基于距离相关系数的分层聚类法

随着大数据时代的到来，各个领域涌现出海量数据且结构复杂.如变量的维数不同、尺度不同等.而现实中变量之间往往存在着不确定关系，经典的Pearson相关系数仅能反映两个同维变量间的线性相关关系，不足以完全刻画变量间的相关关系.2007年Szekely等提出的距离相关系数则能描述不同维数变量间的非线性关系.为了探索变量之间的内在信息，本文基于距离相关系数提出了最大距离相关系数法对变量聚类，且有超度量性和空间收缩性.为充分发挥距离相关系数的优势，对上述方法改进得到类整体距离相关系数法.该方法在刻画两类间相似性时，将每类中的所有变量合并成一个整体，再计算这两个不同维数的整体间的距离相关系数.最后，将类整体距离相关系数法应用到几个实际问题中，验证了算法的有效性.     

基于类内类间距离量级平衡的FCM聚类算法设计

类内距离和类间距离数值量级差异性导致两类距离无法直接融合,进而影响了FCM聚类模型设计。首先,本文全面回顾了经典和改进型的FCM聚类模型,构建了类内距离和类间距离迹的关系模型,分别从类内类间距离的变化不一致性和量级差异性两个方面分析了现有FCM聚类模型的不足;其次,运用高斯核距离替代传统的欧式距离来表征类内类间距离,基于最小化类内紧凑度与类间分离度差的思想,设计了类内类间距离平衡方法,提出了一种改进的FCM聚类目标函数与算法;最后,运用算例说明了本方法的有效性和优越性。     

基于指标信息量的灰色可能度聚类模型研究

针对灰色可能度聚类方法中指标权重确定问题,利用改进的CRITIC法确定指标权重,构建了改进的灰色可能度聚类模型.对于传统的CRITIC法,运用变异系数和点距离差值代替传统CRITIC法中的标准差和相关系数,以此代表指标间对比强度和冲突性并基于此提出了新型CRITIC法,解决了标准差不能有效反映指标变异程度,避免当指标数量较少时,相关系数波动性较大的问题.改进的灰色聚类模型通过各指标间信息量水平的差异从而确定指标的客观权重,有效体现了指标信息的重要作用,使权重的确定更加科学,最后运用算例验证改进灰色聚类模型的有效性.     

分类属性数据的泛化中心聚类算法

针对采用经典划分思想的聚类算法以一个点来代表类的局限,提出一种基于泛化中心的分类属性数据聚类算法。该算法通过定义包含多个点的泛化中心来代表类,能够体现出类的数据分布特征,并进一步提出泛化中心距离及类间距离度量的新方法,给出泛化中心的确定方法及基于泛化中心进行对象到类分配的聚类策略,一般只需一次划分迭代就能得到最终聚类结果。将泛化中心算法应用到四个基准数据集,并与著名的划分聚类算法K-modes及其两种改进算法进行比较,结果表明泛化中心算法聚类正确率更高,迭代次数更少,是有效可行的。     

基于聚类的多属性群决策专家权重确定方法

对于多属性群决策中专家权重确定的问题,本文提出了基于聚类的专家权重确定方法,将专家权重分为类别间权重和类别内权重,对专家聚类步骤和类别间权重的计算方法进行了改进。通过专家给出的判断矩阵构建相容度矩阵,利用系统聚类原理,对相容度矩阵进行聚类,得到最大相容度谱系图。通过最大相容度间的距离和给定阈值的比较,对专家进行恰当分类,从而避免了根据现有研究步骤只能将专家分为两类的不足。此外,在确定类别间权重时,除继续对类容量较大的类赋予较大的类别间权重系数外,还引入专家判断矩阵的属性权重一致性来反映类别间的差异,从而有效避免了当某几类专家中含有相等数目专家时,赋予这几类专家相同类别间权重系数的问题。所提方法结构清晰、计算简便,并使得专家权重计算结果更为合理准确。最后运用一个算例对比验证了该方法的可行性和有效性。     

基于迁移学习的GH159螺栓热镦后头部缺陷识别

为准确进行GH159螺栓热镦后头部缺陷识别,提出了基于迁移学习的缺陷识别方法,其中,不同场景亮度下的数据集分别设置为迁移学习的源域,目标域.首先,考虑域条件分布的多簇特点,使用K-means算法对同类缺陷数据进行簇划分,确定簇中心,并基于其构造新的分布差异度量;其次,为有效提升迁移学习计算效率,使用簇中心间距离以及各簇...     

函数型聚类分析:基于距离的一步法框架

基于距离的函数型聚类分析包含曲线拟合和聚类两个独立步骤,最优曲线拟合未必有利于类别信息的提取和保留。根据曲线拟合与聚类分析的计算过程,重新梳理了函数型聚类算法;基于距离度量,提出了同时考虑拟合和聚类效果的函数型聚类一步法;在交替方向乘子法(ADMM)框架下推导并给出了迭代求解算法。模拟试验结果显示,该函数型聚类算法有助于提高聚类精度;针对北京市空气质量监测站点二氧化氮(NO_2)污染物小时浓度数据的实例验证分析表明,该函数型聚类算法对不同类别空气质量监测点具有更好的区分度。     

基于对象多属性差异的灰色发展聚类方法及应用

在现实决策问题中,决策对象在不同时期行为状态和所属类型往往呈现一定的发展规律,而现有聚类方法难以充分挖掘聚类对象的发展信息、对象间的关系信息和发展属性的差异信息。为有效处理此类问题,考虑到研究对象的发展趋势、发展行为和发展绝对量与增长量的属性差异,采用GM(1,1)和灰色定权聚类方法,构建了基于对象多属性差异的灰色发展聚类方法,并以我国区域高新技术产业化聚类评估问题为例验证了模型的有效性与合理性。结果表明,所构建模型能够有效描述研究对象呈现发展趋势或未来行为,并实现对研究对象的有效聚类。     

一种动态获取簇核心的自动聚类tNN-MEANS算法

K-means算法是一种非常重要的聚类算法,然而算法的聚类效果受簇的个数、初始中心点位置的影响很大.提出基于优化初始中心集合和中心移动算法tNN-MEANS,算法有效解决了以下三个问题:1)准确确定大规模数据集中簇的个数;2)精确确定全局高密度的核心区域;3)克服了簇中存在多个高密度区域的问题.运用UCI数据集分别对X-means算法、DBSCAN算法和tNN-MEANS算法进行对比实验,实验结果验证了tNN-MEANS算法的聚类精度、确定簇的个数、蔟划分的正确率等性能均优于与之对比的其它算法.     

基于相对熵距离的动态改进理想解法及其应用研究

为综合比较多个多指标对象在某时刻的发展状况和在不同时刻的整体发展态势,构建了基于相对熵距离的动态改进理想解法.该方法在传统理想解法基础上用改进熵值法确定不同时刻的指标权重,通过相对熵计算与理想解的距离避免了欧式距离的一些弊端,并增加考虑正负距离的相对重要性.利用基于波动性和时间度的时间权向量二次加权以推广到动态数据应用场景,最后通过实例验证该方法的可行性.     

基于改进RFM模型对民航客户的细分研究

近年来航空公司将客户分成不同的群体为了给客户提供差异化服务和有针对性的营销.现有传统的客户细分RFM模型由于存在缺乏科学的指标建立,已无法准确和完整的描述实际情况中客户的细分结果,根据民航客户价值的特点,在传统客户细分的RFM模型上进行改进,创建LRFMC模型,对某航空公司客户采用数据挖掘K-means算法进行聚类分析,得到航空公司旅客分类的结果.依据细分结果对不同旅客提供差异化的服务和有针对性的营销策略,改善民航企业的服务质量,提高民航企业在市场中的竞争力.     

基于k-means和邻域粗糙集的航空客户价值分类研究

对客户价值进行分类, 识别重要价值客户, 对航空公司获利至关重要。本文提出了基于k-means和邻域粗糙集的航空客户价值分类模型。首先, 从客户的当前价值和潜在价值双视角出发, 建立了航空客户综合价值评价指标体系; 之后, 采用基于Elbow的k-means方法对航空客户进行聚类, 采用邻域粗糙集方法对决策系统进行指标约简, 根据约简后的决策系统完成客户价值初筛。评估前先使用SMOTE方法消除数据的不平衡性, 而后采用网格搜索组合分类器的方法对航空客户价值分类的效果进行评估和检验。最后, 根据评估结果对航空客户价值细分。文末, 对国内某航空公司的62988条真实客户记录进行了实证分析和验证, 其中, 潜在VIP客户群的分类准确率达到了92%, 从而为航空客户价值分类提供了一种新思路。     

IBM journey management library: an arena system for airport simulations

Airline passenger terminal congestion caused by increasing passenger traffic results in unsatisfactory levels of customer service. We discuss a simulation modelling tool to help airlines and airports to use advanced technology to improve service to passengers. The tool consists of custom designed, reusable modules that represent the most common airline and airport system data, logic and processes. A model of an actual airline operation based on this approach is described.     

Using decision rules to achieve mass customization of airline services

This paper uses the Dominance-based Rough Set Approach (DRSA) to formulate airline service strategies by generating decision rules that model passenger preference for airline service quality. DRSA could help airlines eliminate some services associated with dispensable attributes without affecting passenger perception of service quality. DRSA could also help airlines achieve mass customization of airline services and generate additional revenues by active or passive targeting of quality services to passengers.     

TASC: Two-attribute-set clustering through decision tree construction

Clustering is the process of grouping a set of objects into classes of similar objects. In the past, clustering algorithms had a common problem that they use only one set of attributes for both partitioning the data space and measuring the similarity between objects. This problem has limited the use of the existing algorithms on some practical situation. Hence, this paper introduces a new clustering algorithm, which partitions data space by constructing a decision tree using one attribute set, and measures the degree of similarity using another. Three different partitioning methods are presented. The algorithm is explained with illustration. The performance and accuracy of the four partitioning methods are evaluated and compared.     

Structural properties of the Chinese air transportation multilayer network

Recently multilayer networks are attracting great attention because the properties of many real-world systems cannot be well understood without considering their different layers. In this paper, we investigate the structural properties of the Chinese air transportation multilayer network (ATMN) by progressively merging layers together, where each commercial airline (company) defines a layer. The results show that the high clustering coefficient, short characteristic path length and large collection of reachable destinations of the Chinese ATMN can only emerge when several layers are merged together. Moreover, we compare two main types of layers corresponding to major and low-cost airlines. It is found that the small-world property and the rich-club effect of the Chinese ATMN are mainly caused by those layers corresponding to major airlines. Our work will highlight a better understanding of the Chinese air transportation network.     

A hybrid fuzzy-optimization approach to customer grouping-based logistics distribution operations

This paper presents an integrated fuzzy-optimization customer grouping based logistics distribution methodology for quickly responding to a variety of customer demands. The proposed methodology involves three main mechanisms: (1) pre-route customer classification using fuzzy clustering techniques, (2) determination of customer group-based delivery service priority and (3) en-route goods delivery using multi-objective optimization programming methods. In the process of pre-route customer classification, the proposed method groups customers’ orders primarily based on the multiple attributes of customer demands, rather than by static geographic attributes, which are mainly considered in classical vehicle routing algorithms. Numerical studies including a real-world application are conducted to illustrate the applicability of the proposed method and its potential advantages over existing operational strategies. Using the proposed method, it is shown that the overall performance of a logistics distribution system can be improved by more than 20%, according to the numerical results from the case studied.     

Staffing a service system with appointment-based customer arrivals

Appointment systems are widely used to facilitate customers’ access to services in many industries such as healthcare. A number of studies have taken a queueing approach to analyse service systems and facilitate managerial decisions on staffing requirements by assuming independent and stationary customer arrivals. This paper is motivated by the observation that the queueing-based method shows relatively poor performance when customers arrive according to their appointment times. Because customer arrivals are dependent on their appointment times, this study, unlike queueing-based methods, conducts a detailed analysis of appointment-based customer arrivals instead of making steady-state assumptions. We develop a new model that captures the characteristics of appointment-based customer arrivals and computes the probability of transient system states. Through the use of this model, which relaxes stationary and independent assumptions, we propose a heuristic algorithm that determines staffing requirements with aims to minimizing staff-hours while satisfying a target service level. The simulation results show that the proposed method outperforms the queueing-based method.     

带有负顾客且具有反馈的M/M/1/N工作休假排队

研究带反馈的且具有正、负两类顾客的M/M/1/N工作休假排队模型.工作休假策略为空竭服务多重工作休假.负顾客一对一抵消队首正在接受服务的正顾客(若有),若系统中无正顾客时,到达的负顾客自动消失,负顾客不接受服务.完成服务的正顾客以概率p(0相似文献   

基于报表数据的上市公司顾客资产测量与提升——中国联通公司的应用研究

顾客资产体现企业在市场竞争中获取顾客资源的能力,本研究旨在利用报表数据对上市公司的顾客资产进行测量,并依据测量结果提出提升策略。首先,运用Matlab编程模拟上市公司的每期期末顾客存量适用的技术替代模型,进而求得顾客资产。其次,依据β转换模型原理估算企业现有顾客的终身价值总和,在同时考虑顾客的获取与流失的前提下求得顾客资产可持续比率。再次,依据顾客资产可持续比率和顾客资产的计算结果构建二维坐标图,以分析企业顾客资产的时间序列特征,作为提升顾客资产的依据。最后,将该方法在中国联通公司进行了应用。研究结果表明,该方法对上市公司的顾客资产测量和提升具有较好的适用性和可操作性。研究结果对于上市公司的顾客资产管理具有一定的参考价值。