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.     

水环境质量评价的模糊聚类法

将模糊聚类最大矩阵元原理与基于数据迭代为基础的水质模糊评价理论模型相结合，形成模糊聚类迭代方法．并用该方法对甘肃金昌市地下水质进行了分类评价，得到了今人满意的结果．     

地下水污染评价的模糊综合聚类法

本文将模糊聚类最大矩阵元原理与基于数据迭代为基础的水质模糊评价理论模型相结合．形成模糊综合聚类法．利用该方法对甘肃金昌市地下水水质进行了分类评价．得到今人满意的结果。     

模糊ISODATA中分类数C的确定

模糊ISODATA方法作为一种常用的聚类方法,在许多领域得到了广泛的应用.但作为一种聚类方法,它却没有显示出能自动聚类的效果,而只是对普通分类的一个扩展.在每次聚类前它仍要预先凭经验来给定一个分类数C因此,本文针对这个缺陷,提出了一个改进方案,使之能自动给出分类数C并在实例中得到了检验和应用.     

一般模糊极小极大神经网络的改进研究

针对一般模糊极小极大神经网络在处理重叠超盒和包含超盒时,出现新的类而标识为未知类,进而无法达到聚类预期效果的问题,提出了通过超盒的收缩过程来加入新类或删除一个已存在类的一般模糊极小极大神经网络,它继承了一般模糊极小极大神经网络的优点,并且避免了一般模糊极小极大神经网络在分类时的随意性,弥补了一般模糊极小极大神经网络无法达到聚类预期效果的目的,以及提高了模式分类的准确性和高效性.最后,通过实例验证了方法实用有效.     

模糊数空间上的积分度量及其在模糊聚类中的应用

在本文中,首先利用区间数的EW-型度量探讨了模糊数空间上的积分度量问题,给出了模糊数空间上的一种新的积分度量-EW-型积分度量,并证明了其相关性质.其次,作为EW-型积分度量的应用,设计了对属性特征为三角模糊数的事物进行分类的模糊聚类算法.然后通过实例分析,说明了EW-型积分度量使模糊聚类算法实现的更简单易行,分类更加精细,合理有效等。     

模糊聚类法在企业核心竞争力评价指标体系构建中的应用

企业核心竞争力评价指标体系的科学构建,是客观评价企业核心竞争力的前提.按照一定的原则选取指标和构建体系,并运用模糊聚类法给出具体指标处理和聚类过程,在聚类的基础上应用集合的m组分类思想和灰理论中的关联度对构建的指标体系进行分析,进一步对构建的指标体系检验,表明构建思想的科学性.     

模糊数学方法对葡萄酒的分类及评价

运用模糊聚类和模糊综合评判法解决了2012年全国大学生数学建模赛题A,评价了红葡萄酒和红葡萄质量之间的关系,通过红葡萄酒的质量和酿酒葡萄的理化指标实现了对红葡萄的分级,说明了可以用葡萄和葡萄酒的理化指标来评价葡萄酒的质量.     

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.     

灰色模糊聚类理论在飞机方案优选中的应用研究

将灰色系统理论应用到飞机设计方案评价中,研究了一种含有方案评价指标体系和考虑评价指标权重以及灰关联分析的飞机方案优选灰色模糊聚类决策理论,这种决策理论利用指标权重将评价指标联系在一起,在评价方案与理想方案灰关联度的基础上进行灰色模糊聚类,实现方案优选.最后以一个短距/垂直起降(V/STOL)飞机设计实例证实此方法的科学性与可行性.     

Fuzzy clustering on LR-type fuzzy numbers with an application in Taiwanese tea evaluation

This paper presents a fuzzy clustering algorithm, called the alternative fuzzy c-numbers (AFCN) clustering algorithm, for LR-type fuzzy numbers based on an exponential-type distance function. On the basis of the gross error sensitivity and influence function, this exponential-type distance is claimed to be robust with respect to noise and outliers. Hence, the AFCN clustering algorithm is more robust than the fuzzy c-numbers (FCN) clustering algorithm presented by Yang and Ko (Fuzzy Sets and Systems 84 (1996) 49). Some numerical experiments were performed to assess the performance of FCN and AFCN. Numerical results clearly indicate AFCN to be superior in performance to FCN. Finally, we apply the FCN and AFCN algorithms to real data. The experimental results show the superiority of AFCN in Taiwanese tea evaluation.     

An Evolutionary Approach to Spatial Fuzzy c-Means Clustering

Fuzzy c-means clustering algorithm (FCM) can provide a non-parametric and unsupervised approach to the cluster analysis of data. Several efforts of fuzzy clustering have been undertaken by Bezdek and other researchers. Earlier studies in this field have reported problems due to the setting of optimum initial condition, cluster validity measure, and high computational load. More recently, the fuzzy clustering has benefited of a synergistic approach with Genetic Algorithms (GA) that play the role of an useful optimization technique that helps to better tolerate some classical drawbacks, such as sensitivity to initialization, noise and outliers, and susceptibility to local minima. We propose a genetic-level clustering methodology able to cluster objects represented by R ^p spaces. The unsupervised cluster algorithm, called SFCM (Spatial Fuzzy c-Means), is based on a fuzzy clustering c-means method that searches the best fuzzy partition of the universe assuming that the evaluation of each object with respect to some features is unknown, but knowing that it belongs to circular regions of R ² space. Next we present a Java implementation of the algorithm, which provides a complete and efficient visual interaction for the setting of the parameters involved into the system. To demonstrate the applications of SFCM, we discuss a case study where it is shown the generality of our model by treating a simple 3-way data fuzzy clustering as example of a multicriteria optimization problem.     

模糊多属性格序决策的冗余指标的消除策略

在模糊多属性决策中,属性权重的确定对于整个评价工作有十分重要的意义.如果评价属性数量过多,指标间的相关性将影响评价的科学性和公平性.本文建立了评价值为梯形模糊数的"相似"概念和模糊相似评价模型,并基于格序决策的理论,得到了一种新的模糊格序决策方法.结合传统的TOPSIS方法,通过计算将各方案的属性值的中心进行加权后与正负理想中心的贴近度的大小,实现备选方案的格序化排序.实例分析的结果表明:方法合理、易行.     

基于粗糙模糊集的聚类决策及应用

对基于粗糙模糊集的聚类问题进行了研究.首先,定义了粗糙模糊值与粗糙模糊集的相似度,给出了粗糙模糊集相似度的一般表达式;然后利用该公式构建了模糊相似矩阵,进而给出了粗糙模糊集的一种聚类方法;最后以实际算例说明了这种思想.     

军校硕士研究生复试评价指标的科学确定

复试是硕士研究生招生考试的重要组成部分,是保证生源质量的基础环节,因此研究硕士研究生复试评价指标体系具有极其重要的意义。通过构建合理的隶属函数,利用模糊聚类的方法,对军校硕士研究生复试的评价指标进行聚类,并依据相关指数对同类指标进行了筛选,最终确定了精简且具有科学性的指标体系,为军队院校的硕士研究生的选拔提供参考。     

基于模糊数学和灰色理论的多层次综合评价方法及其应用

针对多层次指标体系的综合评价问题,在模糊综合评判方法的基础上,结合灰色理论,提出了一种新的定量综合评价方法—多层次模糊灰关联聚类分析综合评价方法.应用该方法对油气钻井技术进行综合评价,取得了满意的结果.     

可变模糊集合理论与可变模型集

在对立模糊集定义基础上给出以相对隶属函数表示的模糊可变集合定义,给出可变模糊聚类迭代模型、可变模糊模式识别模型、可变模糊对立识别模型.它们是可变模糊聚类、识别、优选决策、评价相统一的理论模型集,是可变模糊集的基础模型与核心内容,可用于自然、管理、人文、社会等各种学科中关于模糊聚类、识别、优选决策、评价、预测等众多实际领域.     

Correlation coefficients of hesitant fuzzy sets and their applications to clustering analysis

Hesitant fuzzy sets (HFSs), which allow the membership degree of an element to a set represented by several possible values, can be considered as a powerful tool to express uncertain information in the process of group decision making. We derive some correlation coefficient formulas for HFSs and apply them to clustering analysis under hesitant fuzzy environments. Two real world examples, i.e. software evaluation and classification as well as the assessment of business failure risk, are employed to illustrate the actual need of the clustering algorithm based on HFSs, which can incorporate the difference of evaluation information provided by different experts in clustering processes. In order to extend the application domain of the clustering algorithm in the framework of HFSs, we develop the interval-valued HFSs and the corresponding correlation coefficient formulas, and then demonstrate their application in clustering with interval-valued hesitant fuzzy information through a specific numerical example.     

模糊聚类挖掘在综合评价中的应用研究

探讨了聚类分析这一重要的数据挖掘方法在综合评价中的应用,将模糊聚类与综合评价相结合以解决待评价方案数较多的排序问题,并且文中还改进了建立模糊相似矩阵的方法.