b-Tree Facets for the Simple Graph Partitioning Polytope

The simple graph partitioning problem is to partition an edge-weighted graph into mutually disjoint subgraphs, each consisting of no more than b nodes, such that the sum of the weights of all edges in the subgraphs is maximal. In this paper we introduce a large class of facet defining inequalities for the simple graph partitioning polytopes _n (b), b 3, associated with the complete graph on n nodes. These inequalities are induced by a graph configuration which is built upon trees of cardinality b. We provide a closed-form theorem that states all necessary and sufficient conditions for the facet defining property of the inequalities.     

派系形成对员工满意度的影响及机理:社会网络视角的研究

本研究将部门员工区分为派系局内人与派系局外人,从社会网络视角,分析了派系形成对不同员工满意度的影响及机理。利用75个部门样本,274个员工样本,采用多层线性模型(HLM)进行跨层分析,实证结果表明:派系形成能够提高派系局内人的满意度,但降低了派系局外人的满意度;感知的同事支持完全中介了上述关系。     

Improved Approximation Algorithms for Maximum Graph Partitioning Problems

We consider the design of approximation algorithms for a number of maximum graph partitioning problems, among others MAX-k-CUT, MAX-k-DENSE-SUBGRAPH, and MAX-k-DIRECTED-UNCUT. We present a new version of the semidefnite relaxation scheme along with a better analysis, extending work of Halperin and Zwick (2002). This leads to an improvement over known approximation factors for such problems. The key to the improvement is the following new technique: It was already observed by Han et al. (2002) that a parameter-driven choice of the random hyperplane can lead to better approximation factors than obtained by Goemans and Williamson (1995). But it remained difficult to find a “good” set of parameters. In this paper, we analyze random hyperplanes depending on several new parameters. We prove that a sub-optimal choice of these parameters can be obtained by the solution of a linear program which leads to the desired improvement of the approximation factors. In this fashion a more systematic analysis of the semidefinite relaxation scheme is obtained.     

An online algorithm for continuous slab caster scheduling

Lee et al. (Lee, K., Chang, S.Y., and Hong, Y., 2004. Continuous slab caster scheduling and interval graphs. Production Planning & Control, 13 (5), 495–501) have introduced a slab caster scheduling problem and developed an optimal algorithm. Their algorithm is efficient but an offline algorithm that we need the information on all the customer orders a priori to implement. In this article, we propose an online algorithm that we can implement without knowledge of the orders yet to arrive. We show that the offline version of our new algorithm also provides an optimal solution and the online version has the worst case performance ratio of 3. We also give a short proof on the correctness of Lee et al.'s algorithm.     

Partitioning 2-edge-colored complete multipartite graphs into monochromatic cycles, paths and trees

In this paper we consider the problem of partitioning complete multipartite graphs with edges colored by 2 colors into the minimum number of vertex disjoint monochromatic cycles, paths and trees, respectively. For general graphs we simply address the decision version of these three problems the 2-PGMC, 2-PGMP and 2-PGMT problems, respectively. We show that both 2-PGMC and 2-PGMP problems are NP-complete for complete multipartite graphs and the 2-PGMT problem is NP-complete for bipartite graphs. This also implies that all these three problems are NP-complete for general graphs, which solves a question proposed by the authors in a previous paper. Nevertheless, we show that the 2-PGMT problem can be solved in polynomial time for complete multipartite graphs. Research supported by NSFC.     

基于宏观调控的我国房地产市场聚类研究

针对我国房地产市场地区发展的不平衡和"一刀切"的房地产宏观调控效果不佳的现状,在总结国内外房地产市场聚类研究现状的基础上,根据房地产经济学原理,从总量均衡和结构均衡2个方面构建了我国房地产市场宏观调控分类指标,并进行了聚类分析,把我国30个省市分为6个区域,为我国房地产市场分类宏观调控提供依据。     

一种决策者判断一致性的聚类方法

对于产量为模糊区间数的生产计划群决策问题,考虑不同产品生产的优先度和决策者权重对决策者判断一致性度量的影响,给出了相对加权一致度的一种计算方法。当群决策的结果不一致时,提出了依据相对加权一致度对决策者进行聚类的方法,并给出了每一类决策者决策结果的综合方法。最后通过算例说明了方法的应用过程。     

粒子群优化的模糊聚类方法在车辆行驶工况中的应用

本文研究了粒子群优化的模糊聚类方法在车辆行驶工况中的应用。采用主成分分析方法将众多反映车辆行驶工况特征的运动学片段特征值进行压缩,用粒子群优化的模糊聚类方法对运动学片段的前三个主成分得分进行聚类,通过Matlab编程将上述理论用于合肥市典型道路行驶工况的构建和分析,按时间比例选取合适片段拟合代表性工况,并将代表性工况和采用K均值聚类法及模糊C均值聚类方法拟合的工况进行对比分析。研究结果表明,将粒子群优化的模糊聚类方法应用到工况的构建中可以有效地提高构建精度。     

灰聚类分析结果灰性的测度

在引入了灰聚类权序列的熵的基础上,指出了灰聚类分析结果与聚类权序列熵的关系。给出了灰聚类分析结果灰性测度方法,并研究了此灰生测度的性质。灰聚类分析结果灰性的量化能够帮助应用者深入认识灰聚类分析的结果。通过实例进一步阐明了计算灰聚类分析结果灰性测度的步骤和实际意义。     

面向突发事件的应急献血者聚类与分配方法研究

突发事件发生后,应急献血者呈爆发式增长、献血设施超负荷运作。本文提出一种应急献血者聚类与分配的优化方法可以有效地解决该问题。在该方法中,首先提出了应急献血者的分类规则,并采用Canopy与K-means相结合的算法对应急献血者进行聚类分组;然后,考虑献血者的心理因素,建立了最大化血液满足、均衡各献血设施的工作量以及最大化献血者效用的多目标分配优化模型;进一步,考虑应急献血者的时间偏好,构建了献血时间安排的多目标优化模型;通过使用优化算法求解模型得到应急献血者的分配方案;最后,通过一个算例分析验证了该方法的可行性以及有效性。     

大规模定制产品族设计中的原理聚类研究

影响大规模定制成功与否的一个重要因素就是定制产品族的设计.本文建立了基于顾客需求一功能.原理-结构的大规模定制产品族扩展模型,探讨了各子模型之间的映射关系.论文结合实例.运用模糊教学理论,对功能模型一原理模型之间的耦合及解耦做了深入的研究,获得了原理模型的模糊聚类结果.该聚类结果为大规模定制产品的模块化结构设计提供了依据.     

基于时间特性的中国股市交易集群性特征的研究

本文以自回归条件久期模型(ACD)为基础,选择标志我国股市交易集群性特征的代理变量,建立了刻画该特征的实证模型,检验了我国上海证券所个股的交易过程中集群性问题.实证结果表明,我国证券市场交易过程中的集群性是由于以私人信息为基础的信息交易所引起的,私人信息的进入导致了证券市场在时间方向表现出更大的波动性.     

基于领域知识和聚类的关联规则深层知识发现研究

本文针对传统关联规则挖掘算法产生大量冗余规则,提出了对关联规则结果进行二次挖掘,并设计了算法对挖掘出的关联规则进行聚类,然后基于已有领域知识对聚类后的关联规则进行新颖度评价,对于新颖度较高价值较大的关联规则可以存储于领域知识库用于决策使用或再次挖掘过程。该算法有效的减少的规则的数量,提高了规则的新颖性和精确度,对商业应用具有很高的价值。文章最后使用UCI开源数据进行了实验分析,并验证了该算法的有效性。     

基于文本聚类的客户知识获取和应用研究

基于文本聚类技术在移动通信行业客户服务文本记录分类中的应用研究,构建了文本分类处理的概念模型。采用集合式表示方法对客户知识进行定义,通过向量空间模型进行文本转化和数据矩阵的构建,提出了TF-MI函数进行特征词的权重计算,利用层次聚类进行数据处理,并通过类别判断的4条准则进行了聚类结论分析和讨论,从而进一步强调了文本聚类技术在移动通信行业客户服务系统知识获取工作中的实用价值。     

风险集聚类邻避冲突事件随机演化情景分析

随着中国现代城市管理社区制的推行,由公共设施引发的社区冲突逐步凸显,其中,风险集聚类邻避设施成为引发社区冲突的主要诱因。邻避冲突事件演化过程的复杂性和随机扰动要求现有研究不应局限于确定环境下事件的分析,而应在更加真实的不确定环境下对冲突本身展开探讨。鉴于此,本文以演化博弈论为理论基础,引入高斯白噪声随机干扰项,构建风险集聚类邻避冲突事件中营建企业与周边民众两类群体的随机演化博弈模型,对比分析在无政府监管与政府监管情景下群体策略选择行为的随机演化过程,并利用Matlab进行数值仿真。研究发现:(1)无政府监管情景下,当营建企业采取强硬策略收益小于成本,且周边民众采取抗争策略成本大于收益时,(合作,妥协)是其演化均衡策略组合;营建企业与周边民众策略选择演化速度与初始策略选择概率密切相关。(2)政府监管情景下,当政府监管力度大于营建企业采取强硬策略收益与采取合作策略收益之差,且政府监管力度大于周边民众采取抗争策略收益与采取妥协策略收益之差时,(合作,妥协)是其唯一策略演化均衡点;政府监管力度对营建企业策略选择有显着影响,而对周边民众策略选择无显着影响。(3)随机因素对风险集聚类邻避冲突中营建...     

一种基于信息熵与K均值迭代模型的模糊聚类算法

本文提出了基于信息熵和K均值算法混合迭代模糊聚类的细分模型,解决了模糊聚类的原型初始化参数问题。将信息熵和K均值算法引入模糊聚类中进行分析,并结合测试样本数据进行实际分析,与传统方法相比,取得了较好的效果。     

一种基于PIM与核方法的模糊聚类新算法

本文针对模糊C均值聚类在大数据量时收敛较慢以及不能对多种数据结构有效聚类的缺点,结合PIM算法与核方法提出了一种新的高效聚类算法———KPIM算法,并从理论上证明了该算法的收敛性.最后利用标准实验数据IRIS数据集测试,结果表明KPIM算法在保证收敛速度的同时,聚类效果更有效.     

基于多目标多元学习细菌觅食优化算法的混合数据聚类

针对混合属性数据聚类问题,本文提出一种基于多目标多元学习细菌觅食优化算法。首先,基于改进的细菌觅食优化算法,提出多目标优化算法框架。然后,提出多元学习策略来提高算法性能。具体地,对于细菌个体,细菌之间采用环形拓扑学习策略,每个细菌只能向其邻域最优个体学习;细菌个体还可以向外部档案非支配个体学习。通过该学习策略,不仅可以保持种群的多样性,也可以加快算法收敛速度。对于外部档案非支配个体,记录其变化趋势,当非支配个体的变化处于停滞状态时,采用精英学习策略对非支配个体进行微扰动,提高非支配解的多样性。最后,为解决混合属性数据聚类问题,设计了一种具有属性权重的混合属性转换策略。为了验证所提算法的性能,将该算法与两个多目标进化算法和三个经典聚类算法在六个标准数据集上进行对比实验。实验结果表明,所提算法在解决数值、分类和混合属性数据聚类问题上具有显著优势。同时,以金融领域信用卡申请客户数据为例,进一步证实了所提算法的可行性,也表明了所提算法在涉及混合属性数据集的医疗、管理、工程等领域有一定的应用前景。     

一种改进型专家模糊核聚类赋权方法研究

针对传统基于判断矩阵的专家模糊核聚类赋权方法,由于归一化条件的制约,导致离群点对聚类结果产生不良影响的问题,提出一种改进型模糊核聚类算法。该方法在聚类过程中,通过放宽归一化约束条件,削弱离群点对聚类结果的影响;并且针对传统基于信息熵与一致性系数线性耦合的聚类标准的局限性,提出一种基于偏差熵的赋权方法,依据专家对自身类别的聚类贡献度,确定专家权重,克服了传统方法的不足。算例表明,该方法可行、有效。     

移动商务中面向客户细分的KSP混合聚类算法

数据挖掘技术中的聚类算法是解决客户细分问题的重要算法之一。为解决传统聚类算法在客户细分问题中分类精度较低、收敛速度较慢的问题,着重对比分析传统聚类算法中K-m eans、自组织映射网络和粒子群3种算法的不足,提出融合3种算法优点的混合型聚类算法,该算法利用K-m eans和自组织映射网络对初始聚类中心进行优化,结合粒子群优化和K-m eans优化聚类迭代过程,并在迭代优化过程中设计避免算法因早熟而停滞的机制。针对移动电子商务环境下的餐饮业客户细分问题,建立移动餐饮业客户细分模型,并利用混合型聚类算法、K-m eans、层级自组织映射网络和基于粒子群的K-m eans等4种算法对实际案例进行对比分析。研究结果表明,混合型聚类算法的聚类精度分别比其他3种算法高,同时还具有最快的收敛性能,更适用于客户细分问题。