模糊聚类分析的传递方法

针对常规模糊聚类分析在履行模糊相似关系时存在的复杂矩阵害虫乘运算问题,提出了模糊聚类递算法,通过设置主水平λ,直接从模糊相似关系获得聚类结果,并证明该方法与传递闭包法等价,但时间复杂度和空间复杂度都要远远小于传递闭法。     

改进的模糊聚类分析方法在MATLAB中的实现

聚类分析就是用数学的方法来研究和处理给定对象的分类.本文通过具体的实例研究,用Matlab这一数学工具编程实现了模糊聚类分析方法.同时对得到的结果通过隶属度的加权进行了修正,得到了更符合实际的分类.     

基于聚类分析的改进微粒群算法

聚类分析是依据样本间关联的量度标准将其自动分成几个群组,使同一群组内的样本相似,而属于不同群组的样本相异的一种方法．在微粒群算法中由数量不等的粒子根据规则组合成不同的群体,所有的群体最终将会向着一个全局最优的位置运动．本文将通过改进微粒群算法的局部更新规则来改善算法的性能,根据由聚类半径确定初始聚类中心的方法将粒子群进行分类,然后运用该方法对所有粒子进行分类,初始化得到不同的粒子群体,最后对整个粒子群体进行优化得到全局最优解．     

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.     

结构等价型模糊神经网络算法及其应用

提出一种结构等价型模糊神经网络的学习算法。等价型神经网络根据模糊系统的推理规则,决定等价的神经网络结构参数。     

模糊聚类分析算法的改进Matlab语言程序设计

在M atlab语言环境下实现了模糊聚类分析算法,并给出了一实例.函数show的编制方便、直观地将分类结果显示在用户面前.该程序的编制为模糊聚类分析的应用提供了一种简便运算的方法.     

基于最大树法和模糊C-均值算法的聚类分析

对工程上常用的最大树法和模糊C-均值算法的聚类结果进行比较,从算法本身角度分析了其聚类结果的相似和不同之处。通过仿真验证:最大树法比较适合于低维的小样本集;模糊C-均值算法不仅适合于低维的小样本集,而且也适用于团状的、每类样本数相差不大的、类与类间有交叠的高维大样本集,更便于计算机上编程实现。     

运用硬c均值改进kmeans算法的聚类分析

在Matlab平台上运用硬c均值改进kmeans算法对文献数据进行模糊聚类分析,通过运算可提高分类过程的效率,为模糊聚类分析的应用提供了一种简便运算的方法。     

模糊聚类分析在数字水印算法设计中的应用

基于人眼的视觉系统(HVS),将模糊聚类分析的的基本思想应用于静态图像数字水印算法设计。该算法根据模糊聚类分析思想,结合人眼特性将图像中的像素点进行分类,自适应的确定水印的嵌入位置。并可根据实际用途要求,确定分类数,按不同要求对图像像素进行分类选择,在现有技术条件下即可实现一种乃至多种水印的嵌入,更具广泛应用性。     

直接模糊聚类法

给出了一个利用模糊相似矩阵直接进行聚类的方法。     

模糊Hopfield神经网络及其模糊聚类功能

首先提出了具有模糊逻辑计算功能的模糊Hopfield神经网络-FHN.FHN中的神经元对应于模式集合的元素，权重矩阵对应于模式之间的模糊关系，最后讨论了FHN的稳定性和基于模糊距离关系的模糊聚类功能，研究表明FHN在模糊模式识别中具有广泛的应用性。     

动态模糊ISODATA聚类方法及其在故障诊断中的应用

根据故障诊断分类的特点，用变分原理导出了动态聚类的最优解的存在条件，讨论了相应的算法及其收敛性，并在柴油机供油系统故障诊断中的实现故障分类的动态表示，证明了其在故障分类识别中的有效性。     

一种分布式的模糊聚类方法

由于FCM算法中的初始值需要随机的设定,这种随机性不能保证每次都能达到全局最优,也就是说如果初始聚类中心的设置具有全局的特点,那么聚类的结果才能达到全局最优。因此主要针对模糊c-均值(FCM)聚类算法对初始值很敏感,而且容易陷入局部最优解的这一特点,提出了一种分布式的模糊聚类方法。首先用分治法得到模糊聚类的全局的聚类中心值,然后再用FCM进行聚类,从而克服FCM算法对初始值敏感和容易陷入局部最优解的缺陷,达到全局最优。经仿真实验证明结果是很理想的。     

一种基于FCM聚类的粗糙集连续数据故障诊断方法

针对粗糙集无法对航空电子装备测试数据中的连续数据进行处理的问题,提出一种基于FCM聚类的离散化方法,通过计算各聚类中心值进行离散化处理,并应用粗糙集属性约简和规则提取方法,获得最终诊断规则,并在某型机载电台故障诊断中验证其有效性。     

多目标模糊评价模型与评价等级计算方法

为防止信息丢失,指出了多目标模糊评价应采用加权平均算子·探讨了采用余弦函数及三角形隶属函数的模糊综合评判模型、基于权广义距离平方和最小的模糊模式识别模型、基于模糊熵与权广义距离之和最小的模糊模式识别模型对评价结果模糊度的影响·属性识别理论模型是应用三角形隶属函数的模糊综合评判模型·综述了多目标模糊评价等级的确定方法,指出了属性识别理论的置信度准则与最大隶属原则一样可导致评价结果失真·提出了评价等级模糊特征量的概念和计算方法,从而证明了多目标模糊评价的结果是一个等级区间而不是一个确定点·实例表明,依据评价等级模糊特征量的概念和计算方法所确定的评价等级符合实际·     

一种基于灰色聚类和模糊聚类的集成方法

根据灰色聚类,模糊聚类,关联系数原理,提出一种新的综合集成方法,利用灰色关联系数将灰色聚类与模糊聚类集成,使聚类结果不仅反映了各聚类对象所属灰类的信息,还有效显化了各个对象间的相互关系的信息.     

基于模糊聚类方法的T-S模糊系统建模

提出了用一个聚类验证准则设计模糊C均值聚类算法，这个聚类验证准则是用来确定模糊C均值算法中合适的聚类数．针对T—S模糊模型，由模糊c均值聚类算法确定其逻辑前件参数，进而采用最小二乘算法确定模糊推理规则的后件参数．最后，应用本文建模方法对一个非线性实例进行仿真计算，并与其它方法进行了比较，结果表明本文方法是有效的．     

模糊分类回归法及在矿床预测中的应用

把模糊数学与传统的统计方法相结合，提出一种模糊分类回归法。该法先用模糊数学最大隶属度原则判别，然后对每类单元取其变量的隶属度作为回归变量，建立回归模型，用于矿床预测。     

基于范数的多维数据模糊聚类方法

根据多维数据间相似度的定义,阐述了数据相似度与向量范数之间的关系,提出了一种基于范数的多维数据模糊聚类方法·该方法把每一个多维数据看做一个多维向量,利用与向量有关的范数对其中的数据进行排序,得到一个近似聚类族解·同理,对每一个近似聚类使用另一个范数做进一步分解,求解多维数据模糊聚类的近似解·最后,对得到的每一个近似聚类使用传统方法求出准确聚类·使用该方法不需建立模糊相似关系即可进行多维数据的近似聚类,总共所需访问数据库的次数也较小,因此具有较好的性能,特别适合于针对大型数据库的聚类·