基于Web挖掘的路径划分模糊聚类算法的研究

采用路径划分聚类算法,对Web用户访问路径进行划分,然后根据其相似度进行聚类,依据分类系数和平均模糊熵来判定簇个数的最优解,得到较好的聚类效果,为最终挖掘出用户的访问模式奠定了良好的基础．实验发现簇中心偏移次数明显减少,中心长度有所提高,证明算法具有较好的效率．     

元素填入式MIS子系统划分方法

ＭＩＳ子系统划分问题以往主要采用ＢＳＰ法的Ｕ／Ｃ矩阵与模糊理论的聚类分析,划分结果的评判含有较多的经验成分。本文提出一种元素填入式的ＭＩＳ子系统划分新方法。以综合考虑子系统内与子系统间耦合程度的系统耦合比为评判标准,在所有可能的子系统划分方案中选定最佳划分。在实际应用中该方法已取得了理想的效果。     

模糊C-均值聚类算法的改进研究

模糊C-均值聚类算法通过迭代的爬山技术来寻找问题的最优解,是一种局部搜索算法,容易受初始值的影响而陷入局部极小值.遗传算法是一种应用广泛的全局优化算法,是一种与求解问题无关的算法模式,能够有效解决模糊C-均值聚类算法对初始化敏感的问题,利用改进后的遗传算法能更好地解决聚类问题.     

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。     

一种基于网格划分的模糊聚类算法

提出了一种改进的模糊聚类算法GBFC(Grid—Based Fuzzy Clustering)．在定义隶属度函数前先做网格划分，形成数据簇的基本形状，并提供真实的参数信息参与此后的隶属度函数定义．隶属度函数综合考虑了影响簇形状的因素，具有合理直观的几何意义且形式简洁．算法通过网格划分加速聚类过程，通过模糊隶属度函数容忍噪声数据，克服了传统模糊聚类算法时间耗费量大的缺点．实验表明该算法具有良好的聚类性能．     

用模糊聚类法划分旋风除尘器类型

本文运用模糊聚类分析法，综合考虑旋风除尘器的除尘效率、压降和钢耗等因素，将现有的旋风除尘器分为四类。本文详细叙述了它的分类方法和步骤。此分类法直观、实用。     

一种基于集合划分的鲁棒性自适应模糊聚类分割算法

模糊C均值算法(FCM)是图像分割最常用的算法之一,这种方法需要提前确定初始聚类中心和聚类数.为此,提出了一种新的自适应模糊聚类算法(AFCM),AFCM算法中构造的观察矩阵、判断矩阵和集合划分可以自动确定合适的聚类数.为了得到更好的图像分割效果,采用核距离作为相似性度量,提出了一种鲁棒性自适应模糊C均值算法(RAFCM).实验结果表明,与FCM算法相比,AFCM和RAFCM算法不仅能自动地确定聚类数目,还可以得到更好的图像分割质量.     

基于模糊贴近关系的模糊聚类及其有效性

讨论了模糊聚类的两个基本问题：聚类方法和有效性评价，作为通常模糊等价关系聚类方法的扩展，给出了一种用三角算子和模糊贴近关系进行模糊聚类的方法，同时以样本原始信息和聚类结果为基准，提出了一种度量聚类有效性的方法。最后的例子表明该方法是有效的。     

基于直觉模糊熵的直觉模糊聚类

Atanassov直觉模糊集合是对Zadeh模糊集合最有影响的一种扩充和发展,将模糊聚类扩展为直觉模糊聚类,具有重要的应用价值。在研究将模糊聚类扩展为直觉模糊聚类时,提出了一种基于熵最大的直觉模糊聚类,并推导了迭代求解的算法。典型实验表明,直觉模糊聚类的性能优于模糊聚类,提高了聚类的正确率。     

关于FCMBP模糊聚类方法的修正

对于基于摄动的模糊聚类方法中参数系个数的估计作了修正，并基于修正后的结果重新设计了算法。关于该算法，通过一个实际例子，分别用FCMBP模糊聚类方法和普通的传递闭包法进行聚类，把所得的2种不同结果作了分析和比较。     

基于改进遗传算法的模糊聚类研究及应用

模糊C-均值聚类算法是一种局部搜索算法,采用迭代的爬山技术,对初值敏感易陷入局部最小值。遗传算法是一种全局优化算法,能够克服模糊C-均值聚类算法陷入局部最小值的问题,但遗传算法收敛速度慢,易早熟。应用小生境思想对遗传算法进行了改进,以保护种群中基因的多样性,设计了基于最短距离的算术交叉算子、边界变异算子及双精英种子参与进化的策略。仿真实验结果表明,改进后的算法能够提高模糊聚类的收敛速度和聚类质量。     

基于灰色模糊聚类分析的长江水质的综合评价

运用灰色模糊聚类分析的方法,对长江沿线17个水域的水质进行综合评价。根据溶解氧（DO）、高锰酸盐指数（CODMn）、氨氮（NH3-N）各项特征因子的数据,计算灰色关联系数和关联度,构造相似矩阵。根据模糊动态聚类分析方法,确定不同的λ阈值,对长江沿线17个水域的水质进行分类。结果表明,灰色模糊聚类分析法对于水质的评价是可行的。以灰色模糊聚类分析法对水质进行评价是不需要建立评价的分级标准,可以根据评价对象的实际情况进行最优聚类分析。     

基于拓扑聚类的密度聚类算法研究

聚类分析是重要的数据挖掘方法,在商务智能、地理信息系统、医学等方面有广泛的应用.随着聚类分析的蓬勃发展,涌现出了许多聚类算法,其中最重要的算法之一是基于密度的空间聚类以及其多种变种——基于密度连通链、基于加权密度、基于引力连通集合的算法.这些算法在概念上相似但没有统一的描述.本文针对基于密度的空间聚类及其变种提出了拓扑的概念.给出了聚类拓扑结构的定义,把簇定义为拓扑连通集合.此外,本文运用全新的拓扑思想改进典型的算法,提出了一种拓扑聚类的新算法.实例证明此算法有效.     

淮河流域水污染问题的模糊聚类分析

从淮河流域水质发展状况出发,采用模糊聚类法,利用环境、社会、经济的相关指标,对淮河流域水污染问题进行分类,指出:对沿淮第二产业发展的管理控制是当前淮河治污的重点.     

实现减小Fuzzy聚类失真的一种方法

研究Fuzzy聚类的失真问题．首先，基于Fuzzy相似矩阵的传递闭包给出一种相似矩阵的“进化”方法．随后，从理论上证明了由该方法得到的矩阵一定是等价矩阵．该等价矩阵与传递闭包具有相同的聚类类群，并且它与原相似矩阵的距离不大于传递闭包与原相似矩阵的距离．最后，给出一个基于上述相似矩阵“进化”思想的聚类算法，并借助实例验证了该算法的有效性．     

一种基于模糊聚类和遗传算法的模糊神经网络模型的学习算法

提出了一种基于模糊聚类和遗传算法的模糊神经网络的学习算法,采用 模糊Ｃ－均值聚类算法进行模糊神经网络模型的结构辨识,得出最优或次优的模 糊规则数,采用改进的遗传算法进行系数辨识。仿真结果证明该算法是可行和有 效的。     

模糊聚类概念的推广及应用

模糊聚类是一种语言近似方法。它是采用模糊数学的方法根据对象的各种属性（或因素）按某个预定的指标进行分类的一门多元分析技术。经过对基于模糊等价关系的聚类方法的分析，结合运筹学的决策思维习惯，笔者提出了相异的概念来增强其功能，给出了相应的运算收敛的数学证明，并用华北地区雨量预报的历史数据进行检验，给出了语言近似和决策思想的结合是当前使用计算机系统处理智能问题有效途径之一的思路。     

基于包含度的犹豫模糊属性约简

将模糊集的包含度拓展到犹豫模糊集中,针对属性值为犹豫模糊元的决策问题,提出了一种犹豫模糊信息系统的属性约简方法。首先,给出了犹豫模糊包含度的公理化定义和不同形式的计算公式;然后,计算决策条件选择,得到条件属性重新组合后的犹豫模糊信息系统,再计算组合的条件属性在决策中的包含度,得到相应的决策规则;最后通过逐项删减条件属性,得到最大决策约简集,并通过实例表明了该方法的有效性和可行性。