全国粮食与人口地域差异的预测和聚类

本文选取我国改革开放以来各地粮食和人口的数据,对1995年粮食和人口的地区差异进行了预测,并根据粮食和人口的现状及预测结果对29个省级行政区进行了聚类和简要评价.     

有序样品聚类的全差异矩阵法

借助于任意两个样品之间的差异度和有序样品的全差异矩阵的概念，提出有序样品聚类的全差异矩阵法．聚类数和分割点可以容易地获得．通过例子说明了全差异矩阵法是简单、有效和准确的。     

菏泽地区人口—耕地—粮食复合系统的灰色预测及对策研究

利用ＧＭ模型预测了菏泽地区的总人口和耕地面积，用拓扑预测模型预测了其粮食总产，并对三者进行了关联度分析。根据预测及分析结果，探讨了解决人口，耕地和粮食之间矛盾的对策和措施。     

基于聚类的神经网络及其在预测中的应用

提出了一种基于聚类的神经网络算法，可以很好解决大样本情况引起的网络结构复杂、收敛性和泛化能力差等神经网络的固有问题．算法采用聚类算法为分类器，进行模式空间分解，以分类后的模式子空间为各样本集合，用神经网络集学习，最后根据重力模型计算检测样本对各样本子集的隶属度，整合各子空间的输出结果．通过实验对比表明该算法精度较高，容错性好．     

模糊聚类在电力负荷预测中的应用

根据电力市场负荷信息,结合相关历史数据与资料,分析电力市场的负荷走势,应用Matlab神经网络工具箱的信息处理技术,预测未来各月的负荷,为决策人员提供及时、科学的决策信息.应用相应的隶属度来描述负荷与影响负荷因素之间的关系.对安徽某地区的月负荷数据进行了具体计算,结果表明该方法的可行性和有效性.     

荷泽地区人口增长与粮食生产的中环分析

人类在自身生产过程中，粮食是最基本的需求，而粮食的生产与农业自然资源特别是土地资源的开发利用紧密相联，因而，人口－粮食－土地是一个复合生态经济系统。本文利用人－地关系的中环公式和灰色系统理论，对荷泽地区的人口增长和粮一产进行了分析和探讨。结果表明，到下世纪初，荷泽地区的粮食生产也只能保持平衡状态，不能实现向盈余的根本转变。     

灰色综合聚类方法的一种改进

在灰色聚类评估中,灰色综合聚类方法存在灰色聚类系数无显著性差异的评估问题,针对灰色综合聚类方法存在的问题进行了改进,提出了一种新的灰色综合聚类方法.并以一算例进行实证分析,证明了这种改进的方法更具有有效性.     

基于灰色聚类的组合预测单项模型选择

建立组合预测模型关键是单项预测方法的筛选,本文将采用灰色聚类分析方法对单项预测模型组进行筛选.首先依据所研究的实际问题,建立多个单项预测模型,然后计算每一个单项预测方法的点拟合相对误差,最后再利用这些数据,借助灰色聚类方法实行对比评估,构建组合预测模型需求的各个单项模型,以增强该模型预测的准确性.应用实例的分析表明该方法是可行的和有效的.     

基于改进聚类的电信客户流失预测分析

针对电信领域客户流失的问题,提出了改进聚类的客户流失预测模型。根据通信行业中实际客户流失数据的正负样本数量不平衡而且数据量特别大的特点,提出带有不同权重参数的改进聚类算法,并将其用于电信行业的客户流失预测模型中。通过实际电信客户数据集测试,与传统的预测算法比较,证明这种算法适合解决大数据集和不平衡数据,具有更高的精确度,能够取得较好的客户流失预测效果。     

减聚类在电力系统中长期负荷预测中的应用

分析了电力系统中长期负荷特性以及RBF神经网络的非线性功能,引入一种减聚类算法来选取网络隐层节点中心,并将该方法在Matlab下进行了仿真。将预测结果与实际负荷值、灰色理论模型得到的结果进行对比分析,结果表明采用减聚类算法的RBF神经网络模型在隐层节点选择上更加精确,用其建立的模型具有较好的预测精度,具有一定的实用价值。     

基于自适应差异演化的模糊聚类算法

在聚类分析中,模糊C-均值聚类(FCM)是一种广泛应用的算法,但由于它是基于梯度下降的,本质上是一种局部搜索算法,容易陷入局部极小值,且对初始值很敏感.本文提出一种基于自适应差异演化的模糊聚类算法(FCBADE),该算法利用差异演化良好的全局搜索能力,在全局范围内寻找最优解的近似解,然后由FCM算法在该近似解的周围进行局部搜索,最终得到全局最优解.同时为减少手工设置控制参数对DE算法的影响,采用自适应方式调整DE算法的控制参数.实验结果表明,该算法不仅有效克服了FCM算法易陷入局部极小值的缺点,而且明显地避免了对初始化选值敏感性的问题,也有较快的收敛速度.     

基于模糊聚类循环迭代模型的心脏病预测方法

心脏病已成为全世界导致死亡的主要原因之一,心脏病的预测和早期诊断对人类的健康具有重要意义.采用模糊聚类循环迭代模型对心电图进行分析处理,以期给医生提供对心脏病进行预测和早期诊断的辅助手段.描述了系统中使用的模糊聚类循环迭代模型,分析了病症与疾病的模糊关系和关联程度,并给出了实际应用的例子和性能评价.     

基于聚类的编网法矿体矿石模块品位预测

从知识发现角度出发,提出了一种新的应用聚类分析原理,结合矿体自身特点的矿体矿石模块品位预测方法.经过交叉验证,完全满足实际需要.     

基于随机森林与时空聚类的共享单车站点需求量预测

为方便准确地预测出城市共享单车站点的需求量,根据站点需求量的随机性和时变性,提出了一种基于随机森林和时空聚类的共享单车站点需求量预测模型;该模型研究了时间因子、气象因子以及关联站点对需求量的影响;应用分层聚类对站点进行了时空分析;结合对数优化后的随机森林作为预测器。面向湾区共享单车出行数据进行需求量预测。结果表明:该模型相比极限学习机、支持向量机与随机森林等经典机器学习算法在需求量预测方面有较好的预测结果,可为实际车辆调度提供参考依据。     

岩爆灾害的灰类白化权函数聚类预测方法

岩爆是高应力岩石地下工程中的地质灾害.将岩爆与其影响因素之间的关系作为灰色系统,提出采用灰类白化权函数聚类的预测方法对岩爆灾害进行预测.选取岩石弹性能量指数、脆性系数和围岩最大切向应力与岩石单轴抗压强度的比值作为岩爆灾害预测的主要影响因子,并构造了适于岩爆预测的各聚类指标的白化权函数.采用本文提出的方法对国内外一些岩石地下工程实例进行了分析,并与工程实际情况进行了对比,研究结果表明,本文提出的基于灰类白化权函数聚类的岩爆灾害预测方法具有较高的预测精度.     

滦河三角洲地区人口发展和粮食增长的协调分析

采用回归分析和灰色系统模型等方法，对滦河三角洲地区人口发展和粮食增长过程进行了预测；为协调人口 与粮食的关系、制定综合开发规划提供依据。     

基于山峰聚类的聚类上限确定方法

文章提出了一种基于山峰聚类的聚类上限检测方法,依靠山峰聚类确定聚类数目的上限,仿真试验表明,这种方法能将聚类上限确定在一个合理的范围之内,从而加快聚类的效率.     

基于聚类时间序列法的电力负荷预测

本文在传统时间序列法的基础上,提出了一种利用聚类方法进行分析的负荷预测方法,利用该方法对某市的电能负荷进行预测,得到了较精确的结果,表明该方法能为电力负荷的预测提供有效的参考。     

基于聚类中心分离的模糊聚类模型

在模糊C-均值聚类（FCM）目标函数的基础上按聚类中心分离原则增加一个聚类中心分离项来扩展FCM算法,提出基于聚类中心分离的模糊聚类模型(FCM_CCS)。该模型可使聚类过程中的聚类中心之间距离扩大,从而得到更好的聚类效果。由于该模型和FCM一样对噪声敏感我们提出它的可能性聚类模型(PCM_CCS),最后进一步扩展成它的可能性模糊聚类模型(PFCM_CCS)。基于聚类中心分离的可能性模糊聚类模型在处理噪声数据和克服一致性聚类问题方面表现出良好的性能。对数据集的测试实验结果表明了提出的PFCM_CCS能同时产生模糊隶属度和典型值,使聚类中心间距扩大,同时具有更好的聚类准确率。     

灰色聚类评估在煤矿突水预测中的应用

为了减少煤矿突水带来的危害,准确掌握煤矿发生突水的可能性,采用灰色聚类评估方法,建立矿井突水预测模型,进行矿井突水预测。实例表明,灰色聚类评估方法在煤矿突水预测中可以取得满意的预测精度,预测结果更加可靠。该方法在煤矿突水中的应用进一步拓宽了灰色聚类理论的应用范围,并为煤矿突水的准确预报提供了一种新的方法。