡膛痕迹进行了观察、测量和数据统计,对坡膛痕迹的出现率、形态、位置等情况进行了研究,并进行了理论分析,对坡膛痕迹的特定性和稳定性做了一些初步的探讨。     

模糊层次分析法在投资决策中的应用

分析了模糊一致矩阵的性质和判定方法,通过模糊一致性指标,确定模糊判断矩阵的一致性程度,并调整模糊判断矩阵,以达到满意的模糊一致性;针对投资决策问题的复杂性和模糊性,运用基于模糊一致矩阵的模糊层次分析法为企业的投资决策提供参考。     

基于模糊综合评判和层次分析法的军队干部考评分析

针对军队干部考评工作存在的不确定性,引入模糊数学的方法,采用模糊综合评判法确定评价矩阵、层次分析法确定指标权重,以考评标准为依据,构建军队干部综合考评模型。求解过程中,针对民主评议结果,采用专家打分法得出隶属度矩阵;针对实绩分析情况,构造评分隶属度函数,进而确定模糊综合评判矩阵,用定性与定量相结合的方法,得出了比较客观、综合的评价结论,为考评干部提供科学依据．     

改进的层次分析法在煤与瓦斯突出危险等级预测中的应用

为了更合理地确定影响煤与瓦斯突出因素的权重,在层次分析法判断矩阵的构造上,论文主要用三标度法对传统的九标度法进行改进。利用改进的层次分析法确定影响煤与瓦斯突出各因素的权重,用隶属度构造了单因素模糊判别矩阵,用模糊综合评判建立了预测煤与瓦斯突出的多种模型,并且进行了二级模糊综合评判。将改进的层次分析法和二级模糊综合评判结合起来应用于煤与瓦斯突出危险等级预测中。对神仙坡等煤矿的多个工作面进行了煤与瓦斯突出危险等级预测。结果表明,利用改进的层次分析法——二级模糊综合评判预测煤与瓦斯突出等级是合理可行的,可以较准确地进行等级预测。     

聚类分析在超短期电力负荷中的应用

针对超短期电力负荷值,提出了一种对其进行归类的算法.通过蚁群聚类确定数据类别,作为下一步模糊C均值聚类的初始条件,改进后的聚类分析确定了超短期负荷值与类别之间的隶属度关系.采用LM神经网络对聚类结果训练,并加以仿真,为将来的系统调度提供决策依据.     

基于模糊SVM与周期分析的股票预测

基于模糊SVM与周期分析的股票预测方法通过选取曲率变化大、形式简单的幂函数作为候选隶属度函数,并采用格子搜索法寻找最优参数,确定出最优模糊隶属度,同时又结合寻找股票波动的工具：市场周期分析法．仿真实验表明：在利用模糊SVM训练时间序列数据集时,该方法比目前常用的选择模糊隶属度、以及单独用最优模糊隶属度方法的效果都好．     

FCM聚类的软划分:以遥感图像城镇下垫面聚类为例

FCM是应用最广泛的模糊聚类方法之一.与分明聚类不同,模糊聚类以隶属度描述实体类属的确定程度,对于聚类过程中的质心调整和聚类结果分析等,具有重要参考价值.常规FCM应用中,一般以最大隶属度确定聚类结果中像素的类别归属,这种硬性划分,常常会将一些像素划分给了不恰当的类.本文采用的是一种软划分方法,它利用FCM聚类隶属度,对聚类结果做自适应解模糊处理.处理主要依据隶属度的背离特性(以类间隶属度标准差表征)和像素的空间依存关系(以邻域像素归属比例等表征).主要流程包括:①以FCM聚类获取聚类隶属度矩阵;②计算一个像素属于各类别隶属度的标准差,并以标准差取反的商作为该像素最大隶属度的权;③按类别统计像素邻域元素的隶属度加权元素密度(中心像元赋予3倍权重);④同时以2和3的结果作为中心像素划分的依据.为了免除人工干预,一些重要可调参数(如邻域窗口尺寸等)由自适应计算确定.实验表明以聚类图斑平均面积作为窗口尺寸能获得理想的结果.MATLAB仿真测试表明,以解模糊方法获得的聚类精度比最大隶属度方法的平均高出9%.     

模糊层次分析法在投资决策中的应用

分析了模糊一致矩阵的性质和判定方法,通过模糊一致性指标,确定模糊判断矩阵的一致性程度,并调整模糊判断矩阵,以达到满意的模糊一致性;针对投资决策问题的复杂性和模糊性,运用基于模糊一致矩阵的模糊层次分析法为企业的投资决策提供参考.     

松弛模糊C均值聚类算法*

模糊c均值聚类算法(FCM)由于样本模糊隶属度归一性的约束,导致FCM算法对噪声数据敏感。提出松弛模糊C均值聚类算法(RFCM),RFCM算法在可能性c均值聚类算法(PCM)目标函数的基础上,放弃了FCM算法单个样本模糊隶属度归一化约束,转为n个样本模糊隶属度之和为n的约束,并利用粒子群算法对样本模糊隶属度进行优化估计,使得模糊指标可拓展为m>0的情况,同时采用梯度法得到RFCM算法聚类中心迭代公式。RFCM理论分析了算法对噪声数据抗噪的原理,解释了RFCM算法模糊指标m>0的合理性,讨论了RFCM算法的收敛性。基于gauss数据集和UCI数据集的仿真测试验证了所提出算法的有效性。     

基于模糊C均值聚类改进的最大似然分类法

基于参数密度分布模型的最大似然分类法(MLC)是遥感影像经典分类方法之一,它具有清晰的参数解释能力、易于与先验知识融合和算法简单而易于实施等优点,但是由于遥感数据具有高度的模糊性和随机性,使得贝叶斯(Bayes)判别函数中的均值向量和协方差矩阵很难准确确定。因此首先利用模糊C均值聚类得到模糊划分矩阵,然后基于模糊划分矩阵计算出每一个聚类类别模糊均值和模糊协方差矩阵,并利用模糊均值和模糊协方差矩阵来代替贝叶斯判别函数中的均值向量和协方差矩阵从而建立一个新的判别函数,最后与传统的最大似然分类结果进行比较,结果表明改进后的最大似然分类法在总体精度、Kappa系数均优于传统的最大似然分类方法。     

基于模糊数学的液压挖掘机故障诊断

为快速诊断出液压挖掘机产生的故障原因,构建了液压挖掘机故障诊断的模糊数学模型.通过经验数据隶属度矩阵和专家优序数隶属度矩阵计算出故障诊断原因向量,由最大隶属度原则得到最终故障原因.将此方法运用于SWE50型挖掘机液压系统故障中,顺利找出故障原因是液压泵磨损,泵油压力偏低.     

模糊评价数学模型在钢铁厂总平面布置安全评价中的应用

结合钢铁厂总平面布置安全评价特点,应用模糊评价数学模型对攀枝花某钢铁厂的总平面布置进行了安全评价。综合考虑影响钢铁厂总平面布置的安全性的各种因素,确定了钢铁厂总平面布置安全评价体系和各评价指标的隶属度,通过矩阵计算得出钢铁厂总平面布置安全评价结果。     

半监督迭代模糊聚类模型及其在中长期水文预报中的应用

在循环迭代模糊聚类模型基础上导入半监督项,用已知数据的聚类成果对预报聚类过程进行训练,建立半监督循环迭代模糊聚类模型,确定待预报对象的级别特征值.根据监督权重及迭代模型,得到相对隶属度矩阵,从而得到预报对象的水文要素.最后以新疆伊犁雅马渡站的实测水文资料示例说明该模型在中长期水文预报中的应用效果.计算结果表明,该模型适用于一般的多因子输入、单指标输出的预报控制系统,为复杂系统的预报和控制等领域的应用提供了一条值得探索的新途径.