一种基于最大信息系数预处理的k-modes聚类方法

为解决现有k-modes聚类方法因忽略了变量属性之间的弱相关性,常造成其在实际应用中聚类性能不佳的问题,提出一种包含属性弱相关性的新k-modes聚类方法。引入最大信息系数（maximum information coefficient,MIC)度量数据集中变量属性之间的相关性;将得到的MIC值与原有距离进行融合,建立包含属性弱相关性信息的新度量方法,以增强变量属性间相关信息的完备性,建立更加精细的k-modes聚类方法;调用3种不同的数据集,将新方法与原有的k-modes聚类方法和其他改进k-modes聚类方法的性能进行对比,并通过仿真结果表明了新方法的有效性。     

改进的聚类算法及在复杂大群体决策中的应用

针对现有FCM聚类算法中存在的局部极值和伸缩性较差等问题,提出了基于全部最小连通支配集算法(minimum connected donating set algorithm,MCDSA)的改进的聚类算法(minimum fuggy C-means,MF-CM)。用改进的聚类算法MFCM辅助复杂大群体决策(complex huge group-decision,CHGDS),定义了群体偏好矢量和群体一致性指标,提供了一种新的解决CHGDS中群体决策的理论和方法,并通过实验证明了该方法的有效性和稳定性。还提供了基于属性加权进化的群体一致性决策机制新思路。     

模糊偏好下基于属性二元关系的群体聚类方法

在多属性复杂大群体决策中,对决策成员的决策结果进行有效的聚类,是分析以及完成群体决策的基础。考虑属性间二元关系,用直觉梯形模糊数表示决策者的偏好信息,给出一种大群体聚类方法。该方法通过计算直觉梯形模糊偏好矢量的期望值得到群体成员期望偏好矢量。基于属性间二元关系形成期望矢量的属性关系矩阵,并以此为基础构造了两期望矢量的相聚度模型,同时提出了大群体聚类方法。最后通过算例以及算例结果与其他聚类方法比较,证明该方法的有效性和实用性。     

系统聚类方法及其计算机程序在农业生产中的应用

章简要地介绍了农业生产和科研中常用的系统聚类方法及其计算机程序设计，并附有程序和程序应用举例。     

灰色聚类分析法的改进及其应用

本文对灰色聚类分析法作出了改进，通过在煤矿安全中的应用实例表明，改进后的方法精确度高，实用性强。     

最优分类的模糊划分聚类改进方法

模糊划分模型聚类实质上是一个问题的两个方面。本文阐述了最优模糊聚类方法的理论与模型，指出了目前广泛使用的灵优失过程的缺陷，并提出了改进措施；实例研究表明，改进效果良好。     

改进的蚁群聚类算法及在多属性大群体决策中的应用

多属性复杂大群体决策中,对决策人员的决策结果进行有效地聚类,是分析以及完成群体决策的基础。针对蚁群聚类算法参数选取复杂、自适应性差以及随机性等缺点,提出了一种改进的蚁群聚类算法,该算法将决策群体成员对决策问题的若干个评价准则值转化成偏好矢量,以偏好矢量相聚度作为邻域相似度的计算公式,形成一个启发式聚类算法。通过一个算例计算说明该算法具有聚类质量高、自组织和鲁棒性的特点,适用于解决多属性复杂大群体聚类与决策问题。     

战场资源的裁剪与聚类方法研究

战场资源的裁剪是从战场态势的全局资源视图产生基于任务的战术视图。通过对功能能力、作战平台资源和作战任务的定义,提出了基于任务的作战资源实体剪裁方法,包括作战使命的分解、资源实体裁剪过程的数学描述以及作战资源实体分配到任务的匹配算法,并以联合战役为例,分析并设计了从联合战役作战资源的全局视图生成基于任务的战术资源视图。     

基于进化规划的FCMBP模糊聚类改进方法

分析了基于摄动的模糊聚类方法(fuzzyclustering method based on perturbation, FCMBP),指出指数复杂度的遍历过程是目前PC计算环境下难以处理十阶以上较高阶数模糊相似矩阵的原因.把寻求具有最小"失真"的最优模糊等价矩阵看作优化问题 来求解,提出了一种基于进化规划的FCMBP模糊聚类改进方法. 与FCMBP相比,该方法通过引入基于进化规划的优化技术避免了遍历过程,使其能够对高阶模糊相似矩阵进行处理. 得到的等价矩阵"失真"小于传递闭包法所得结果,从而获得更为精确可靠的聚类效果, 将FCMBP模糊聚类方法推广到能够处理高阶模糊相似矩阵的情形, 满足应用需要.     

图像分割的改进稀疏子空间聚类方法

提出一种基于改进稀疏子空间聚类的图像分割方法。首先将图像进行过分割得到一些均匀区域称为超像素,并提取超像素的颜色直方图作为其特征;然后建立特征数据的改进稀疏子空间表示并由此构造图相似度矩阵,最后利用谱聚类算法得到超像素的聚类结果并作为图像分割结果。实验结果表明,本文提出的改进稀疏子空间聚类方法具有良好的聚类性能,对噪声具有一定的鲁棒性;用于自然图像能够得到更好的分割效果。     

基于灰关联分析的K匿名方法及其在聚类中的应用

采用泛化和抑制技术对数据进行K匿名化处理,需要在数据的有用性和隐私保护度之间保持平衡。提出一种新的利用基于差异信息理论的灰关联分析实现K匿名的方法,利用数据序列之间的均衡接近度描述数据点之间的相似程度,据此进行相应的泛化和抑制操作,并将K匿名后的数据应用于聚类分析。在真实数据集上的测试验证了该方法的有效性。     

灰色综合聚类法的改进及其在河南省农村经济发展水平评价中的应用

一般灰色聚类及其改进方法的文献均是在灰色聚类系数向量分量的最大原则基础上给出聚类结果的。该类方法忽略了聚类系数向量最大分量之外的其它分量对聚类结果的作用。灰色综合聚类方法综合考虑了聚类系数向量各分量对聚类结果的作用,是对灰色聚类分析技术的重大发展。但灰色综合聚类法把综合聚类系数的取值范围平均分为s个等长区间的分法需要加以改进。提出了一种改进的灰色综合聚类方法,该方法在综合灰色聚类方法的基础上,以k±0.5为中间界点来划分综合聚类系数所属灰类的区间。并且证明了当一般灰色聚类法的聚类系数差异大于1-1/（s-1）时,改进的灰色综合聚类法和一般灰色聚类法的聚类结果相同。最后以河南省农村经济发展水平聚类为例进行了实证分析。     

组合聚类与最优核v-SVR融合方法在能源系统应用

针对能源复杂系统样本数量有限、变量维数高、偶合关系复杂等问题,提出了一种组合聚类算法和最优核v-支持向量回归机SVR融合的方法。该方法采用SOM自组织映射神经网络和K-means组合的聚类算法对初始样本集合进行聚类,构成不同核函数的子支持向量回归机SVR模型,再用均方误差标准（MSE）和小误差概率对其各核函数进行优选,得到最优核函数的v-支持向量回归机SVR模型。仿真结果表明,采用这种方法进行能源供需预测是有效的,其精度优于常规的支持向量回归建模方法。

Abstract：

A method of fusion strategy with Optimal Kernel v-SVR （Support Vector Regression） and assembled clustering algorithm was proposed,facing the issues of complex energy system like limited samples,high dimension,complex coupling.The assembled clustering algorithm was used to cluster the initial samples related to energy data to form sub-SVR models based on different Kernel functions,combining Self-Organizing Map （SOM） neural network with K-means algorithm.The Mean Square Error criterion （MSE） and small error probability were used to evaluate the Kernel functions to obtain the optimal Kernel v-SVR model.The simulation results demonstrate that the proposed method is valid for predicting energy supply/demand and its accuracy is superior to the conventional SVR method.     

可拓聚类预测方法及其在邮电业务总量预测中的应用

本文提出一种新的预测方法－可拓聚类预测方法,并用该方法进行邮电业务总量预测的研究。利用邮电业务总量和三大产业的生产总值的历史数据构造分类经典域和节域物元,应用物元和可订合中的关联函数,建立了业务量水平聚类预测的一种简单模型,通过聚类分析得到邮电业务量预测结果,本文利用我国某地区的实际数据分析计算,结果表明可拓聚类预测方法是有效的。     

模糊聚类分析法在油库消防管理中的应用

建立了判别油库消防等级的指标体系 ,介绍了应用层次分析法确定各因素权重的方法 ,提出了应用模糊聚类分析法对油库消防进行聚类分级的方法 ,并进行了实例分析.     

灰色趋势关联聚类及其在数据挖掘中的应用

分析了数据库中"贫"信息数据的特点,以及"贫"信息数据挖掘问题的要求。应用一般系统理论,结合灰色趋势关联度,研究了灰色趋势关联系统及数学模型。作为该模型的应用,提出了灰色趋势关联聚类方法。以某大型酒业股份公司仅有的少量商品销售数据为数据挖掘对象,应用灰色趋势关联聚类方法,按商品销售增长趋势,对各类商品进行了聚类分析,得到了一种符合销售实际的聚类结果,阐明了灰色趋势关联聚类方法的有效性、方便性和实用性。     

模糊C-均值中的最优聚类与最佳聚类数

根据模糊 C-均值(FCM)算法中的类中距与类间距构造一个新且简单的分类准则函数vZS ,利用迭代自组织分析技术(ISODATA)和遗传算法(GA)嵌套构成遗传-迭代自组织分析技术(GA-ISODATA)共同执行 FCM 算法的优化计算.通过与同类方法比较,该方法不仅能够在给定预分类数的前提下实现最优分类,而且可以在完全不需要人工干预的环境下直接根据分类准则得到模糊 C-均值中的最优分类与相应的最佳分类数.当运用其他分类准则进行分类计算时只需要修改遗传算法中的适应度函数,所以 GA-ISODATA 具有很强的普适性.     

武器系统的模糊聚类方法

提出用模糊聚类的方法对武器进行分类,并以１０种战斗机为例说明使用该方法的步骤,进而讨论如何利用分类结果找出某一类最有代表性的武器品种,以及对敌对双方的作战实力进行评价的问题     

一种FCM聚类算法的改进与优化

针对一种FCM聚类算法的一些不足 ,提出了具体的改进与提高的方法 ,并引入模糊决策理论 ,进行算法参数m的优化选择。改进后的算法 ,一方面有效地弥补了原算法中存在的不足 ,更好地解决了聚类数目选择等初值问题 ;另一方面 ,通过对参数m的优化选择 ,取得了较理想的聚类效果。最后给出了几种聚类算法对某数据样本集的聚类对比结果。     

基于K-means算法的改进蚁群聚类算法及其应用

基于化学识别的蚁群聚类算法无需给定聚类数目就能自动实现数据集的聚集,但大量采用随机策略使得蚂蚁达到平衡的运行时间长,效率不高。为此提出了一种用K-means算法做初次聚类、蚁群聚类算法再次聚类的新算法,结果表明该算法具有较高的正确率。最后将该算法应用于系统应用协同中,得到了较好的分析结果。