基于遗传算法的动态聚类方法

针对常规动态聚类方法对初始聚类中心的敏感性以及聚类结果与样本输入次序有关等问题,本文另辟蹊径,提出了一种基于ＧＡ 的动态聚类方法,并将它应用到数据库的数据分析中． 计算结果表明,该方法是一个具有全局最优解的动态聚类方法,其结果明显好于Ｋ－均值聚类算法．     

上海与伦敦期铜市场风险变异性实证研究

波动群聚效应和杠杆效应是资本市场风险变异性的两个重要特征。选取1997-07~2004-11上海期货交易所和伦敦金属交易所3个月期铜的日收益时间序列,利用相关模型分别对两时间序列的波动群聚效应和杠杆效应进行实证分析。结果表明:从整体来看,上海期铜市场收益波动不具杠杆效应,而伦敦期铜市场具有显著的杠杆效应;并且,上海期铜市场的风险特征发生重大变化,具有明显的波动群聚效应,但分阶段呈现杠杆效应。     

一种基于三角模糊数多指标信息的聚类方法

针对一类特征指标值及指标权重均为三角模糊数的多指标信息聚类问题,提出了一种新的最大树聚类分析方法。首先对三角模糊数多指标信息聚类问题进行了描述;然后依据传统的基于数值信息的最大树模糊聚类分析方法的基本思路,给出了解决三角模糊数多指标信息聚类问题的计算步骤。最后,通过算例说明了本文给出的聚类方法。     

基于混沌社会演化算法的文本聚类新方法

用K均值算法进行文本聚类通常只能以局部最优结束,很难找到全局最优.文章提出了一种基于混沌社会演化算法的文本聚类新方法.在该方法中提出了认知主体在聚类中对范式继承的方式,在认知主体对范式的背叛中提出一种混沌变异算子.实验证明该方法不但能有效地提高文本聚类的效率而且能有效地提高文本聚类的精度.     

拓扑可调无标度网络上的雪堆博弈研究

复杂网络上博弈个体间合作行为的涌现具有重要的现实意义.为了研究无标度网络拓扑结构对合作涌现的影响,结合雪堆博弈模型和比例模仿策略,研究了拓扑结构可调的无标度网络上的博弈动力学演化,具体研究内容为网络的幂律指数、平均度和平均聚类系数与合作密度的关系.仿真结果表明,无标度网络的合作密度与网络度分布的均匀程度正相关,高聚类结构可以有效增强网络上的合作密度,即幂律指数越高,平均聚类系数越小时,合作水平越低;另外,平均度与合作密度呈现非单调关系,存在一个最佳平均度.     

含权地理网格网络的构建及其逾渗行为

主要构建一种新型的地理网格网络,并探讨网络的拓扑性质及其逾渗动力学行为,为现实地理网络的鲁棒性研究及其构建提供参考.这个网络的特点是,在构建时引入度权重连接概率和地理距离权重连接概率.研究发现这种新型网络能够随着这两种概率及相关参数的改变,生成嵌入式无标度网络并渐进过渡到嵌入式指数网络.     

一种改进的RBF神经网络学习算法

提出了一种改进的RBF神经网络学习算法 ,分别通过减聚类和监督学习算法对网络参数和权值进行训练 ,既可以根据样本合理地聚类、确定RBF径向基函数的个数和相应参数 ,又具有较强的网络映射能力 ,从而不仅使RBF神经网络结构得以优化 ,性能也得到了提高。仿真结果表明了该学习算法的实用性和有效性     

基于Relief算法的特征学习聚类

聚类作为数据挖掘常用工具之一,是按照事物间的相似性进行的一种无监督分类．然而传统的聚类方法较少考虑特征权值．为此,通过研究、分析Relief算法及其在聚类应用中存在的问题,提出了一种基于Relief算法的特征评价函数,并将此函数运用到特征学习聚类中,以解决特征权值取值不当对聚类产生的负面影响．     

家电企业竞争网络的拓扑结构分析

通过搜集家电产业的相关信息,建立了企业与产品的专用数据库.并在此基础上生成了家电企业竞争网络,结合复杂网络的分析方法研究网络的多种属性,例如企业节点的度分布特性、网络的无标度程度、密度、同类匹配程度及群聚系数等.通过分析可知,家电企业竞争网是一个具有无标度特性及小世界特性的网络,呈现出节点择优连接、网络同类匹配等一系列网络现象.     

基于分水岭变换的彩色细胞图像分割

提出了一种彩色细胞图像的分割方法,重点解决邻接或者重叠的细胞核或者细胞质之间的分割问题。算法主要基于数学形态学方法,首先利用k-均值聚类和直方图上的分水岭变换对像素进行聚类,从而得到细胞图像背景、细胞质和细胞核的粗略估计;然后利用形态学滤波和分水岭变换提取细胞核、细胞质的边界。结果表明:在少量人工干预的情况下,所述算法获得的细胞核、细胞质边界与实际情况比较吻合。对于含有邻接或者重叠的细胞核或者细胞质的图像,算法仍能提取理想的细胞组织边界。