模糊聚类神经网络的死点问题

提出一种由模糊逻辑神经元网络实现的聚类分析方法,采用了竞争学习作为网络学习算法,它克服了一般竞争学习算法所固有的死点问题,使得聚类分析中始点的选取可以有更大的随意性,这在具体的应用中是很有用的.文中列举了一些有典型意义的实验,充分证实了这种方法的有效性.     

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     

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。     

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。     

基于聚类与回归方法的台风灾情统计评估

中国位于太平洋西岸,台风灾害对沿海地区的社会经济发展构成了严重威胁。本文以广东省为例,对台风所造成的灾情建立了灾情指数序列,采用有序样品聚类方法对灾情划分等级;并以灾情指数为因变量,探讨致灾因子与灾情因子之间的相关关系,建立了台风灾情预评估模型,并对模型进行了相关统计检验和实证分析,结果表明建立的统计模型具有较好的灾情预评估能力,可为台风减灾防灾决策提供参考。     

经济问题的模糊聚类

应用模糊聚类的正交方法，解决经济领域中的一个聚类问题。     

自适应最优混合差异聚类算法

针对多维情况下,数据量很大,不可避免的受到噪声干扰,因此需对原始数据进行必要的处理。本文用二次差异序度调整一次差异度,提出了自适应最优混合差异聚类算法,该算法具有谱系结构,这在地层划分,时间序列分析等应用上极其重要,在地层划分上,本文给出了一个实例,我们可以看到谱系结构的重要性。对无序样品给出了相应的最优聚类算法,并分析了西安地下水文的分布情况。     

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。     

有序聚类虚拟变量法及其应用

本文在对邹至庄检验和递归最小二乘法剖析基础上,综合有序聚类法和虚拟变量方法,提出了一种新的结构稳定性检验方法—有序聚类虚拟变量法,克服chow检验和递归最小二乘法等在系数稳定性检验中的缺陷,利用蒙特卡罗模拟方法比较了这三种方法的优劣。并利用这三种方法对从沪深300成份股中按πPS方法抽取出来的30只股票进行β系数稳定性检验比较。研究表明,有序聚类虚拟变量法在检验系数稳定性比邹至庄检验方法和递归最小二乘法更为有效。     

有序聚类投影寻踪模型在郑州市房地产风险评价中的应用

针对目前房地产风险评价标准的片面性,选择5个特征指标作为房地产风险指标体系,并提出应用投影寻踪算法对郑州市2002年到2012年的房地产风险行分类.分析结果表明:方法能克服传统方法和既定标准法的片面性问题,避免了高维空间聚类和人为确定权重问题,为房地产风险的评价提供一种科学准确的新方法.     

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。     

模糊聚类分析最佳聚类数的确定方法研究

根据方差分析理论,提出应用混合F统计量来确定最佳分类数,并应用模糊划分熵来验证最佳分类数的正确性,综合运用上述两个指标可以准确确定最佳聚类数,通过实际算例说明这两个指标的有效性。     

基于数据流形结构的聚类方法及其应用研究

随着信息社会的不断发展,人类已经进入了信息爆炸时代,海量的数据使数据处理变得繁琐复杂,因此如何对现有的高维数据降维、聚类,并在一定程度上消除高维数据中存在的噪声是解决该问题的关键.基于相关的理论知识采用先降维后聚类的步骤,把高维数据按照子空间结构和流形结构两种情况分类,运用稀疏子空间聚类、谱多流形聚类、K-manifolds方法进行建模求解,通过对各种方法的对比,得出谱多流形聚类方法运行速度快,聚类准确度高,是最具有一般性特征的模型.     

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。     

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.     

基于网络聚类的空间分层方法

提出了一种利用空间信息的分层抽样方法.首先,利用多项式回归模型估计各坐标之间的空间相关系数,然后对空间相关系数矩阵进行谱聚类分析,最终依据上述结果对总体进行分层.通过与其他抽样方法的比较证明提出的基于网络聚类的空间分层方法具有比较优良的分层效果.     

基于犹豫倾向聚类的物流中心选址方法

针对现有直觉模糊相似度量存在的不足,文中提出了考虑带倾向性相似度的直觉模糊相似度量公式,通过构建相似矩阵和等价相似矩阵以及截矩阵,给出新颖的直觉模糊集聚类方法,对物流中心选址问题的应用分析,验证了聚类方法的合理性与有效性。     

基于Fuzzy等价关系的矩形聚类方法

证明了Boole矩阵与模糊矩阵等价的充分必要条件,总结出Fuzzy聚类的矩形方法.针对《中国大学评价》中的6所林业院校,应用矩形方法,直接从模糊关系矩阵逐步降低阈值,得到分类的矩形表.此方法操作简单,形象直观,分类合理.     

一种随机聚类法

本文给出了一种新的随机聚类法 ,并应用这种方法分析了银行帐号 ,对于银行系统选择帐号校验码的算法这类问题有参考价值 .     

蚂蚁聚类算法在炮兵阵地选择中的应用

针对炮兵阵地配置的特殊要求,将模糊数学中的隶属度概念引入到炮兵阵地聚类算法之中,具有较强的可操作性,利于计算机实现,对炮兵指挥决策有一定的参考价值.