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.     

神经网络多模型软测量技术及应用

基于多模型思想,采用模糊聚类的方法对软测量数据进行了分类,对每类数据基于神经网络(NN)建模,采用RBF神经网络构造了每个数据样本的隶属度,将各模型输出的数据进行隶属度加权求和得到最终的软测量输出,并对某催化重整生产装置催化剂再生器氧含量进行了建模研究,获得了满意的结果。     

基于粗糙集的T-S模糊神经网络在回转窑烧结过程中的应用

基于粗糙集理论的知识约简方法和T-S模糊神经网络的非线性映射理论,针对回转窑烧结过程被控对象复杂、各参数之间相互耦合及难以建立精确数学模型的特点,提出一种RS-FNN智能控制策略。采用基于一种新的聚类有效性准则函数的模糊C均值聚类算法对连续属性进行离散化;然后利用粗糙集理论由历史数据样本提取约简规则集,对应的T-S模型具有反映数据特征的良好拓扑结构;最后T-S模型参数由梯度下降混合最小二乘法进行精调。该方法应用于铁矿氧化球团回转窑生产过程控制取得了良好效果,增强了系统容错及抗干扰的能力。     

基于链接的模糊聚类集成方法

针对多数聚类集成方法忽视潜在信息或获取潜在信息方法复杂这一缺点,提出一种基于链接的模糊聚类集成方法。该算法首先利用模糊聚类算法建立集成信息矩阵,然后使用相应的链接方法将集成信息矩阵转化为反映数据相关性的权重图,最后运用图划分技术得到最终结果。实验结果表明,新提出的算法可以有效地获取潜在信息,同时提高聚类质量。     

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。     

基于模糊聚类-模糊模式识别的复合材料高温机械性能评价

将模糊聚类和模糊模式识别相结合的识别方法应用于具有多模糊特征变量的复合材料高温机械性能的识别中。对给定特征的复合材料进行模糊分类,建立群体模式。通过模糊模式识别在模式库中对检验样本进行匹配,实现对未知材料的聚类识别。结果表明:对于多因子相关的复合材料性能,两种方法的结合是有效可行的,可以满足经济性和准确性的要求。     

基于模糊聚类的高速公路运营成本预测

以高速公路全寿命周期成本为基础，提出了应用模糊聚类估算模型计算高速公路运营成本的方法，并以大广高速深州至大名段为例，选取高速公路途经地区平均人均国内生产总值、总里程、路基宽度、桥涵设施数量、立交数量、收费站数量、服务区数量和平均日交通量等特征属性，依据12条高速公路的特征属性和运营成本，预测出大广高速的运营成本。     

基于模糊聚类的城市经济发展水平分类

科学定位城市经济的发展水平对于制定城市发展战略规划以及相关政策具有重要的现实意义。将模糊聚类分析应用于城市经济发展水平的分类研究,选取具有代表性的经济指标建立模糊相似矩阵,应用模糊聚类法实现聚类,从而对城市经济发展水平进行分类。     

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。     

基于改进量子遗传算法的小波神经网络优化及其软测量应用

针对简单量子遗传算法在优化高维问题寻优速度慢、收敛率低的缺陷,提出一种改进的量子遗传算法,通过搜索各种群中最优染色体组成当前最优个体,并依此个体来确定量子门的全局最优搜索方向。将改进算法用于优化小波神经网络,藉此建立了4-CBA浓度的软测量模型。仿真结果表明:与简单量子遗传算法相比,改进算法对复杂优化问题具有全局快速寻优性能。     

基于模糊聚类的电梯物料分类采购研究

为了降低电梯企业生产成本,提高其产品竞争力,对电梯采购策略进行研究。本文首先分析电梯物料的特点,借鉴、筛选近十年来物料分类的指标,以经济性、供应市场复杂性以及业务影响性三个维度建立物料分类指标体系。然后引入模糊聚类方法对电梯物料进行分类,并将分类结果与Kraljic矩阵相结合,给出相应的采购策略。最后,通过实例表明,模糊聚类方法可以按多个特征因素对品种数量庞大的电梯物料进行分类,为电梯企业高效采购提供借鉴。     

基于模糊聚类与贴近度的物流供应商的选择

本文以模糊聚类与贴近度的方法,分析企业合作过的供应商,将待选供应商与以往合作过的供应商进行聚类。然后将待求供应商与划分为一类的供应商求贴近度,最后引入加权原则求待选供应商的选择度。     

基于加权模糊c均值聚类的快速图像自动分割算法

图像分割是指将一幅图像分解为若干互不交迭的区域的集合，是图像处理和计算机视觉的基本问题之一。为了提高图像分割的效率，提出了一种基于2维直方图加权的塔形模糊c均值（FCM）聚类图像快速分割算法。该方法先通过构造合理的2维直方图对噪声进行抑制；然后通过塔形分解来缩减聚类样本集；最后利用加权FCM聚类算法进行分类。仿真结果表明，该方法的效率明显优于标准的FCM算法。此外，为确定分割的最优类别数c，还引入了一种基于该快速算法的聚类有效性评价函数——修正划分模糊度，实现了最佳图像分割类别数c的自动确定。基于人造图像和实际图像的测试实验结果表明该方法是有效的。     

基于神经网络和模糊逻辑的信用评价模型

在对Z评分模型以及KMV模型、J.P.摩根的Credit-Metrics模型、瑞士信贷银行的Credit-Risk模型、麦肯锡的信用组合模型等信用风险模型进行分析的基础上,提出在多元综合回归分析的基础上建立企业财务状况指数测算公式,再使用模糊聚类方法进行信用等级评价、使用模糊神经网络进行风险预测的信用评价的新方案。     

基于灰色聚类的企业伦理能力评价研究

分析了企业伦理能力测度理论现状,提出了企业伦理能力评价指标体系。运用灰色聚类理论建立了相应的企业伦理能力评价模型,并运用该模型对海尔集团企业伦理现状进行了定量分析。     

基于CEEMDAN方法和灰色模糊聚类的汇率预测研究

随着国际化贸易进程持续深化,人民币汇率双向波动弹性明显进一步增强,市场预期也进一步分化,如何准确刻画人民币汇率未来走势具有非常重要的意义.模型的预测能力不仅取决于模型设定是否正确,更取决于模型能否将序列数据中蕴涵的复杂信息进行有效提取并予以综合利用.采取分解—重构—集成策略,有效提取汇率序列中不同频次的复杂信息,构建CEEMDAN组合模型对人民币汇率走势进行集成预测.实证研究表明:单一模型的预测能力不如组合模型,而在组合模型中,CEEMDAN组合模型的预测能力明显优于其他模型,能够更好地刻画汇率短期走势.     

多级离散模糊神经网络稳定性的优化算法

针对模糊集理论在建模中对变化的外部环境适应能力差,以及基本神经网络模型不容易获得模糊集之间关系等问题,提出了一个具有基本模糊推理系统“IF-THEN”规则的多级离散模糊神经网络模型。分析了该模型的基本稳定性条件,并使用硬C均值聚类方法获得数据集之间的关系,采用遗传算法优化了该模型。最后通过计算机仿真验证了该模型的有效性。     

一种基于改进型遗传算法的模糊聚类

针对模糊C均值算法(FCM算法)难以达到全局最优解的问题,引入了具有全局搜索能力的遗传算法以解决聚类问题,并在标准遗传算法基础上进行了改进。将该算法运用于IR IS数据的聚类,实现了较好的聚类,从而验证了算法的有效性。     

基于模糊聚类的长三角港口物流服务功能归类与对策

我国长三角地区作为我国经济与港口物流发展最发达的区域,其港口物流服务功能应合理分类并实施相应的策略.选取模糊聚类的分析方法,从港口物流的综合服务、基础生产、辅助作业和衍生支持服务等方面进行长三角港口物流服务功能归类,不同的港口物流功能形成了不同的类型.未来长三角港口应根据港口物流功能发展的特征对港口进行合理发展方向定位;区域港口群发展进行分层次的治理模式;加快区域港口资源整合和港口群发展整体的国际竞争力提升.     

基于支持向量机的模糊小波神经网络

针对高维输入小波网络的初始参数和网络结构非常复杂且计算量大的问题,提出用支持向量机(SVM)确定小波网络的初始参数和网络结构的方法。首先,使用有监督模糊聚类算法从聚类中抽取模糊规则,然后对每一个规则的后件使用支持向量机方法确定小波网络的结构和初始参数,最后采用梯度下降方法调节模糊小波网络中的参数,使得模糊小波网络输出与期望输出之间的误差较小。仿真结果表明:该算法与传统的模糊神经网络(FNN)相比显著提高了分类精度。