基于相关阵的聚类分析

聚类分析是一类很重要的统计分析方法,有着广泛的应用。利用相关矩阵来进行聚类分析,对于高维的数据,将数据表示成相关矩阵,然后通过相关矩阵的函数变换来进行聚类。通过对一类相关阵迭代的Concor算法的探讨,给出了该方法的相关性质及利用该算法的聚类方法,并结合Matlab编程。给出了三、四、五阶Concor算法矩阵序列的收敛不动点。     

基于聚类分析的P2P流量识别

通过使用聚类分析的方法来进行P2P的流量识别.首先给出P2P流量的特征,接着定义聚类特征树,然后通过扫描从网络中截得的数据得到相应的初始聚类树,最后计算初始聚类的贝叶斯信息准则值得到最终聚类结果.该方法能有效利用存储空间,避免了存储所有数据对象.同时还能够根据数据特征自动得到聚类数目,减少人为因素的影响,与K均值算法相比较优.     

一种基于空间邻接关系的聚类算法及实现

空间聚类分析是空间数据挖掘的一种方法,空间聚类分析能从空间数据库中直接发现一些有用的聚类结构。在此引入了一种基于邻接关系的空间聚类算法,该算法可以实现对空间复杂地理对象的聚类分析。在具体的模拟试验中,利用该算法可以将相邻的并且符合选取条件的空间目标聚类成一类。     

一种基于多指标语言评价信息的聚类方法

针对一类特征指标值和指标权重均为语言评价信息的聚类问题,提出了一种新的聚类分析方法.首先对基于多指标语言评价信息的聚类问题进行了描述;然后依据传统的基于数值信息的编网模糊聚类分析方法的基本思路,在将语言短语转换成三角模糊数的基础上,给出了解决多指标语言评价信息聚类问题的计算步骤.最后,通过给出一个算例说明了所提出的聚类分析方法.该聚类方法拓宽了编网聚类分析方法在解决基于多指标语言评价信息聚类方面的应用.     

基于土地规划的空间聚类算法

为了实现对空间复杂地理对象的聚类分析,引入了一种空间聚类算法,并将其应用于土地规划中.在具体的模拟试验中,利用该算法将相邻的并且符合选取条件的空间目标聚成一类,实现了能够发现任意形状并满足特定约束条件的聚类.     

一种基于部分样本类别判定的聚类分析方法

针对传统聚类分析中,指标权重一般由专家直接给出,然后再在此基础上进行聚类分析的不足,提出了一种基于部分样本类别判定的聚类分析方法.首先对部分样本进行类别归属判定,然后利用类内聚类样本之间的距离应尽可能小的原理建立规划模型,通过"反推"的方式诱导出合理的权重信息,再据此进行样本聚类.该方法主要用于解决聚类样本较多,且聚类样本的指标权重难以显性确定情况下的聚类分析问题.最后给出的一个算例验证了所提方法的有效性.     

一种基于区间数多指标信息的聚类方法

针对一类特征指标值及指标权重均为区间数的多指标信息聚类问题,给出了一种最大树聚类分析方法·首先对区间数多指标信息聚类问题进行了描述;然后依据传统的基于数值信息的最大树模糊聚类分析方法的基本思路,给出了解决区间数多指标信息聚类问题的计算步骤·最后,通过给出一个算例说明了所给出的聚类方法·     

一种柴油机燃油系统故障诊断的新方法

提出一种基于小波变换和模糊C-均值聚类分析的柴油机燃油系统故障诊断方法.对测得的柴油机高压油管压力波形进行小波变换,提取了反映故障状态的5个特征参数.给出了模糊C-均值聚类算法的原理及一般步骤,指出用划分系数、划分熵和分离系数可以评价模糊聚类的有效性.利用模糊C-均值聚类算法建立标准故障特征模式,通过待识样本与标准模式的贴近度计算和比较,可以完成故障模式的模式识别.该方法应用于柴油机燃油系统的典型故障诊断中,测试表明采用小波分析和模糊C-均值聚类分析后,提高了判别故障的准确性.     

模糊K-m eans算法在临床路径决策中的应用

针对临床路径决策分析聚类算法中聚类效果依赖于样本数据分布且处理数据效率低的问题,提出基于均衡分配方法的模糊K-means算法的临床路径决策方法.该算法利用文字数字化处理与加权计算来建立数据格式统一且关键属性突出的样本特征值矩阵;利用基于均衡分配方法的模糊K-means算法对上述样本进行聚类分析,得到最终的聚类中心与聚类结果,以此辅助医生进行临床路径决策.采用ECLIPSE编程进行仿真,与传统模糊K-means算法和基于减法聚类的FCM算法相比,采用该算法的迭代时间分别降低了26%与70%,迭代次数分别减少了33%和82%,平均目标函数最小值分别减小了32%和28%.实验表明,该算法能够有效降低聚类效果对于样本数据分布的依赖,同时数据聚类效率与质量也有显著的提高.     

智能单粒子优化算法在聚类分析中的应用

针对K-均值聚类算法存在的缺陷,将改进的粒子群优化算法———智能单粒子优化算法（ISPO）应用到聚类分析当中来,提出一种混合聚类算法ISPO＋K-means.该算法分为两个阶段：第一阶段利用ISPO算法较强的全局寻优能力形成初始聚类,第二阶段将初始聚类结果通过K-means算法形成最终聚类结果输出.与K-均值聚类算法和...