模糊聚类分析的传递方法

针对常规模糊聚类分析在履行模糊相似关系时存在的复杂矩阵害虫乘运算问题,提出了模糊聚类递算法,通过设置主水平λ,直接从模糊相似关系获得聚类结果,并证明该方法与传递闭包法等价,但时间复杂度和空间复杂度都要远远小于传递闭法。     

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。     

关于模糊聚类分析方法的进一步思考

模糊聚类分析理论的引入克服了传统普通集理论的不足,实现了科学有效的分类。本文通过阐述当前模糊聚类分析方法的广泛应用,结合具体的实例介绍了传统的模糊聚类分析方法,并在此基础上,进一步思考了模糊聚类分析的特点、难点与不足,并提出了一些建立模糊相似矩阵的新方法。     

模糊聚类分析的一个改进算法及其应用

对传统模糊聚类分析方法进行研究,指出其不足之处,给出一个改进的模糊聚类分析算法,即对传递闭包进行逐行逐列改造,得到较优模糊等价矩阵,用它进行聚类比直接用传递闭包进行聚类更为合理,同时应用该方法对大学生综合素质进行评定.     

基于模糊数模糊集的聚类分析

提出了模糊数模糊集及模糊相似矩阵的概念,建立了基本模糊数模糊集的聚类分析理论,并引入了分类可信度的概念。     

模糊聚类分析及应用的C＋＋实现

由于事物的区分通常具有模糊性,采用模糊聚类方法进行分类更符合实际.介绍了模糊聚类分析的基本思想,用Boole矩阵法进行聚类分析,并使用C++实现了一个模糊聚类分析系统中的聚类分析,通过形变监测网实例数据进行分析.结果显示,其分类结果符合实际要求.     

模糊聚类分析在数学建模中的应用

本文应用模糊聚类分析理论,快速、简捷地处理了数学建模中的某些问题,得到了令人满意的结果。     

基于分解构造的最优模糊等价矩阵的计算

本文在模糊等价矩阵的分解构造基础上给出了等价标准型的形式,之后给出了求最优模糊等价矩阵的算法,并提出了两种简化计算的方法,为模糊聚类计算提供了新的计算方法.     

基于区间值的模糊聚类分析

分析了原有模糊聚类分析中存在的问题，提出了基于区间值的模糊聚类分析方法．该方法用区间值表示各个对象对于每个因素状态的隶属度，在获取了每个对象对于每个因索的特征值后，将其转化为[0，1]上的区间，然后直接在区间的层次上求各个对象间的相似度，在如此求出的相似矩阵的基础上，直接得出聚类的结果．该方法用区间值表示各个对象的属性值，可以更接近于每个对象的客观、真实情况，从而可以更大程度上保留信息．     

直接模糊聚类法

给出了一个利用模糊相似矩阵直接进行聚类的方法。     

一种改进的模糊聚类算法

针对现有聚类算法在参数输入、停机条件等方面存在诸多人为控制因素的问题,采用信息熵理论使聚类标准客观化,同时结合模糊聚类的思想,以隶属度作为信息熵计算的基础,并采用谱系的方法确定聚类数目,从而改进模糊聚类算法.研究表明,提出的基于信息熵的算法能够比较客观、科学地反映实际聚类情况.     

A dynamic fuzzy clustering method based on genetic algorithm

A dynamic fuzzy clustering method is presented based on the genetic algorithm. By calculating the fuzzy dissimilarity between samples the essential associations among samples are modeled factually. The fuzzy dissimilarity between two samples is mapped into their Euclidean distance, that is, the high dimensional samples are mapped into the two-dimensional plane. The mapping is optimized globally by the genetic algorithm, which adjusts the coordinates of each sample, and thus the Euclidean distance, to approximate to the fuzzy dissimilarity between samples gradually. A key advantage of the proposed method is that the clustering is independent of the space distribution of input samples, which improves the flexibility and visualization. This method possesses characteristics of a faster convergence rate and more exact clustering than some typical clustering algorithms. Simulated experiments show the feasibility and availability of the proposed method.     

模糊聚类分析在面料选择中的应用

运用模糊数学中的聚类分析方法进行面料小样的选择 ,使这一完全凭主观经验的过程得以量化 .从而能综合考虑选择面料的影响因素 ,避免单个人员意见的偏差 ,为选择面料提供了明确的数据基础 .     

基于MATLAB的模糊聚类分析及应用

将MATLAB应用于模糊聚类分析,给出求解模糊相似矩阵和传递闭包的算法.     

基于对应分析的冗余模糊C均值聚类算法研究

针对模糊C均值聚类（FCM）算法聚类原型最适合于球状类型簇的特点,提出了基于类间分离度和类内紧缩度加权的冗余聚类中心的FCM算法,即先将大簇或者延伸形状的簇（非凸）采用加权FCM算法分割成多个小类（冗余类）,从而规避FCM算法对初始聚类中心敏感的弱点．由于隶属度划分矩阵的元素是每个样本隶属于各冗余类的隶属度值,因此将其作为各冗余类的类特征,通过对应分析得到冗余类的新特征,再次采用加权FCM算法进行冗余类合并,最后达到分类效果．以代表曲线分割和曲面分割分类问题的3个典型数据集为算例,结果表明该方法能够识别不规则的簇,解决了FCM算法对初始聚类中心敏感的缺陷．     

用模糊聚类分析法评价服装加工性能

运用模糊数学中的聚类分析方法，综合评价面料的服装加工性能，使这一完全凭主观经验的过程得以量化，从而能综合考虑面料在缝制加工过程中的各个影响因素。为面料的选择和分类提供了依据。     

基于遗传算法的模糊聚类方法

针对模糊c 均值算法容易收敛于局部极小点的缺陷 ,将遗传算法应用于模糊c 均值算法的优化计算中 .算法采用实数编码 ,提高了试验精度 .实验证明基于遗传算法的模糊聚类方法能够在一定程度上克服初值的影响 ,跳出局部极小点 ,在大样本的聚类方面有较大的优势 .     

改进的基于模糊C-均值聚类的图像分割算法

目前的FCM类型的算法聚类数目的确定需要聚类原形参数的先验知识,否则算法就会产生误导.为了提高图像分割算法的抗噪性能,用K均值聚类算法简单、快速的优点对模糊C均值聚类算法进行改进.结合图像的邻域信息,对图像的直方图作均衡化处理,改善图像质量,通过自适应滤波,降低噪声对分割效果的影响.先用K均值聚类算法对图像进行分割,快速的获得较为准确的聚类中心和初次分割图像,避免了FCM算法中初始聚类中心选择不当造成的死点问题.用邻域灰度均值信息代替传统模糊C均值聚类算法中的灰度信息,对K均值聚类得到的图像作二次分割.该方法能更好的抑制噪声的干扰,提高了聚类算法的分割精确度.     

基于模糊聚类分析的手机流量销售方案

研究了不同人群对手机流量的需求问题,利用模糊聚类分析方法,针对不同年龄、不同职业、不同上网目的等的用户对手机流量的需求量分别进行聚类．利用F统计量得到最佳聚类方案．聚类结果及分析可以指导运营商设计合理的手机流量销售方案．