一种基于效用函数的系统划分聚类算法

提出了一种基于效用函数划分系统的聚类算法，本算法中给出的效用函数能同时兼顾系统划分的相关性、可理解性、整体性、可分离性等原则。     

一种面向混合数据的自反馈模糊聚类分析算法

利用动态自反馈理论改造模糊聚类过程,分析入侵数据类型及其在入侵中所起的作用,提出一种面向混合数据的自反馈模糊聚类分析算法,并用算法对KDD99数据集进行对比测试.测试结果显示,本方法能够有效提高入侵检测引擎的检测率,降低其误报率,增强计算机系统抵御入侵及自身免疫能力.     

酿酒葡萄理化指标与葡萄酒质量的灰色关联聚类分析

根据灰色关联聚类分析的基本原理,结合实例说明灰色关联聚类分析方法的使用.通过对酿酒葡萄和葡萄酒进行灰色关联聚类分析,从而对酿酒葡萄进行优、良、中、差的等级划分.该方法所需原始数据少,原理简单,运算方便,易于挖掘数据规律.     

一个粮食聚类分析系统的设计与实现

在构建粮食行业数据仓库的基础上,运用数据挖掘中的层次聚类分析方法和分裂聚类分析法,结合中国粮食行业的业务发展方向并充分考虑用户的热点需求,实现了一个完整的聚类分析系统,并针对粮食行业的业务特点对聚类分析中的各种问题提出了相应的解决办法,是粮食行业的数据仓库解决方案中的重要组成部分.     

模糊聚类分析系统的研究与实现

本文提出了一个在关系数据库中实现模糊聚类的模型系统，阐述了该系统实现聚类的方法和过程，对于如何减少噪声数据的干扰、提高聚类分析的有效性和增强算法的鲁棒性等方面，进行了研究和探索。     

基于萤火虫算法的岩体结构面优势产状聚类分析

传统的图形分析方法较为粗糙,且主观因素影响较大,因此提出一种基于萤火虫算法的岩体结构面产状数据划分的新方法.用结构面单位法向量表示结构面的产状,通过单位法向量所夹锐角正弦值来衡量结构面间的距离,并建立模糊目标函数,然后运用萤火虫优化算法搜索最优聚类中心,同时确定组间边界.由于萤火虫算法具有出色的全局寻优能力和较快的收敛速度,使得新算法在解决结构面产状划分问题时非常省时高效.最后应用此算法对怒江松塔坝址区平硐实测结构面产状数据进行优势组划分,结果显示,此方法合理有效,优势明显.     

聚吡咯/L-半胱胺酸/二硫醇混合自组装膜修饰电极制备的电化学研究(英文)

在不同比例 L-半胱胺酸 /二硫醇混合溶液中制备了混合自组装膜修饰电极。经过 L-半胱胺酸的还原脱附后 ,利用循环伏安技术研究了吡咯在 L -半胱胺酸 /二硫醇自组装膜修饰电极表面聚合的过程和影响聚合的几个因素。实验结果表明 ,下面的几个因素影响着吡咯在自组装膜上的聚合 :L-半胱胺酸在混合膜中的比例、支持电解质 p H的大小以及聚合单体分子的大小。     

降噪分层映射算法在多维聚类分析中的优化研究

为了在多维聚类分析中运用有效的深度特征选择方法排除冗余和无关的特征属性,学习数据元素的非线性关系提取最佳特征,提出一种降噪分层映射算法(DHM).首先,基于降噪自动编码器构建非循环神经网络,容错数据经过隐藏层加权和激活函数的训练获取输入数据的非线性关系得到特征空间,实现特征重构选取最佳特征.其次,特征空间用于调整自组织特征映射神经网,通过计算最小化加权平方欧式距离寻找匹配的获胜神经元.最后,结合特征选择网络和无监督聚类网络为降噪分层映射神经网,通过整体模型迭代训练,使权重参数和偏差向量同时得到优化,实现有效的无监督聚类方案.在真实数据集上的实验结果表明,同AESOM,DCSOM和S-SOM算法相比,DHM算法在提高聚类质量及准确性方面有更好的表现.     

图形处理器在分层聚类算法中的通用计算研究(英文)

ROCK是一种采用数据点间的公共链接数来衡量相似度的分层聚类方法,这种方法对于高维、稀疏特征的分类数据具有高效的聚类效果。其邻接度矩阵计算是影响其时间复杂度的关键步骤,将图形处理器(GUP)强大的浮点运算和超强的并行计算能力应用与此步骤,而其余步骤由CPU完成,这种基于GUP的ROCK算法的运算效率在AMD 643500+CPU和NVIDIA GeForce 6800 GT显卡的硬件环境下经过实验测试,证明其运算速度比完全采用CPU计算速度要快。这种改进的分层聚类算法适合在数据流环境下对大量数据进行实时高效聚类操作。     

一种基于密度和网格的高效聚类算法(英文)

聚类已成为数据挖掘的主要方法之一,能够帮助人们在大量的数据中发现隐藏信息。目前最具典型的密度聚类算法是DBSCAN(density-based spatial clustering of applications with noise),它能够在空间数据库中很好地发现任意形状的簇并有效地处理噪声,但是它的计算复杂度相对较大。因此,采用划分数据集和聚簇合并方法,提出了一种基于密度和网格的高效聚类算法DGCA,并通过人工合成数据集和真实数据集对该聚类算法进行理论验证。实验结果表明该算法在效率性能和质量方面比DBSCAN都得到了提高。     

基于混合模型的聚类算法研究

全面探讨了基于混合模型聚类算法的一般理论框架和聚类策略,介绍了国内外在该领域的最新研究现状,指出了该算法的局限性和存在的问题.     

管式间接蒸发冷却器管外亲水膜的实验研究

针对管式间接蒸发冷却系统中对换热管性能的要求,研发并制备了铝箔表面亲水膜,测定了该亲水膜的亲水性、持续亲水性,并据此探讨涂膜的亲水机理.实验结果表明,该亲水膜的亲水效果较好,水在表面的接触角小于10°;同时该膜有较好的耐水性能,在经过10个干湿循环后,水在表面的接触角仍然小于20°;加入表面活性剂后,涂膜的亲水性有明显改善;采用涂层法将该溶液整理在铝箔试样表面可以形成均匀且坚固的亲水膜,初期亲水性和持续亲水性都较好.     

基于BA的模糊聚类算法研究

模糊C均值聚类具有较广泛的应用,但该聚类算法本身存在容易陷入局部最优、对初始值敏感的缺点．本文提出基于蝙蝠算法与模糊c均值算法相结合的BAFCM聚类算法,并通过数值实验对比,说明BAFCM聚类效果优于FCM、PFA．     

试析直接法与间接法的关系

直接法与间接法是企业在现金流量表中列报现金流量的方法.本文阐述了最新会计准则中直接法与间接法的内在关系.直接法和间接法都反映经营活动的现金流量,两种方法都需要把权责发生制转换为收付实现制,两种方法编制现金流量所需的主要依据相同,但两种方法涵义不同,使用条件和特点也不同.     

一种改进的模糊C-均值(FCM)聚类算法

模糊C-均值(FCM)聚类算法受初始化影响较大,在迭代时容易陷入局部极小,鉴于遗传算法(GA)的并行全局搜索能力,文章将遗传算法引入进来对FCM聚类算法加以改进,并对所提出的新算法与经典算法的迭代步数和运行时间进行比较。实验结果表明:该算法与FCM聚类算法相比收敛速度更快,迭代步数更少。     

分类算法在中药科研中的应用及其进展

目的 研究分类算法在中药科研中的应用及其进展,为中药领域数据挖掘的相关研究提供有益的参考和借鉴。方法 利用国内知网、万方和维普等作为主要文献检索平台,整理文献建立研究对象文献数据库。结果 从311746篇文献中,整理得到345篇相关文献;分类算法的应用较多集中在中药药性研究、药物分析、药物安全性/毒性、方剂配伍规律和中药功效等５个研究子领域;且人工神经网络算法运用的范围最广,适用于中药科研的多个子领域。结论 分类算法在中药科研中应用种类多,且涵盖的研究范围广;不同数学模型的分类算法均有特色,应当结合中药数据的特点,优选不同的分类算法;通过改进完善传统的分类算法,更有利于充分发挥分类算法在中药传承和创新中的作用。     

基于核聚类算法的高校定位研究

提出一个基于核聚类算法的高校定位模型.引入核函数,将原始数据由数据空间映射到特征空间中进行聚类.核聚类算法经过了核函数的非线性映射,使原始数据的特征更完整地显现出来,从而使聚类结果更客观、有效,可以解决传统方法主观性强、偏差大的缺陷.将核聚类算法应用于我国16所高校定位的研究,结果表明该方法可行且有效.通过聚类结果的分析,提出高校可分为教学科研生态位协调型、低教学生态位高科研生态位型、高教学生态位低科研生态位型3类,并对不同类型高校提出发展建议.     

基于Pareto聚类免疫进化算法的发动机悬置系统优化与稳健性分析

文章在分析各种优化方法优缺点的基础上,建立发动机悬置系统6自由度动力模型.以6自由度方向的解耦率最大为优化目标,以各悬置点三向刚度为设计变量,选用免疫进化算法对发动机的悬置刚度参数进行优化,同时应用Pareto聚类算法从记忆种群中提取多个优化解,最后用Monte Carlo法对悬置系统进行稳健性分析.结果表明,优化解不仅能保证6自由度方向的高解耦率,还能保证悬置系统的稳健性,提高了产品的质量.     

基于先进聚类分析算法的管理系统研究与实现

介绍了基于先进聚类分析算法的管理系统,分析了系统架构以及中文文本聚类技术在系统中的应用,目前该系统在相关部门得到了初步应用。     

基于核心树的增量聚类算法研究

传统的聚类分析方法一般都没有考虑大容量数据集合的问题,而数据挖掘技术的研究重点之一就是如何从海量数据中高效率地获取知识。结合基于分类方法的K-means中心点算法以及基于层次方法的BIRCH增量算法提出核心树(Core-Tree)的思想来弥补两个算法的缺点,使用中心点的思想来表示BIRCH算法中汇总信息,利用类核心的思想来提高确定中心点的效率。因此,提出一种聚类算法,主要集中在如何提高大型数据集合的聚类效率、如何处理具有各种特征的数据集合。