模糊聚类分析的方法及实例应用

首先介绍了模糊聚类分析在分类中的重要性,其次介绍了模糊聚类分析的步骤,最后将模糊聚类分析算法与实际问题结合起来,并给出了分类结果,验证了方法的有效性.     

模糊C均值算法的改进

模糊聚类分析方法具有较强的实用性,但传统的模糊C均值算法对数据集进行分类时有均分的趋势,对于数据集中各类样本数目相差较大的情况,其聚类结果不是很理想.因此,本文对FCM算法进行了改进,使之不但能够达到更好的分类效果,同时也更加适用于样本分类不均衡的聚类问题.文中还结合具体算例进行了聚类分析,得到了理想的分类效果.     

一种函数型数据的聚类分析方法

分析了函数型数据主成分分析的原理。在此基础上,提出了一种函数型数据的聚类分析方法,以及在低维空间对原始高维数据进行直观表达的方法。给出了函数型数据的距离定义,并分析了这种距离的定义与欧氏距离的关系。提出函数型数据聚类分析的新方法:1)通过变换把离散数据转化为函数数据;2)进行函数型主成分分析;3)利用提取的前几个主成分构成低维空间,在该低维空间中,采用普通的聚类方法进行聚类分析。采用人体肢体多普勒超声血管造影的数据对所提出的方法的合理性进行验证。结果表明该方法可以有效地对函数型数据进行分类,分类结果与专家临床结论相符,因而有助于临床上对样本做客观判断。该方法不依赖专家的经验判断,且计算过程简便,易于计算机实现及临床应用。     

基于DEA的竞争战略识别

针对有效决策单元评价和区分的问题,在充分提取决策单元之间相似性和相异性信息基础上,定义了多指标区间交叉效率,进而提出了一种基于投入、产出权重的聚类分析方法,并将其应用于竞争战略识别.实证结果表明,该方法能够区分有效决策单元,综合评价具有统一性和合理性;与同类战略识别方法相比,更具客观性和解释能力,分类效果更好.该方法提供了一种客观的新的竞争战略识别方法,有助于战略有效性的研究.     

基于粗糙集知识约简的焊接动态过程建模

焊接过程的智能建模是焊接智能化技术的基础构成之一,将粗糙集理论应用在电弧焊接过程建模与成形质量预测方面.为提高计算效率,给出在不相容决策信息系统中基于最大近似质量和最大分类正确率的知识约简算法.在现有粗糙集建模方法的基础上,引入聚类分析、模糊逻辑及近似推理技术,提出一种改进的焊接动态过程建模方法,通过铝合金TIG焊接工艺实验验证模型的合理性及有效性.     

海水富营养化评价的主成分-聚类分析方法

根据主成分分析和聚类分析理论 ,针对海水富营养化评价因子间的相关性 ,提出了海水富营养化的主成分 -聚类分析综合评价方法 .该方法能根据实测资料对海水富营养化状况客观地分类并计算出评价权值 ,避免了主观随意性 .将其应用于 2 0 0 0年 5月至 2 0 0 1年 5月柘林湾海水富营养化程度的分类与评价 ,结果与实际吻合 .     

初中学生心理测量的统计分析

本文用相关分析说明了〈中学生素质特点分类培养〉项目研究中所用各种心理诊断量表整体组合运用的合理性 ;用因子分析简化了测试项目的指标体系 ,选定了适当的公共主因子 ,并对公因子给予了合理的解释 ;用聚类分析依据因子得分对学生实施心理素质特点分类 ;根据学生的心理素质特点类型提出了相应的宏观培养策略     

模糊数学方法在孢粉分析中的应用

运用模糊聚类分析的方法将已知的孢粉样本进行了分类 ,得到了动态聚类图 ,并利用方差分析的原理给出了最佳的分类 .     

相似系数定义的合理性

模糊聚类分析中相似系数定义决定分类集合的分类结果,本文附录内有13种相似系数定义,其中有6种含有1—3个参数。对于如此广泛的选择性,分类集合的分类结果往往因人而异。本文建立相似系数定义的合理性准则,分析各种定义的优缺点,确认明氏距离法是合理的。     

土壤分类的模糊集成算法与应用

土壤是一个多性状的连续体,其分类的首选方法是模糊聚类分析.但是模糊聚类分析中现有的基于模糊等价关系的动态聚类法和模糊c-均值法各有利弊,采用其中一种方法聚类肯定存在不足.为此集成两种聚类方法的优点,避其缺点,提出了用基于模糊等价关系的动态聚类方法和方差分析方法确定聚类数目和初始聚类中心,再用模糊c-均值法决定最终分类结果的集成算法,并将其应用到松花江流域土壤分类中,得到了较为切合实际的分类结果.     

上市公司经营业绩的分类与评价

首先运用R型聚类分析,从反映经营状况的9项指标中,筛选出5项典型指标作为分类指标,然后根据分类指标,运用Q型聚类中的系统聚类分析法将机械工业45家上市公司分成5类,并进一步按盈利性、成长性和财务安全性对每一类公司的业绩状况进行总体归纳评价.在此基础上,运用理想点法并考虑指标的重要性,对每一类各个公司的业绩进行评价和排序,通过分类与评价得出了一些有价值的结论.     

Semiflat L-cluster methods

In previous work, an order theoretic model for cluster analysis has been developed, and flat cluster methods characterized in terms of their compatibility with respect to the set of residuated mappings on the non-negative reals. This suggests the possibility of classifying cluster methods according to their compatibility properties with respect to residuated mappings. Such a program is herewith initiated. Semiflat cluster methods are defined and characterized by their compatibility with respect to those residuated mappings θ for which θ⁺ (0) = 0. It is also shown how these methods fit into an earlier graph theoretic model for cluster analysis that was developed by Jardine and Sibson.     

Clustering of contingency table and mixture model

Basing cluster analysis on mixture models has become a classical and powerful approach. It enables some classical criteria such as the well-known k-means criterion to be explained. To classify the rows or the columns of a contingency table, an adapted version of k-means known as Mndki2, which uses the chi-square distance, can be used. Unfortunately, this simple, effective method which can be used jointly with correspondence analysis based on the same representation of the data, cannot be associated with a mixture model in the same way as the classical k-means algorithm. In this paper we show that the Mndki2 algorithm can be viewed as an approximation of a classifying version of the EM algorithm for a mixture of multinomial distributions. A comparison of the algorithms belonging in this context are experimentally investigated using Monte Carlo simulations.     

基于一类分类方法的多类分类研究

在分析非线性数据处理新方法—核方法理论的基础,研究基于一类分类方法的多类分类的基本原理,提出应用于多类分类的可信度函数,使分类的结果更具有可信度.最后,以某企业对供应商关系调查数据为例,将这种方法应用于企业商业关系分析中,结果表明该方法的有效性,为非线性数据分类提供了一种新方法.     

基于微分进化算法的FCM图像分割算法

为提高模糊C均值(FCM)算法的自动化程度,提出基于微分进化算法的FCM图像分割算法(DEFCM),利用微分进化算法全局性和鲁棒性的特点自动确定分类数和初始聚类中心,再将其作为模糊c均值聚类的初始聚类中心,弥补FCM算法的不足.实验表明该算法不仅能够正确地对图像分类,而且能获得较好的图像分割效果和质量.     

大学生综合素质的评价方法与应用

简述了因子分析法,雷达图法和聚类分析法的理论知识.利用因子分析法,雷达图法和聚类分析法,对学生的成绩进行全面分析,得到学生综合素质的合理评价.结果表明,较以往常用的两种方法(平均积点分和综合测评总分),方法更具有科学性与合理性.     

Nonlinear logistic discrimination via regularized radial basis functions for classifying high-dimensional data

A flexible nonparametric method is proposed for classifying high- dimensional data with a complex structure. The proposed method can be regarded as an extended version of linear logistic discriminant procedures, in which the linear predictor is replaced by a radial-basis-expansion predictor. Radial basis functions with a hyperparameter are used to take the information on covariates and class labels into account; this was nearly impossible within the previously proposed hybrid learning framework. The penalized maximum likelihood estimation procedure is employed to obtain stable parameter estimates. A crucial issue in the model-construction process is the choice of a suitable model from candidates. This issue is examined from information-theoretic and Bayesian viewpoints and we employed Ando et al. (Japanese Journal of Applied Statistics, 31, 123–139, 2002)’s model evaluation criteria. The proposed method is available not only for the high-dimensional data but also for the variable selection problem. Real data analysis and Monte Carlo experiments show that our proposed method performs well in classifying future observations in practical situations. The simulation results also show that the use of the hyperparameter in the basis functions improves the prediction performance.     

一种新的分类方法

本文在属性聚类网络的基础上 ,提出了堆近邻分类方法 .通过将无监督的属性聚类加上有监督信息 ,能自适应地优选堆数 .样本所考察的近邻个数依据它所在的堆的大小 ,因而每个样本所考查的近邻的个数不是完全相等的 .这种方法可用到高维小样本的数据分类问题中 .我们将它应用到基因表达谱形式的癌症辩识问题中 ,结果表明分类性能得到了较大的提高     

������ɷ��Ԫ��̬�ֲ������ļ�����Ȼ����

??Hidden Markov model is widely used in statistical modeling of time, space and state transition data. The definition of hidden Markov multivariate normal distribution is given. The principle of using cluster analysis to determine the hidden state of observed variables is introduced. The maximum likelihood estimator of the unknown parameters in the model is derived. The simulated observation data set is used to test the estimation effect and stability of the method. The characteristic is simple classical statistical inference such as cluster analysis and maximum likelihood estimation. The method solves the parameter estimation problem of complex statistical models.     

Maximum Likelihood Estimation of Hidden Markov Multivariate Normal Distribution Parameters

Hidden Markov model is widely used in statistical modeling of time, space and state transition data. The definition of hidden Markov multivariate normal distribution is given. The principle of using cluster analysis to determine the hidden state of observed variables is introduced. The maximum likelihood estimator of the unknown parameters in the model is derived. The simulated observation data set is used to test the estimation effect and stability of the method. The characteristic is simple classical statistical inference such as cluster analysis and maximum likelihood estimation. The method solves the parameter estimation problem of complex statistical models.