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。     

基于战略转换的企业战略风险预警模型研究

将粗糙集理论与神经网络相结合,构建了基于战略转换的企业战略风险预警模型。该模型首先运用基于信息熵与MDV函数的模糊聚类算法进行连续属性离散化,然后采用粗糙集理论约简出重要指标体系,最后采用BP神经网络进行学习和训练,进而对检验样本的风险等级进行判断。实证分析表明：基于MDV函数与信息熵的模糊聚类算法能够有效改善离散化效果;添加动量因子的改进BP算法提高了网络学习效率,且该预警模型对检验样本的总体预测精度较高,是一种有效和实用的战略风险预警工具。     

一般分布区间型符号数据的 K 均值聚类方法

对于区间型符号数据聚类分析的研究,现有方法大多假设个体在区间内服从均匀分布,这往往并不符合实际情况． 针对此问题,研究一般分布的区间型符号数据 K 均值聚类方法,给出了一般分布区间型符号数据的定义,并基于经验分布理论研究其描述统计． 基于 Hausdorff距离,考虑区间数所包含个体的分布信息,提出了一种新的区间型符号数据距离度量．给出了一般分布的区间型符号数据 K 均值聚类算法．通过随机模拟试验对该方法进行了有效性评价,结论表明,在各种实验设计的条件下,考虑一般分布的 K 均值聚类算法有效性均优于均匀分布假设下的 K 均值聚类算法．最后将文中方法应用于汽车的聚类分析,进一步体现了文中方法在解决实际问题中的优势．     

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.     

粒子群优化k均值的混合聚类算法研究

k均值算法是聚类分析的一种传统算法,在数据挖掘中等领域得到了广泛的应用.本文在分析k均值聚类算法存在问题的基础上,用粒子群算法优化k均值聚类算法,提出了一种新的混合聚类算法.理论分析和实验结果证明,该算法有很好的全局收敛性,不仅有效地克服了传统的k均值算法易陷入局部极小值和对初始值敏感的问题,而且具有较快的收敛速度.     

基于模糊识别算法的财务指标分析系统的设计

本文利用数据挖掘技术,设计了一个具有财务分析和数据挖掘功能的财务指标分析系统,以便为企业决策层提供快速的财务分析支持。在指标分析模块中使用了模糊识别算法。该算法是利用训练样本集的模糊识别矩阵计算出模糊聚类中心矩阵,再利用模糊聚类中心矩阵反算出测试样本集的最优模糊识别矩阵,从而克服了传统的模糊聚类算法只能聚类的缺点。     

模糊C聚类综合评价法在企业财务信用评级中的应用

本文针对当前企业财务信用问题,提出了基于模糊C均值聚类和综合评价相结合的财务等级分类方法。探讨了聚类分析方法在财务信用分类中的应用,包括模糊聚类方法和根据聚类中心进行综合评价研究两个方面。采用实际的数据进行了实证分析,表明该方法可根据实际需要获取很好的评价分类效果,而且根据聚类中心进行评价,能更清楚地反映信用等级。     

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。     

基于在线客户评论的客户细分研究

针对基于在线客户评论数据进行客户细分分析的问题,设计了二阶段客户细分分析框架.在客户偏好建模阶段,设计了同义属性识别方法和属性偏好换算方法,基于产品属性树结构,构建粒度统一的客户偏好向量;在客户聚类阶段,设计了包含最优聚类数识别的聚类流程,基于模糊C均值聚类方法,对客户进行聚类.     

基于模糊聚类的高新技术企业信用风险评估方法研究

本文针对高新技术企业的特点,应用粗糙集理论和模糊聚类方法,集成了一种信用风险评估方法。首先构建了高新技术企业信用风险评估指标体系,再应用粗糙集约简方法生成约简的指标集,继而运用模糊聚类方法对企业信用风险进行评估。在使用模糊ISO-DATA聚类算法时,加入"引路样本",这种改进的算法提高了评估的客观性。     

基于模糊聚类和模糊模式识别的企业财务预警

在回顾国内学者关于企业财务预警模型研究的基础上,提出了一种新的预警模型--基于模糊聚类和模糊模式识别模型.利用该模型对训练样本进行模糊聚类,计算最优聚类中心,对待估样本所属类别进行模糊模式识别.通过对40家沪市上市公司进行实证分析,取得了较好的预警效果.最后针对模型存在的问题提出进一步的研究方向.     

电子商务下基于改进两阶段算法的有时间窗车辆调度优化

为满足电子商务下的物流配送需求,将传统车辆调度模型进行修改,将目标函数改为基于费用最小,在约束条件中增加时间约束、货物容积约束、车辆最大工作时间、多种车型、载重量限制和最大行驶距离等,以提高模型的适用性和通用性。由于有时间窗的车辆调度问题是NP难问题,采用改进两阶段算法进行求解。即第一阶段用模糊分层聚类法将客户群分成若干区域,在每个区域又用扫描算法分解成若干符合约束条件的小规模子集;第二个阶段对各个分组内客户点,就是一个个单独TSPTW模型的线路优化问题,因此,采用改进混合遗传算法进行优化求解,最后的算例仿真表明了算法的有效性和可行性。     

含流动性约束及保证金购买的多空投资组合选择模型

本文在基于风险资产的价格服从梯形可能性分布的基础上,引入流动性约束、保证金限制、交易成本和存贷利差等因素,建立了多空投资组合模型。利用非线性规划理论和极大熵方法,给出了求解该模型的一种方法。最后,通过实例验证了主要结果并分析了流动性约束、保证金、交易费和存贷利差等因素对投资组合有效前沿的影响。     

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。     

云制造环境下基于本体和模糊QoS的供应商匹配方法

云制造环境下的服务匹配具有资源数量大、语义信息不对称、QoS多样化和模糊化的特点,同时企业有自主选择匹配结果的需求。为此,提出基于本体和模糊QoS聚类的三阶段供应商匹配模型。首先构建本体模型和供应商服务描述模型,运用语义本体既消除了信息的不对称性,又增加了语义信息的完整性。此外,对QoS的多属性信息进行三角模糊化处理,结合模糊偏好和优化的模糊C均值聚类（FCM）算法按需聚类,提高了收敛速度和精度,得出基于匹配度排序的结果集合。实例验证结果表明：本文匹配方法较传统方法有更高的适应性和查准率。     

一种基于TOPSIS的混合型多属性群决策方法

本文针对具有语言型和直觉模糊数两种评价信息的混合型多属性群决策问题,提出了一种基于TOPSIS的决策方法。首先,定义了新的函数,可将不同粒度的语言评价信息转换成直觉模糊数。其次,在直觉模糊数熵值的基础上,提出了一种新的专家权重确定模型。再次,利用IFWA算子在把个体决策矩阵集结为群体决策矩阵后,基于TOPSIS分别计算群体评价值到正理想解和负理想解的距离,从而得到方案集的排序。最后,在ERP选优问题中的应用,验证了方法的有效性。