基于万有引力定律的数据分类效果评价

针对模糊C-均值聚类算法对初始化分类参数的选择比较敏感而导致分类结果差异性较大的不足，提出基于万有引力定律的分类效果好坏的评价准则。实验结果表明。本文定义的分类效果评价准则是可行的。     

基于Dirichlet分布有限混合模型的Bayes聚类

本文基于Dirichlet分布有限混合模型,提出了一种用于成分数据的Bayes聚类方法.采用EM算法获得模型参数的估计,用BIC准则确定类数,用类似于Bayes判别的方法对各观测分类.推导了计算公式,编写出程序.模拟研究结果表明,本文提出的方法有较好的聚类效果.     

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。     

聚类有效性函数：熵公式

依据香农信息熵理论。本文引入了一个新的划分熵公式。结合Ｊ．Ｃ．Ｂｅｚｄｅｋ给出的划分熵，定义了一个新的聚类有效性函数。通过四组数据对该聚类有效性函数的判决功能和鲁棒性进行了研究。     

基于动态聚类-因子分析的社会发展评价指标构建模型

运用动态聚类与因子分析相结合的双重指标筛选法对社会发展评价指标进行定量筛选,最终建立了包含社会公平,社会公共利益保障两个准则层在内的共计9个指标的社会发展评价指标体系.主要特色一是利用动态聚类的方法分别对社会公平,社会公共利益保障两个准则层内的社会发展评价指标进行分类,使不同的聚类结果代表社会发展的不同层面,避免了各个社会发展评价指标之间反映的社会发展信息重叠;二是通过因子分析遴选出每一个社会发展评价指标类中信息贡献程度最大的社会发展评价指标,同时删除其他信息贡献率小的社会发展评价指标,保证了筛选出的社会发展评价指标能最大程度的反映整个海选社会发展评价指标的信息量;三是主成分-熵的信息贡献测算模型表明:最终构建的社会发展评价指标体系用29%的社会发展评价指标覆盖了社会发展海选指标体系中89%的原始信息量.     

硬聚类和模糊聚类的结合——双层FCM快速算法

模糊c均值(FCM)聚类算法在模式识别领域中得到了广泛的应用,但FCM算法在大数据集的情况下需要大量的CPU时间,令用户感到十分不便,提高算法的速度是一个急待解决的问题。本文提出的双层FCM聚类算法是一种快速算法,它体现了硬聚类和模糊聚类的结合,以硬聚类的结果对模糊聚类的初始值进行指导,从而明显地缩短了迭代过程。双层FCM算法所用的CPU时间仅为FCM算法的十三分之一,因而具有很强的实用价值。     

一种稳健的聚类方法

本文讨论一种新的聚类方法 :属性均值聚类 .通过理论分析 ,属性均值聚类是比模糊均值聚类更稳健的聚类方法 .数值实验说明了该方法的有效性     

“min—max”准则下的模糊聚类

本文利用模糊关系矩阵在“ｍｉｎ－ｍａｘ”复合下的运算，提出了一种新的模糊聚类方法，它是直接计算出并类距离矩阵进行聚类，但在计算量上要远远小于通常的聚类，并且它的聚类结果是唯一的。     

关于聚类有效性函数熵公式HP（u,c）

对文[1]提出的聚类有效性函数HP(u,c）作了一定的理论分析,并就文[1]使用的数据及其他数据进行了计算机模拟。模拟结果显示：HP（u,c) 作为FCM算法的聚类有效性函数是不合适的。     

双向聚类方法综述

传统的聚类方法由于无法提取样本和变量间的局部对应关系,并且当数据具有高维性和稀疏性时表现不佳,因此学者们提出了双向聚类,基于样本和变量间的局部关系,同时对样本和变量进行聚类,形成一系列子矩阵的聚类结果。近年来,双向聚类发展迅速,在基因分析、文本聚类、推荐系统等领域应用广泛。首先,对双向聚类方法进行梳理与归纳,重点阐述稀疏双向聚类、谱双向聚类和信息双向聚类三类方法,分析它们之间的区别和联系,并且介绍这三类方法在多源数据的整合分析、多层聚类、半监督学习以及集成学习上的发展现状和趋势;其次,重点介绍双向聚类在基因分析、文本聚类、推荐系统等领域的应用研究情况;最后,结合大数据时代的数据特征和双向聚类存在的问题,展望双向聚类未来的研究方向。     

军校学员的心理健康分析

本文使用分层聚类和Fisher判别等统计学方法对军校学员的心理健康状况进行统计分析。根据我校军人健康中心收集到的测查数据 ,分析了聚为不同类的学员的在心理健康方面所存在的差异与联系 ,得到了判别函数 ,为对不同学员进行针对性的心理健康教育提供了科学依据     

平面有序样品的PP聚类

本文给出平面有序样品的ＰＰ聚类方法，并对ＰＰ指标及Ｐ聚类的性质进行了理论讨论。     

基于三支决策的灰色可能度聚类方法及应用

针对经典的灰色可能度聚类评估模型难以判定决策对象的灰类归属和过度聚类等问题,利用三支决策的思想和方法,通过引入三支灰类的概念描述决策对象和灰类之间的不确定聚类关系;将其代替灰色定权聚类中的灰类和严格的聚类关系,构建基于三支决策的灰色可能度聚类方法,并采用决策粗糙集中的贝叶斯推理确定聚类阈值;最后,以案例验证所提方法的有效性和合理性。结果表明：本文所构建的模型是经典灰色可能度聚类评估模型的拓展和泛化,可以有效避免过度聚类,降低决策风险,提高聚类可靠性。     

全球主要股市波动率的聚类特征分析

本文采用多路归一化割谱聚类方法、单变量GARCH模型和Granger因果检验相结合的模型,分阶段研究了1994-2014年间全球主要股市波动率的聚类特征。首先,利用单变量GARCH模型分别提取全球主要股市的波动率;其次,借助多路归一化割谱聚类方法的特殊性质刻画了全球主要股市波动率的聚类数目、聚类质量以及聚类结果的稳定性等特征;最后,利用Granger因果检验模型分析不同类的代表元股市间的波动溢出效应和同一类内股市间的波动溢出效应。实证结果表明,与非金融危机阶段相比,在金融危机期间全球主要股市波动率的聚类数目较多、聚类质量较高、聚类结果相对稳定、并且全球主要股市间的波动溢出效应增强。     

一种扩展聚类分析方法

本文定义了聚类中心以及点到聚类中心的距离，提出了一种平面点集的动态聚类分析方法。     

闪电分叉过程算法优化的K-means聚类

K-means聚类算法是在数据挖掘和数据分析中一种常用算法,但是其存在依赖初始值和易陷入局部最优值的缺陷,针对这些不足,本文提出一种闪电分叉过程算法优化的K-means聚类,克服聚类算法在初始值选择困难的问题,提高K-means聚类算法的求解精度,降低陷入局部最优的可能性。从UCI数据集中选取6个真实的数据集进行仿真实验,结果表明本文改进后的聚类算法有更好的求解精度和鲁棒性。     

网络聚类算法及其生物信息学应用

介绍一些网络聚类算法及其基本原理,简述了其在生物信息学的应用。本文不是一个网络聚类算法的全面综述,只介绍这些网络聚类算法的基本思路,体会其数学建模的基本思想。     

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.     

一种扩展的动态聚类分析方法

本文定义了聚类中心以及点到聚类中心的距离，提出了一种平面点集的动态聚类分析方法。     

再论企业效益的综合评价——兼与刘贤龙同志商榷

本文对企业经济效益综合评价的数学模型进行了比较研究 ,指出用先聚类后判别的方法划分企业类型是比较可靠的