泛系聚类与不动泛系定理的新形式

本文把 E_s 泛系聚类推广到一般二元关系 g(?)F×G 的情况,研究了它与隐模拟、硬模拟以及 E_s 泛系聚类的关系,同时描述了不动泛系定理的一种新形式,包括Kakutani 型不动点定理的另一推广。     

泛系观控相对性原理

本文深化泛系观控相对性原理(泛性相对律)的研究,指出了它与认识论、控制论的一些具体关系,给出了许多释例。《泛系经·相对律》:主客观控联方法,加联环境动网化,六元互网显生克,泛网相对六元化。     

泛系生态学的一些概念与原理

本文研究泛系生态学的一些概念与原理,对传统生态学的一些概念与问题提供了泛系模型与方法,具体內容涉及生态位,生态系统,生态型,相克泛权网络,种群动态模型建模原则,泛系因果泛导法与泛系聚类,唯象理论,综合评判和缩影互诊等。泛系生态学指对广义系统在泛环境大系统中的泛系研究,包括用泛系方法来概括、泛化或研究生态学的一些原理。除开传统生态学的泛系化研究外,对社会生态与成才生态,泛系理论已有一些新的探索。诸如泛系理论中的三层法、扩变法、均衡律、竞标律、升华律、成才法等都涉及广义环境或泛环境的问题或研究。     

部分甘蓝型油菜双低品种(系)的遗传多样性评估

以46个甘蓝型油菜双低品种(系)作为研究材料，利用37种多态性丰富的随机引物进行了RAPD分析．结果表明：所有研究材料分为3大类，所得聚类结果与系统聚类基本一致，说明利用RAPD标记可以进行聚类分析；从聚类结果来看，材料26(谷城168)与其它材料差异很大，可能具有较大的利用价值；另外，大部分参试材料差异并不明显，说明培育更多的优良自交系仍是油菜双低育种工作的重要内容．     

泛系观控性、泛系逻辑与乏晰性——泛系分析的研究与应用(Ⅳ)

本文继续了文献[1—6]的工作,对数学研究给予一种新的统一的描述,对Zadeh和Poincaré两类乏晰概念给予推广,并且把kalman的观控性发展为泛系观控性,把黑箱原理发展为泛箱原理、泛系观控律、会诊原理与泛系抽样律,把Boole差分推广为泛系差分,把Bellman—秦裕瑗原理发展为泛系运筹投影原理.另外,本文把传统逻辑(二值逻辑、多值逻辑、乏晰逻辑、陈廷槐四值逻辑、积空间扑拓学等)的某些基础研究发展为泛系逻辑.     

面向网络舆情的文本知识发现算法对比研究

针对网络舆情分析领域,研究了系统聚类、String Kernels、K最近邻算法(K-nearest neighbor,KNN)、SVM(support vector machine)算法以及主题模型5种聚类算法。以网络舆情数据为对象集,以R语言环境为实验工具,比较了这5种算法的优势与劣势,同时进行了仿真实验。实验结果表明,主题模型相对于其他算法在文本聚类方面具有更好的适用性,其中,主题模型中的CTM(correlated topic model)方法更适合于类别关系的探索与发现,而Gibbs抽样方法则在文本聚类上的表现优于CTM方法。     

动态规划的泛系研究

本文推广了泛系运筹缩影原理的原有研究,给出了更具体的形式,使成为Bellman原理的直接推广;讨论了最优化原理成立的条件。在由泛系泛权网络定义的优化模型上讨论了N阶优化问题,从而在相当广泛的条件下证明了所有子策略的优化阶的和不超过原策略的优化阶。这些结果给出了利用并行算法解动态规划问题的可能性。利用泛系方法论的观点与方法去研究广义网络,就称为泛系网络分析。泛系网络与动态规划相结合,已在六、七个方向上补充、推广和发展了Bellman原理。若把动态规划中的网络看成一个系统则Bellman原理不外是指整体优化以局部优化为必要条件。而对于网络来说,局整关系又可以约化为一定的形影关系。从这一框架出发,文献[1]提出了泛系运筹缩影原理,它的特化形式N阶优化原理又以Bellman原理为其特例。文[2]深化了N阶优化原理。本文发展和推广了这些结果并讨论了泛系运筹缩影原理(特别是Bellman原理)成立的条件。     

基于核相关性保持的子空间聚类算法

针对基于自表示的子空间聚类算法仅线性重建原始数据而忽略了数据流形结构的问题,提出一种核相关性保持的子空间聚类(SCKCP)模型,该模型旨在学习一个用于谱聚类的高质量关系图。首先,在可再生核希尔伯特空间中最小化核矩阵的重构误差,使学习到的关系图能够有效地捕获原始数据的全局结构关系;其次,松弛的块对角正则化项使关系图保持利于聚类的块对角结构。实验表明,在7个基准数据集上,与6种流行的聚类方法所获得的最高精度相比,SCKCP的聚类精度(ACC)提升24. 11%,标准互信息(NMI)提升16. 87%。     

似近概念的泛系逼近表示

七十年代以来发展的泛系方法论(PM),开拓了一个新的富有生命力的研究领域,对事物的广义系统对称、转化和关系作了科学的概括和形式化分析,为交缘学科的研究提供了新的工具。泛系方法论的一个重要内容——半等价关系理论发展和深化了庞卡勒的思想。与此同时,波兰数学家Pawlak提出了粗略集合的概念与理论,开辟了Fuzzy集的又一研究途径。作者也曾对半等价关系的代数性质作过探讨,本文则进一步从半等价关系理论出发,研究更为一般的粗略集合,从而为知识(尤其是不完全知识)的表示与利用,提供有力的工具和理论依据。通过这一工作,使近似概念的泛系逼近表示得到较好的处理,且更为适应于人工智能中关于知识表示、自然语言处理、似然推理等分支的需要,并导致划分理论、聚类分析、测度论等学科的更为丰富的研究。     

基于AFS优化初始聚类中心的GK聚类模型

Gustafson-Kessel(GK)聚类算法可以有效地搜索超椭球、平面和线型的数据类,但仍然存在对初始聚类中心较敏感、易于陷入局部最优的缺陷.为此,文中根据鱼群觅食与聚类的相似性,利用人工鱼群(AFS)算法对聚类中心进行初始化,提出了改进的G-K聚类算法,并利用人工数据集和IRIS数据集进行仿真研究.结果表明,文中算法能有效地发现数据集中的聚类结构,聚类效果优于GK聚类算法.     

大坝变形蚁群聚类径向基函数神经网络安全监控预测模型

本文研究了蚁群聚类法和径向基函数神经网络的基本原理,结合大坝变形安全监控的要求,探讨了大坝变形监测数据聚类处理方法,构建了径向基神经网络隐层基函数,由此表征了大坝变形规律的影响因素与变形之间的非线性映射关系.通过上述研究,建立了大坝变形蚁群聚类径向基函数神经网络(ACC-RBF)安全监控模型.实例分析表明,所提出的模型比传统的径向基神经网络模型预测精度更高.     

改进模糊聚类算法及其在入侵检测中的应用

针对将数据集隶属度概率和为1的条件用于模糊性事件时,影响聚类的正确率的情况,在不确定理论的基础上,研究了数据隶属度问题,提出一种新的基于隶属关系不确定的可能性改进模糊聚类算法.该算法在迭代过程中将聚类的可能隶属度与不确定性隶属度引入到目标函数中,使得样本中的元素不局限于仅属于一个聚类,与现有的聚类算法相比具有更好的聚类结果.通过在KDDCUP99数据集上实验,验证了该算法在入侵检测中的检测率为95.8%, 分别高于K-均值算法的检测率(60.4%)和FCM算法的检测率(64.6%).     

万寿菊品种(系)耐寒性评价

采用硫代巴比妥酸法测定了27个万寿菊品种(系),在温度急剧下降期间叶片中丙二醛(MDA)含量的变化,并用聚类分析法对其耐寒性进行了综合评价。结果表明:当连锁距离D=2.87时,受测万寿菊品种(系)分为4大类;其耐寒性强度依次为:第Ⅰ类>第Ⅱ类>第Ⅲ类>第Ⅳ类。     

李三系的泛覆盖

研究了李三系的中心扩张和3-上循环的关系,引人了李三系的泛覆盖,并建立了李三系存在泛覆盖的充要条件.     

基于独立的Gaussian与Beta有限维混合模型的聚类算法

对基于独立的Gaussian与Beta有限维混合模型的聚类算法进行了探讨与研究,并在此基础上提出一种新的聚类算法-BGMMn聚类算法,给出算法流程。通过数据模拟比较了四种聚类算法(BGMMn,BGMMs,BGMMa,BGMMh)对聚类数目估计的准确度,BGMMn算法的准确度优于其他3种聚类算法。     

基于偶对约束和马氏距离的半监督模糊聚类算法

研究了基于偶对约束的半监督模糊聚类,将马氏距离引入到半监督模糊聚类SCAPC(semi-supervised fuzzy clustering algorithm with pairwise constraints)中,获得了一种新的半监督模糊聚类目标函数,通过求解优化问题,提出了一种基于偶对约束和马氏距离的半监督模糊聚类算法M-SCAPC(Modified-SCAPC).针对选择的标准数据集和人工数据集,对提出的算法M-SCAPC进行了实验研究,并与FCM(fuzzy C-means)、AFCC(active fuzzy constrained clustering)和SCAPC算法的聚类性能进行了比较,表明了提出的算法M-SCAPC在收敛速度和正确率方面的有效性.     

泛系逼近与泛系商化的一些数学模型

本文给出泛系摄影的几种数学模型,它同时拟化泛系逼近与泛系相对律和泛系观控性的一些典型情况。另外研究了与泛系逼近的泛系商化分析的一些数学形式,它把各类聚类分析及其推广、群体分析、阶层与阶级分析、控制论方法、黑箱方法、排序方法、简化法、泛导法、相容泛对称定理等联系起来。本文给出了十多个数学定理,可以引申出一系列对系统科学、方法论的数学研究,为进一步发展逼近转化论与泛系逼近论提供参考。     

可变模糊聚类及模式识别统一理论与模型

提出了可变模糊聚类及模式识别的统一理论与模型.统一模型的特点是可变模糊模式识别模型为可变模糊聚类模型的特例.给出了可变模糊模式识别模型的4种参数组合:(1)α=1,p=1;(2)α=1,p=2;(3)α=2,p=1;(4)α=2,p=2.给出了c=2时模糊模式识别4种优选决策模型之间的关系.统一理论与模型可以提高模糊聚类、模式识别、优选决策的可靠性.     

融合相对密度与近邻关系的密度峰值聚类算法

密度峰值聚类算法(density peaks cluster,DPC)是一种基于密度的聚类算法,该算法可以聚类任意形状的类簇.在类簇间有密度差距的数据集上,DPC不能准确地选择聚类中心.DPC的非中心点分配策略会引起连续错误,影响算法的聚类效果.模糊k近邻密度峰值算法(fuzzy k-nearest neighbor DPC,FKNN-DPC)是一种改进的DPC算法,该算法采用边界点检测并结合2步分配策略来避免连续错误.当类簇间有密度差距时,FKNN-DPC的边界点检测效果不理想,此外,其非中心点分配策略缺乏对样本近邻信息的考虑.定义相对密度(relative density)并结合近邻关系(nearest neighbor relationship)提出RN-DPC算法解决上述问题.针对DPC因为类簇间的密度差距而不能准确选择聚类中心的问题,定义相对密度用于消除类簇间的密度差距.基于反向k近邻关系检测边界点并且引入共享最近邻关系来对FKNN-DPC的分配策略进行改进.RN-DPC算法在人工数据集和真实数据集上分别与不同的聚类算法进行了对比,实验结果验证了RN-DPC算法的有效性和合理性.     

基于PSO的WFCM算法研究及其在医保欺诈行为发现中的应用

【目的】在没有先验知识的前提下,采用基于粒子群优化算法(PSO)的加权模糊C-均值(WFCM)聚类算法,从30多万条记录的医疗保险数据中挖掘出疑似医疗保险欺诈的记录。【方法】首先,引用改进的欧式距离、相似性函数以及交叉熵函数并通过PSO算法极小化交叉熵函数,对属性权重进行分析;其次,选取Calinski-Harabasz(CH)有效性指标,展开聚类有效性的研究;然后,基于数据预处理的结果将数据运用于PSO算法,不断更新得到各属性的权重,并运用聚类有效性评价中的CH有效性指标来动态估计最佳聚类个数,提高FCM聚类的速度;最后,将属性权重和最佳聚类数应用于FCM聚类算法,根据隶属度矩阵聚类得到疑似医疗保险欺诈结果。【结果】基于上述研究方法,本研究根据最后的隶属度矩阵来进行聚类分析。【结论】将优化的权重应用于加权FCM聚类算法与聚类有效性评价,既提高了聚类算法的高效性,又避免了主观评价对分类的影响。