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。     

关于Fuzzy聚类分析及其在脊髓灰质炎中的应用

本文用Fuzzy数学的观点探讨了Fuzzy聚类分析，并通过对脊髓灰质炎病毒抗体水平的Fuzzy聚类分析，获得了良好的聚类效果，为该项问题的研究提供了科学依据。     

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。     

基于ICA的时间序列聚类方法及其在股票数据分析中的应用

时间序列聚类分析是时间序列数据挖掘中的重要任务之一，通常由于时间序列数据的特殊结构，导致一般的聚类算法不能直接应用于时间序列数据。本文提出了一种基于独立成分分析与改进^一均值算法相结合的时间序列聚类算法，该算法首先利用独立成分分析对时间序列数据进行特征提取，然后利用改进￡．均值聚类算法完成对时间序列特征数据的聚类分析，从而得到了一种新的基于特征的时间序列聚类方法。为了验证该方法的有效性和可行性，将其应用于实际的股票时间序列数据聚类分析中，取得了较好的数值结果。     

对应聚类分析在教学研究中的应用

本文简要介绍对应聚类分析的计算方法和主要特点；通过长春地质学院２９名学生及其２１门课程成绩的对应聚类分析，在对应聚类谱系图中清楚显示了不同的学生类型、课程类型及其对应关系；结果表明，数理化等基础课程在优秀学生的教育中起重要作用。     

秦皇岛地区更新世孢粉及重矿组合统计分析及其生态环境意义

本文使用三种有序聚类分析方法研究了秦皇岛地区晚更新世以来的孢粉及重矿组合，并对三种分带方法进行了比较分析。此外，叙述了几种二维聚类分析方法，用以分析表土数据，结果表明，几种方法都在环境分区中获得了满意的效果，但又各有特点。     

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。     

PFS聚类法在医疗管理中的应用

ＰＦＳ聚类法在医疗管理中的应用赵文霞，吕蓬（华北电力学院）本文以能反映医疗水平的四项指标为基础，采用聚类法，对保定市十二个医疗科（肿瘤、传染、呼吸等科）的医疗情况进行了聚类分析，并通过Ｐｕｇ值确定了最佳分类数。分类结果与客观实际相符。在聚类分析中，所...     

入寿保险业绩指标的确定

本文通过相关分析和聚类分析的方法，对保险业绩指标的确定进行了分析。使确定的指标对业绩评价合理可信。     

聚类分析在管理信息系统子系统划分中的应用

本文介绍了一种运用聚类分析方法对管理信息系统子系统进行划分的方法，它提高了大系统子系统划分的有效性和科学性。     

多指标面板数据融合聚类分析

针对多指标面板数据的样品分类和历史时期划分问题,从多元统计分析理论角度提出一个多指标面板数据的融合聚类分析方法。该方法改进了多指标面板数据的因子分析和系统聚类方法,依据Fisher有序聚类理论,构造了Frobenius范数形式的离差平方和函数,提出了多指标面板数据的有序聚类方法。实证结果表明,该方法能够满足系统分析的统一性要求,保证指标之间的不相关;能够克服时间维度上均值处理造成的偏误,信息损失较少;能够解决面板数据有序聚类的问题;弥补了单一分析的片面性和局限性。     

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.     

高维稳健主成分聚类方法及其应用研究

随着信息技术的高速发展,每条数据所包含的信息越来越丰富,使得数据不可避免地含有异常值,且随着维数的增加,异常值出现的可能性更大。传统的主成分聚类分析对异常值特別敏感,基于MCD估计的主成分聚类方法虽然对异常值具有防御作用,但是在高维数据下MCD估计的偏差过大,其稳健性显著降低,而且当维数大于观测值个数时MCD估计失效。为此本文提出了基于MRCD估计的稳健主成分聚类方法,数值模拟和实证分析表明,基于MRCD估计的主成分聚类分析的效果优于传统的主成分聚类分析和基于MCD估计的主成分聚类分析,尤其是在维数大于样本观测值的情况下,MRCD估计更为有效。     

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     

聚类分析的竞争决策算法

聚类分析是数据挖掘的重要技术,是一种无监督的学习方式,可根据数据间的相似程度,将数据进行分类.竞争决策算法是一种基于竞争造就优化和决策左右结果的新型优化算法,针对聚类分析的特点,设计了一种竞争决策算法进行求解,经实验测试和验证,并与其它算法的结果进行比较,获得了较好的结果.     

灰色聚类分析法在评价材料合理代用的应用

对于价格高昂或者市场紧缺的材料,使用灰色聚类分析法,能够找到合理的代用品,避免了凭经验选择代用材料所带来的主观片面性.介绍了灰色聚类分析法的基本原理、分析步骤及其在产品选择代用方面的应用实例.结果表明,采用灰色聚类分析方法解决材料的代用问题是一种行之有效的方法,应用该方法能够综合考虑影响性能的多种因素,避免了单因素的主观性,评价过程更加合理客观,评价结果能准确的反映代用品的性能.     

Spectral methods for graph clustering - A survey

Graph clustering is an area in cluster analysis that looks for groups of related vertices in a graph. Due to its large applicability, several graph clustering algorithms have been proposed in the last years. A particular class of graph clustering algorithms is known as spectral clustering algorithms. These algorithms are mostly based on the eigen-decomposition of Laplacian matrices of either weighted or unweighted graphs. This survey presents different graph clustering formulations, most of which based on graph cut and partitioning problems, and describes the main spectral clustering algorithms found in literature that solve these problems.     

基于加权相似性的BIRCH聚类算法

BIRCH方法是一个集成的层次聚类方法.它克服了凝聚层次聚类方法所面临的两个难点:可伸缩性和不能撤销前一步工作的问题.基于BIRCH聚类的多阶段聚类算法思想,结合基于权重的欧式距离度量和基于划分的K-means算法,提出了一种基于加权相似性的BIRCH聚类方法,并将方法应用在时间序列的气象数据分析中.     

基于灰色聚类-SPA的建筑施工项目安全风险评价

针对建筑施工阶段的安全风险,建立了基于灰色聚类-集对分析(SPA)的建筑施工项目安全风险的综合评价模型.在应用SPA确定安全风险评价因素权重的基础上,采用灰色聚类方法对建筑施工项目进行聚类分析,评价建筑施工项目安全风险所处的等级,最后依据SPA中集对势等级次序表分析建筑施工项目安全风险发展态势.实例分析证明了该模型的适用性和合理性,对比分析表明其评价结果的可靠性,为施工企业的安全风险决策提供借鉴.