聚类优化后的多品种货物配载的容重比平衡法

首先采用聚类优化方式,将体积大、重量小的货物和体积小但重量大的货物聚合在一起,一方面符合实际配载过程中抛货和重货的结合原则,另一方面为下一步的容重比平衡法做出了基础.其次,采用改进后的动态容重比平衡法,将聚类优化后的货物配载装车.最后,运用Matlab进行编程,通过实例计算证明了上述模型和算法的有效性,而且求解的结果也显示出通过聚类优化的容重比平衡法配载结果更加符合实际配载运用.     

一种大批量多品种后向反馈容重比平衡货物配装法

货物配装问题是指一批不同类型的货物如何用最少车辆完成配载的问题。大批量货物是指1单货物由多个同体积和质量的单元(件数)组成,总量大于单个车辆装载量。针对大批量货物配装除了货物类型配装,还存在拆单(数量配装)问题。首先,利用线性规划方法分别按货物体积和质量进行车辆规划,根据货物的总容重比确定采用车辆规划类型,然后,以货物的总容重比和车辆容重比制定容重比平衡规则,当1单货物不满足容重比平衡规则时,用后向反馈法进行拆单,即根据后续待装货物容重比,确定当前载入货物的数量。该方法与其他两种方法对比,体积装载率分别提高18.7%和16.09%,质量装载率分别提高0.95%和8.57%,用实际商业物流配送数据试验,体积与质量装载率都达到87%以上。     

一种改进地标点采样的不平衡数据聚类算法

对不平衡数据进行聚类分析时,K-means聚类方法可能会错误地将分布在较小区域类别中的样本划分到大区域类别中;谱聚类算法,虽然可以有效优化数据结构,并很好地识别不同形状的样本,但却难以处理大规模数据.针对这些问题,提出一种改进地标点采样的不平衡数据聚类算法.该算法首先对不平衡数据进行预聚类以获得初始类标签,然后基于数据密度对数据进行采样.在此基础上,通过对采样数据执行K-means聚类,并将聚类中心作为地标点,对数据进行谱聚类分析.实验结果显示,该方法在处理不平衡数据时,不仅能够有效提高样本的聚类准确率,而且能够保证聚类结果的稳定性和精度.     

杂货船装运木材的稳性核算

货物的重量和体积只有参考数据或者没有数据,是杂货船装运木材经常遇到的问题,给货物配载和稳性计算带来了相当的不便.根据某船多年的装船经验,探讨了一种在装货过程中,对货物重量,尤其是甲板货的重量进行测算以及核算船舶初稳性高度的方法,为船舶驾驶人员在运输木材时正确装船提供了依据.     

公路货运配载问题的研究

论文需要解决如何实现高效的车辆与货物资源的最佳匹配,对货运配载问题做定性分析,将实际应用问题转化为数学问题,由于是对多件货物配载多部车辆的情况研究计算,因此,该问题就演化成一个较为复杂的组合优化问题。     

基于蚁群聚类的不平衡数据过采样方法

针对不平衡数据集的低分类准确性,提出基于蚁群聚类改进的SMOTE不平衡数据过采样算法ACC-SMOTE.一方面利用改进的蚁群聚类算法将少数类样本划分为不同的子簇,充分考虑类间与类内数据的不平衡,根据子簇所占样本的比例运用SMOTE算法进行过采样,从而降低类内数据的不平衡度;另一方面对过采样后的少数类样本采用Tomek ...     

一种基于光流和二级聚类的移动背景下的目标检测算法

针对现有的移动背景下的目标检测算法存在检测速度较慢、自适应性差和检测准确度不高的问题,提出了一种基于光流和二级聚类的移动背景下的目标检测算法;该算法融合了阈值自适应规则和基于优化检测结果的反馈机制。首先采用Lucas-Kanade光流跟踪算法和DBSCAN聚类算法提取出前景目标,然后采用改进的凝聚层次聚类算法将前景目标分类。在第一级聚类时建立基于初始聚类结果的自适应规则,实现了自适应地检测目标;在第二级聚类后,通过去除错误匹配特征点和阴影区域特征点优化检测结果;并将优化后的检测结果反馈给第一级聚类过程以更新适用阈值,使目标检测更准确。在多个视频库上进行验证,实验结果证明该算法检测速度快、自适应性良好、检测准确度高。     

基于指派问题的Bay位排箱优化模型与算法

提出了解决集装箱船全航线配载问题的分解算法,将配载问题分解为Bay位选择和Bay位中集装箱箱位指定两个子问题.主要研究了Bay位中装载同一目的港集装箱时,不同重量集装箱在Bay位中的排箱方法.以重心高度最低、横倾力矩最小为目标建立优化模型,将Bay位中不同重量集装箱排箱问题看成是箱位指派问题,采用禁忌搜索算法求解.实际...     

模糊聚类分析及应用的C＋＋实现

由于事物的区分通常具有模糊性,采用模糊聚类方法进行分类更符合实际.介绍了模糊聚类分析的基本思想,用Boole矩阵法进行聚类分析,并使用C++实现了一个模糊聚类分析系统中的聚类分析,通过形变监测网实例数据进行分析.结果显示,其分类结果符合实际要求.     

复杂系统故障诊断中的模糊聚类方法

为了提高复杂系统故障的诊断能力,采用模糊Ｃ－均值聚类算法对原始采样数据进行聚类,并通过模糊传递闭包法和绝对值指数法得到模糊Ｃ－均值法的初始迭代矩阵．用划分系数、划分熵和分离系数来评价聚类的结果是否最佳．采用模糊聚类方法可避免研究复杂系统的内部特性,比仅依据其外部输出的数据进行故障诊断方法简便．通过某飞行器测试系统的应用,表明采用模糊聚类方法后,提高了判别故障的准确率．     

基于量子粒子群的带障碍约束的空间聚类

空间聚类是空间数据挖掘研究领域中一个重要的研究课题,而传统的空间聚类方法往往忽略障碍对聚类结果的影响。本文在量子粒子群算法的基础上,研究了障碍约束的处理方法,并提出一种基于量子粒子群的带障碍约束的空间聚类算法,实验结果表明,该算法不仅有效地克服了聚类算法极易陷入局部极小值和对初始值敏感的问题,而且聚类结果比忽略障碍的量子粒子群算法更符合实际情况。     

基于数据密度感知的非平衡数据模糊聚类方法

非平衡数据分析是数据领域的重要问题之一,其类间分布的巨大差异给聚类方法带来严峻挑战.围绕非平衡数据聚类问题,分析了非平衡数据对模糊聚类方法的影响,提出了基于密度感知的模糊聚类方法.方法将数据分布密度特征嵌入模糊聚类初始化过程中,用于定位初始聚类中心点,避免了少数类中心点位置的消失,在此基础上进一步设计了基于密度的模糊聚类优化更新方法.经数据集分析验证,本研究方法能够有效解决非平衡数据分类中少数类消失问题,并且在聚类算法性能上比传统方法有明显提高.     

基于复合形的K-means优化聚类算法研究

为了克服K-means算法受初始点影响大、结果稳定性差的不足,提出了一种新的K-means优化聚类算法.介绍了复合形法的基本原理并将其做了一定修改以适用于K-means优化聚类,推导了一系列用于计算的公式,给出了具体的实现步骤与方法.通过算例说明,与其他几种方法相比,该方法结果稳定,计算效率较高,有着很好的推广应用前景.     

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。     

基于改进和声算法的有序样本聚类及其应用

标准和声算法只能解决连续型优化问题,而有序样本聚类属于离散型优化问题。将Fisher算法和和声算法相结合,提出一种改进和声算法,使之能够用于离散型优化问题,并利用其对有序样本进行分类。数值仿真实验结果表明,该算法分类结果符合实际。结论表明改进和声算法是一种全局最优算法,分类结果优于Fisher算法。     

基于马氏距离的模糊聚类优化算法——KM-FCM

为了解决以欧氏距离作为相似性准则的传统模糊聚类算法对多维数据处理不利的问题,采用马氏距离代替欧氏距离,对基于马氏距离的模糊聚类算法进行优化研究,以增强基于马氏距离的模糊聚类算法的聚类效果和能力。通过构造启发式搜索与k-means算法结合的初始优化方法,利用可以自动调节最佳聚类数的有效性函数,提出了一种优化算法KM-FCM,并将此新算法与FCM,FCM-M,M-FCM聚类算法在3个标准数据集上进行了实验。结果表明,KM-FCM算法有效,聚类精度比FCM,FCM-M,M-FCM高,对高维数据聚类识别能力强,具有全局优化作用,并且聚类个数无需提前设定。新算法可为基于马氏距离的模糊聚类算法的优化提供参考。     

基于max—⊙传递性的模糊聚类分析

由于∧算子太强，max-⊙合成时丢失信息较多，聚类较粗糙，有时聚类结果很不理想，甚至无法聚类，研究了比它弱的⊙算子，在max-⊙传递性的基础上，提出了max-⊙合成和一种max-⊙聚类自算法，因max-⊙合成法比较柔和，丢失信息较少，运用max-⊙聚类法进行聚类，效果更理想，它克服了max-min聚类法聚类粗糙的缺点。实例也证实了这一点。     

基于K-means聚类分析的变压器故障诊断

将K-means聚类算法在对事物分类中的优点用于判断变压器的故障中.并针对K-means聚类法在给定初始聚类中心不良的问题上进行改进.将改进的K-means聚类算法与三比值法相结合,以此来诊断变压器的多种常见故障.应用MATLAB分别对改进前后的K-means算法进行仿真,并将改进后的仿真结果同改进前K-means聚类算法的结果进行对比分析.结果表明,改进的K-means聚类算法不但能精确、有效地对变压器故障进行诊断,并且改进的K-means聚类法使仿真结果更加准确可靠.     

多目标成本下的集装箱船快速配载

为实现集装箱船的快速配载,在保证集装箱船结构强度和稳定性前提下,引入甲板下集装箱区配载问题(CSPB-DL),建立整数规划模型,设计相应的启发式算法,对实际集装箱(具有3个重量等级和4个目的港)进行配载,得到配载图.利用GAMS软件检验该配载方案的优化程度.结果表明,该配载方法在平均14 s内可使94％的集装箱成功实现配载,并使90％以上的集装箱实现最优配载,配载成本趋向最小.     

基于改进RBF神经网络的PID整定

针对非线性系统,采用了基于径向基函数（RBF）神经网络的PID整定。RBF神经网络参数的初始值直接影响收敛速度,本文通过聚类法优化初始值。仿真结果表明,基于聚类法优化的RBF神经网络收敛速度快,整定效果优于未使用该方法的整定结果。