余弦度量和适应度函数改进的聚类方法

K-均值算法因其简单和高效性,在文本聚类中占有重要地位。针对传统的K-均值算法对初始点敏感、易陷入局部最优的问题,结合遗传算法已经成为一种趋势。在充分发挥K-均值算法的高效性的同时,该文利用遗传算法的全局自适应优化特点克服了对初始点敏感的问题。同时,以余弦度量评价对象间的相似性并以此构造新的遗传算法适应度函数、收敛准则以及遗传算法种群更新方式,提高了K-均值和遗传算法这种结合方式的聚类精度,并增强了该结合算法的稳定性。     

稳健动态时间规整的面板数据聚类

动态时间规整的面板数据聚类能够反映面板数据的动态发展趋势,但缺乏对离群值的识别和处理,导致聚类结果不稳健。针对这一问题提出了稳健动态时间规整的面板数据聚类方法,通过引进稳健统计量获取稳健的时间序列,即运用稳健统计量重新构造均值向量和协方差矩阵计算时间序列,提升时间序列提取的合理性和准确性,消除离群值对动态时间规整结果的影响。通过实证分析,结果表明:相较于动态时间规整方法,运用所提出的方法进行聚类的结果更稳健、更贴合实际。     

改进的模糊聚类算法

隐节点中心的选取一直是各种RBF神经网络学习算法面临的主要问题之一,主要针对隐节点中心的选择问题,在研究减法聚类和模糊C-均值聚类算法优缺点的基础上,提出了改进的模糊聚类算法.仿真实验表明,改进的算法增强了网络对离群点的鲁棒性,同时缩短了网络的训练时间.     

我国粮食安全自然风险影响的评价指标体系研究

产量变化能够测度自然风险对粮食安全的影响,从这一新的视角,可以建立粮食安全自然风险影响的评价指标体系,以评价自然风险对我国粮食安全的影响,揭示风险水平在全国的分布规律.结合我国1979-2007年的实际数据,利用系统聚类法、K-均值聚类法和模糊聚类法对我国粮食生产的自然风险水平进行了实证研究,并以Fisher判别法、Bayes判别法和逐步判别法进行了回判验证.     

基于函数型数据聚类的京津冀空气污染特征分析

近年来,京津冀地区的空气污染问题受到高度关注,为探讨该地区空气污染的特征,文章采用函数型数据的聚类分析方法对空气质量指数(AQI)进行研究.首先将空气质量指数变化曲线,通过函数型数据的主成分分析进行降维,其次将主成分基系数进行K-均值聚类,最后利用ArcGIS9.3将京津冀地区空气污染的聚类结果在地图上直观实现.结果表明,京津冀地区空气污染在空间上可划分为4类典型区域,呈现由北向南逐渐加重的趋势;在时间分布上有明显的相似性,具有显著的季节特征.     

数据降维与K-均值聚类的质量评估

聚类分析在大数据时代应用广泛,但缺乏直观评价聚类质量的有效方法。为此,提出一种具有数据降维和搜寻数据固有聚类数量的处理模式。在数据散射矩阵基础上构造一个增广矩阵,利用线性辨别分析将高维数据变换到最具辨别性的低维特征子空间以实现数据降维。为解决分区聚类算法的随机初始化问题,提出最小-最大规则,避免出现空聚类并确保数据的可分性。对于聚类的结果,计算每个聚类的轮廓系数,通过比较轮廓的尺寸以评价不同聚类数量情况下的聚类质量。对K-均值算法的仿真结果说明,这种处理模式不仅能够可视化确定未知数据所固有的聚类数量,而且能为高维数据提供有效的分析方法。     

多油层复杂断块油藏开发层系细分研究

滨南油田毕家断块沙三下亚段属于多层砂岩、强非均质性油藏,其纵向上含油小层多达58个,开发过程中暴露出层间矛盾日益突出。基于油藏地质及开发特征分析,提出利用K-均值算法对小层进行分层聚类,建立定量化的开发层系划分标准,指导开发层系的划分。通过K-均值算法将滨南油田毕家断块沙三下亚段细分为三套开发层系,数值模拟分析表明,利用K-均值算法对开发层系进行定量划分是可行的,细分开发层系后渗透率极差变小、层间矛盾减缓,预测15年后采收率提高13.4%。     

基于K-means聚类的大学生综合素质评定方法

随着教育改革呼声的提高,科学评定高等院校学生的综合能力素质成为各大高校的焦点。民主测评常常被作为大学生综合素质能力的评定方法,然而由于民主测评的不确定性和不可控性以及学生实际综合能力的复杂性,如何基于民主测评来客观、可靠、准确地评定学生综合素质能力是一大难题。针对该问题,提出了基于K-均值聚类的大学生综合素质评定方法。首先将民主测评数据处理成数据矩阵,然后通过K-均值聚类进行数据矩阵的预处理,剔除不准确、不可靠的民主测评数据,最后根据保留数据进行学员综合能力素质评定。基于重庆某高校12个专业278名学生的实际民主测评数据的实验结果表明:所提方法能够较为客观、准确地评定学生综合素质。同时,理论分析表明算法复杂度较小。     

大连城市旅游目的地国内旅游消费结构聚类分析

文章的研究采取规范研究与实证分析,定性研究与定量分析相结合的方法进行。选取我国国内旅游消费结构八个方面的经济指标以及总消费,通过运用K-均值聚类法和层次(系统)聚类法,对来大连的25个省市自治区国内旅游者旅游消费结构进行聚类分析,进一步获取旅游者消费构成的资料,以分析旅游者旅游消费结构中存在的问题,为合理地调整旅游消费结构和完善旅游产品结构提供依据。     

基于C-均值聚类的高分辨距离像识别

针对已有核聚类算法中核参数优化方法的不足,提出一种新的反映类内类间间距的有效性指标,通过使类内样本相似性最大,类间样本相似性最小来达到优化核参数的目的.在对核C-均值聚类算法深入研究的基础上,提出一种基于核C-均值聚类的高分辨距离像识别算法.仿真结果表明:该算法可以通过训练识别率判定最佳聚类数,同时运用改进的核参数优化方法可以得到最优的核参数,进而得到最佳的识别结果.     

数字地图中三维柱状图的一种新消隐法

本文介绍了数字地图的基础上，实现地域三维柱状显示的原理和方法，文中详述了消隐方法的选择，地域平面多边形数据结构的建立以及多边形分解和图形的拓扑排序，对数字地图矢量化的组织和处理数据作了尝试，为地学领域显示三维图形提供了一种新的手段。     

基于模糊c均值聚类的社团结构探测新方法

通过对社团结构定义的研究,提出了一种基于模糊c均值聚类算法的网络社团探测新方法.利用网络节点间的最短路径长度、Person相关系数方法及平方法构造了节点间的相关度等价矩阵,从而将社团发现问题转换成节点的聚类问题.在此基础上,应用模糊c均值聚类算法以及网络划分形式对应的模块度来确定最优的社团结构,最后利用Zachary空手道俱乐部网络和Dolphin网络这两个经典模型验证了该算法的可行性.     

一种基于最大模糊熵的高斯聚类算法

介绍了一种新的模糊聚类方法，定义了模糊熵，提出了基于最大模糊熵的模糊聚类的方法，得到了一种新的聚类算法——GCM算法。该算法的物理意义清晰，有明确的数学含义，相对于传统的FCM聚类算法，其聚类效果更好。     

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。     

网格聚类在多雷达数据融合算法中的应用

应用网格聚类的方法区分同一雷达接收的不同目标的观测数据,通过类间数据融合,实现同一目标不同雷达接收数据的融合,以便对多目标进行实时跟踪。研究了观测数据网格聚类的基本思想、形式化描述及算法实现,讨论了对机动目标跟踪的Kalman滤波方程及空管系统中易于计算的各参数矩阵理论依据及相应的初值。仿真结果表明,通过网格聚类能很好地区分不同目标,聚类后再进行跟踪融合更加准确。     

水环境评价的灰色聚类方法及在环境管理中的应用

文章讨论了模糊数学、灰色聚类方法在环境评价中的运用及其基本原理,并利用某地区的实测数据去验证方法的准确性,由此提出针对评价结果应该采取的措施.     

灰色聚类分析在延边东部地区矿产预测中的应用

以延边东部金铜矿产勘查资料为例,讨论了矿产预测中的灰色聚类分析的计算方法。该方法弥补了数理统计中的聚类分析方法在解决实际问题时只根据随机抽样的观测数据进行数字分类,而忽视了客观实际的不足,对地质找矿工作具有较大的实用性。     

大连市寿险原保险保费收入预测实证分析——基于最小二乘法的谱系聚类马氏链模型

针对保费收入预测问题,以最小二乘法拟合为依托,基于谱系聚类分析的方法,运用马氏链模型对2008-2011年大连市人寿保险月度原保险保费收入的数据进行实证模拟仿真,采用定量分析的方法对大连市人寿保险月度原保险保费收入进行定性预测,结果表明该方法在进行定性预测时预测结果比较准确。     

装备制造业集群发展的影响因素实证研究——基于陕西省的分析研究

从理论上分析了装备制造业集群发展的影响因素,在此基础上构建了装备制造业集群发展的影响因素模型,并运用陕西省相关资料对此模型进行了实证分析。结果表明,基础设施财政支出占财政总支出的比重、装备制造业能源消费总量占能源生产总量的比重、大中型企业占所有装备制造业企业数的比重等因素对装备制造业集群发展的影响显著。最后,根据分析结果,提出了相应对策建议。     

改进的共享型最近邻居聚类算法

聚类效果往往依赖于密度和相似度的定义,并且当数据的维增加时,其复杂度也随之增加。该文基于共享型最近邻居聚类算法SNN,提出了一种改进的共享型最近邻居聚类算法RSNN,并将RSNN应用于高速公路交通数据集上,解决了SNN算法在“去噪”、孤立点和代表点的判断、聚类效果等方面的不足之处。实验结果表明,RSNN算法比SNN算法在时空数据集上具有更好的聚类效果。