改进的模糊C-均值聚类方法

该文针对模糊C-均值算法容易收敛于局部极小点的缺陷,将遗传算法应用于模糊C-均值算法(FCM)的优化计算中,其中对传统遗传算法的编码方案、遗传算子约束条件及适应值函数等方面进行改进,提出了一种基于改进遗传算法的模糊聚类方法。实验表明,将改进的遗传算法与FCM算法结合起来进行聚类分析,可以在一定程度上避免FCM算法对初始值敏感和容易陷入局部最优解的缺陷,使聚类更合理,比单一使用FCM算法进行聚类分析的效果要好。     

蚁群聚类分析算法在茶叶等级分类识别中的应用

来自非原产地的龙井茶已经严重影响了原产地茶叶的信誉与销售。为了减弱这种影响,文章提出了一种蚁群聚类算法应用在茶叶等级分类识别上,因为相对于其他算法,蚁群聚类分析对未知分类的茶叶实行自动分类更有优势。为综合分析茶叶的特性,采集了3个等级的茶叶,每个级别有60组样品,然后提取每个样品的图像和光谱特征共16个参数,将180组样品先自动随机分类。最后利用蚁群聚类分析算法实现样品自动归类。结果发现,与原分组比较后,基于蚁群聚类分析算法的分类识别率达到了92.2％。这表明利用蚁群聚类分析对未知茶叶等级分类是可行的。     

一种函数型数据系统聚类分析方法应用

提出了一种函数型数据的距离定义,分析了该距离与欧氏距离的关系,并给出一种函数型数据的系统聚类分析方法和具体算法,以及在低维空间对原始数据进行直观表达的方法。采用实证研究表明,该方法可以直观、有效地实现函数型数据的系统聚类分析。     

数据挖掘中聚类算法的研究

随着数据挖掘技术的发展,作为数据挖掘中重要方法之一的聚类分析,先后出现了许多聚类算法。这些聚类算法均有其自身的优缺点。为了方便用户找到适合的聚类算法,本文根据不同的聚类原理对聚类算法进行分类,并概述了各类算法的发展情况。针对聚类的典型要求,归类出了一些有代表性的算法,同时对它们进行了分析和评价。文章最后给出了几种常用聚类算法的性能比较,并对聚类算法的发展进行了展望。     

数据挖掘在教学测评系统中的应用与研究

教学测评是教学管理过程中的重要环节。将数据挖掘运用于教学测评之中,可以提高教学评价技术水平。利用数据挖掘方法中的聚类分析和Apriori算法相结合,从而对测评系统数据进行关联规则挖掘。     

上市公司经营绩效的综合评价及其改进

对上市公司的经营绩效进行比较分析时,传统方法是先对指标进行因子分析,然后根据因子得分再对样本进行聚类分析.本文先对样本进行聚类分析,然后再对每一个类采用传统方法进行分析.通过对A股市场719家上市公司经营绩效的实证分析表明:改进方法很好的解决了传统方法信息流失的问题,从而使分析结果更加符合市场预期.     

免疫接种粒子群的聚类算法

将粒子群优化算法和K均值算法结合进行聚类分析,同时引入了免疫系统中的免疫接种和免疫选择机制来指导粒子的迭代过程,提出了一种基于免疫接种粒子群的聚类算法,在粒子群迭代的过程中加入免疫接种机制指导粒子的飞行方向,再通过免疫选择机制对接种的结果进行选择,确保粒子种群向更优的方向移动。实验结果证明,基于免疫接种粒子群的聚类算法基本克服了K均值算法容易受初始聚类中心影响的缺点,聚类结果稳定,而且比基于粒子群优化的聚类算法取得了更好的聚类效果。     

聚类电价预测方法研究

针对电价变化模式的复杂性,提出了一种基于聚类分析的电价预测模型。该模型将复杂的电价预测问题分解为更简单的子问题求解,首先通过聚类技术将输入空间划分为若干特征更明显的子空间,然后在子空间内分别使用支持向量机进行建模和预测。聚类分析中先应用减聚类算法自动确定聚类数并获取较优的初始聚类中心,然后采用K-均值算法进一步优化。采用美国PJM电力市场历史边际电价数据进行的仿真研究表明,电价预测模型能有效、稳定地提高电价预测精度。     

基于传递闭包法的西南5城市环境质量评价分析

提出一种基于模糊聚类分析中传递闭包法的环境质量评价分析方法.介绍了传递闭包算法,并以西南5个城市作为样本,选择4个环境因子,采用传递闭包法进行城市分类,分类的结果与5城市实际情况相符.成都、昆明环境质量评价为好,贵阳、拉萨为较好.5城市的环境质量中空气质量和饮用水环境的质量好,但出境断面水质和噪声水平有待改进.     

网格和密度的聚类算法在CRM中的应用

聚类分析是数据挖掘领域中一种非常有用的技术,它用于从大量数据中寻找隐含的数据分布模式,主要有分割法、层次法、密度法、网格法和模型法等。该文主要讨论数据挖掘中一种基于密度和网格的聚类分析算法及其在客户关系管理中的应用。该算法具有较高的聚类效率而且容易实现,可以发现任意形状的聚类,时间复杂度低,聚类精度高,适用于数据的批量更新。该文还提出增量式聚类技术,它不仅能够利用前期聚类的结果,充分提高聚类分析的效率,而且可以降低维护知识库所带来的巨大开销。实验证明了算法的有效性。     

主动式数据挖掘技术在客户管理中的研究与应用

本文首先阐述了当今计算机应用与研究领域的热门问题即客户关系管理与数据挖掘技术的关系,同时提出了主动式数据挖掘的过程模型;在此研究的基础之上,结合实际应用,采用聚类分析的算法进行模式发现,为客户关系管理提供决策依据。     

全国10个省市人口素质的聚类分析和模糊综合评判

对全国10个省市人口素质进行聚类分析,然后基于层次分析法对其中某个省市人口素质进行模糊综合评判.     

一种改进的BIRCH聚类分析算法及其应用研究

文中详细分析讨论了BIRCH算法中存在的不足,并针对其不足进行一定的改进,提出了一种基于离差平方和的改进多阈值BIRCH算法,充分利用离差平方和来建立簇与簇的相关性,相对于单纯以簇之间的中心距离来建立相关性有一定的改进,同时在分裂因子的确定上采用了簇中直径的最大值,克服因采用经验值确定分裂因子的缺陷．最后．引入到基因序列图形表达数据聚类分析应用中．     

基于特征因子算法改进的作者影响力评价研究

特征因子算法是评价期刊质量的一种重要方法,文章在特征因子算法基础上通过改进构造出一种作者影响力评价的新算法.首先对特征因子算法原理进行简单介绍.然后通过分析作者引用相较期刊引用的特殊性,对特征因子算法进行了改进,并对其实现步骤进行了详细说明.最后,选择国内图情学作者引用网络进行应用研究,得到了这些作者的影响力排名,并与传统的被引次数进行了比较.     

中国制造业新型化评价研究——基于28个细分产业的实证分析

基于新型制造业概念,构建了制造业新型化评价指标体系,应用主成分分析法对制造业28个细分行业的经济创造、科技创新、环境资源保护能力进行了研究,并综合评价了各个产业新型化水平.采用聚类分析方法,对制造业产业新型化的特征与模式进行了归纳研究.     

主成份分析法聚类分析法在对足球比赛综合评价中的应用

从统计分析的角度出发,通过主成份分析方法来确定对足球比赛进行科学地综合评价的主要因素,并用聚类分析方法加以验证,为今后对足球比赛的客观评价挖掘了本质性的因素.目的在于给出了一个能客观地分析某个时期足球比赛的统计方法.     

融合Sobel-SIFT的花朵图像的特征提取方法

由于花朵图像特征的复杂性,往往需要先对原有图像进行花朵轮廓检测,再进行特征点提取.本文在传统的SIFT算法的基础上,提出了改进的Sobel-SIFT算法,以适用于花朵图像的特征提取.该方法首先针对传统的Sobel算法进行了方向模板的扩展,其次对检测到的边缘特征进行细化处理,最后使用SIFT特征提取算法对花朵图像进行特征点提取.试验结果显示该算法比原有算法获取了更为准确的特征点,验证了本文方法的有效性.     

基于SOM网络的基因表达数据聚类分析

提出了用自组织映射(SOM)网络对生物信息学中基因表达数据进行聚类分析的方法。用SOM网络对酵母基因表达数据进行聚类。通过对映射结果的分析,表明SOM网络有较高的分类正确率,用于基因表达数据的聚类分析是行之有效的。     

商业银行综合评价与分类

基于商业银行传统的加权综合评价方法存在权数确定不科学的缺陷,确定了商业银行综合评价指标的选择依据并构建了商业银行综合评价指标体系,指标包括资产收益率、贷款收益率、资产损失率、不良贷款率、非生息资产率、存款付息率、费用利润率、利息实收率.把考核指标转化为正指标后,按主分量分析进行综合评价,用方差极大化进行正交旋转,提取特征根大于1的公共因子作为综合评价指标.选择平方欧氏距离作为样本相似性测度,用类间平均法作为聚类算法,按系统聚类法进行聚类分析,得到分类谱系图后,再恰当分类.并就综合评价结论与实际考核结果做了实证比较.     

一种改进的ID3算法

决策树是数据挖掘中重要的分类算法,通常用来形成分类器.ID3算法是决策树中的核心算法.针对ID3算法倾向于取值较多的属性的缺点,引进属性重要度对ID3算法予以改进,并通过实验对改进前后的算法进行了比较.实验表明,改进后的算法是有效的.