用遗传算法改进聚类分析中的K—平均算法

Ｋ－平均算法属于聚类分析中的动态聚类法，但其聚类效果受初始聚类分类或初始点的影响较大，本文提出一种遗传算法（ＧＡ）来进行近优初始分类。以内部聚类准则作为评价指标，实验结果表明，该算法明显好于Ｋ－平均算法。     

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.     

聚类分析中非0,1编码的遗传算法

K-平均算法属于聚类分析中的动态聚类法,但其聚类效果受初始聚类分类或初始点的影响较大。本文提出一种遗传算法(GA)来进行近代初始分类,以内部聚类准则作为评价指标,实验结果表明,该算法明显好于K-平均算法。     

一种新的聚类分析方法——自然聚类法

确定分类数成为聚类分析中的主要问题之一.针对该问题,文章提出了一种新的聚类分析方法即自然聚类法.首先,给出了一个新的类的定义.按该定义聚类,类和类的个数是确定的.相应地,设计了自然聚类的算法.最后通过模拟研究和两个实例分析了所提出方法的有效性.     

基于混合型模糊聚类分析的降水区域分类法

在混合型模糊聚类分析的基础上,先用传递闭包法得出动态聚类结果,然后引用F统计量找到最佳分类,针对此最佳分类给出具体算法求得初始分类矩阵,然后利用模糊C-均值算法对初始分类矩阵进行迭代计算,对原分类结果进行软划分修正从而得出最终聚类结果.方法减少了两次人为因素对聚类结果的干扰.将其应用于降水区域划分的实证分析表明,可以对降水区域进行更为有效的划分.     

分支分类问题的随机优化解法

分支分类问题可归纳为聚类分析问题。通常的分支分类方法均属于聚合法，这些方法只能保证得到的局部最优解。本文应用划分方法进行聚类。根据随机优化理论搜索得到最优解，实验结果表明该方法是正确和可行的。     

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.     

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.     

基于AFS拓扑和FCM的模糊聚类分析

聚类分析是数据挖掘的一个重要研究课题，模糊聚类是聚类分析的一个有效手段。本文在分析AFS方法和FCM算法的基础上，设计了一个基于AFS拓扑和FCM的模糊聚类算法，进行iris数据的聚类实验证明它聚类结果优于传统的FCM聚类算法，具有很好的推广性和实际应用价值。     

主成分方法用于聚类分析

本文提出一种新的聚类分析方法，它通过主成分分析简化数据，将原样品转化成单指标有序样品，然后利用有序样品的系统聚类法加以分类．其特点是计算量小，节省计算机内存．文中附有一个实例对算法进行说明．     

群落有序样本的一种聚类分析方法

目前，适用于群落聚类分析中有序样本的聚类方法主要是“最优分割法”。本文提出了一种新的适用于群落有序样本的聚类方法，该法较最优分割法计算简便。     

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 .     

省域低碳经济发展分类及评价研究

在构建区域低碳经济评价指标体系的基础上,在省区低碳经济分类评价中,运用多元统计方法中的聚类分析和系统工程学中的密切值法,结合2011年中国统计年鉴的统计数据对相关指标的数据样本进行了聚类分析,将低碳经济发展相类似的地区划成群体,再用密切值法对聚类所得的群体进行排序,从而评价出各地区的低碳经济发展水平.     

二维有序样本的有约束系统聚类

二维有序样本进行聚类必须满足两个要求：（１）类内各单元的相似性和类间的差异性；（２）各单元在位置上的有序性和类内的连通性。根据这些要求，将各单元观测指标间的距离矩阵作为聚类的指示矩将各单元之间的区位联系矩阵作为聚类的约束矩阵，在约束矩阵给出的约束条件之下，以类间单元指标的最大距离作为类间相似性指标，在指示矩阵中通过逐步聚并而将全部单元合并归类，即可得出满足要求的样本分类。     

聚类分析在虎骨代用品研究中的应用

本文通过聚类分析的方法利用虎和某些动物的腿骨和椎骨骨胶中１７种氨基酸含量的数据，对虎骨和这些动物骨进行分类，以研究虎骨与其它动物骨的相似性，为挑选虎骨的代用品提供科学的依据。文中的分析依赖《多元统计分析实用程序》软件包，并同时采用了程序中动态聚类分析和系统聚类分析中最短距离和类平均几种聚类方法进行。由这些方法得到的大体相近的一些结论，达到了本文分析的目的。     

一种基于区间数多指标信息的FCM聚类算法

针对一类具有不确定性区间数多指标信息的聚类分析问题，依据传统的基于数值信息的FCM聚类算法的思路，提出了一种新的聚类分析算法。章首先描述了具有区间数多指标信息的聚类分析问题；其次给出了基于区间数多指标信息的关于最优划分和最优聚类中心确定的两个定理；然后给出了基于区间数多指标信息的FCM聚类算法的计算步骤。该算法的特点是聚类中心的表现形式为精确的数值，给出的两个定理说明了该聚类算法的收敛性。最后，通过给出一个算例说明了本给出的聚类算法。     

北京市各区县经济分析的聚类方法

方碧琪,汪永新．北京市各区县经济分析的聚类方法．数理统计与管理．１９９９,１８（１）,２５～３０本文讨论用聚类分析方法分析大城市城郊区经济发展的问题。以北京市经济９４—９５两年统计数据为基础,按照多种经济意义进行多次分类,提供了一种分析多层次大城市区域经济特点的方法     

一个贝叶斯聚类方法及应用

聚类分析是研究对样品或指标进行综合分类的一种多元统计分析方法.聚类结果常表现为树状图的形式.如何合理确定聚类的个数,一直是一个比较困难的问题,至今没有很好的解决方案,尤其当样本量较大时,树状图层次较多,很难直观确定聚类个数.介绍一种基于贝叶斯理论的聚类方法,通过对后验似然最大化的原则确定最佳聚类个数和方案,避免了聚类个数选择的主观性.一个已知分类情况的实际数据验证了该聚类方法的有效性.     

海外旅游流的网络相关性

本使用最小距离聚类法和最大树模糊聚类法对中国主要旅游热点城市海外旅游流的流动网络进行了分类，做了结点间的相关性分析。     

聚类分析分类结果合理性考核方法

对聚类分析应用于肿瘤分型时的分类结果合理性考核方法进行探讨.该方法借助于预测强度指标,并结合中位数及95%参考值范围的概念来比较不同聚类方法得到的分类的合理性,在一定程度上弥补了聚类分析方法的应用不足.在对白血病患者分型时取得了很好的效果.