含T—fuzzy数据的聚类与识别模型

本文给出了Ｔ－ｆｕｚｚｙ数据的定义，性质及度量公式，并用正规标准化方法统一量纲。首先探讨了Ｍｉｎ－Ｍａｘ传递闭包和α（或β）阈值原理，提出了求传递背包的简捷算法，首次，建立了含Ｔ－ｆｕｚｚｙ数据的聚类分析模型，最后，提出了含Ｔ－ｆｕｚｚｙ数据的模式识别模型及其三种算法，实例说明，用本文算法，其结果与实际基本吻合。     

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。     

自适应约束模糊C均值聚类算法

针对经典C均值聚类算法和模糊C均值聚类算法所存在的对初始聚类中心过分依赖以及需要预先知道实际聚类数目的问题,基于模糊C均值聚类算法提出了一种新算法:自适应约束模糊C均值(ACFCM)聚类算法,它在模糊C均值聚类算法的基础上,给目标函数加入了一个惩罚项,使得上述问题得以解决.并通过仿真实验证实了新算法的可行性和有效性.     

“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。     

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。     

一种考虑决策者偏向的综合模糊聚类方法

在分析传统模糊聚类分析方法的基础上,提出了一种建立模糊相似矩阵Ｒ的新方法,以及能够充分体现决策者偏好和经验的多向综合模糊聚类方法。该方法简单、实用、能够全面反映事物的特征,具有一定的实用价值。     

模糊规划的Hopfield网络方法

首先将一类模糊规划转化为无约束多目标规划，再依据决策者偏好并采用Hopfield网络方法构造该多目标规划的评价函数，从而将模糊规划转化为无约束单目标规划来求解．     

模糊聚类与模糊识别理论模型研究

指出文 [1]模糊聚类与模糊识别模型的局限性 ,进一步研究模糊环境下的目标函数 ,修改模糊聚类中心的计算公式 ,提出计算权重的一个公式 ,拓广模糊聚类与模糊识别理论模型的应用范围     

基于模糊覆盖的模糊聚类

提出了ε水平最优模糊覆盖的新思想,结合推广的价关系概念,通过三角模糊算子（本文简称为Ｔ算子）,研究了一种 模糊聚类方法,不仅能够充分利用已有数据信息,而且解决了聚类的评价性问题。     

模糊聚类最优划分判定的一种新模型

针对聚类分析的模糊模式未解决的问题:模糊划分空间中模糊最优划分的判定问题,提出一个新的判定模型。给出基于新的最优划分判定模型的应用例子,验证了模型算法应用的可行性。     

带阈值的Min—max模糊Hopfield网络的稳定性与容错性分析

本文讨论了带阈值的Ｍｉｎ－ｍａｘ模糊Ｈｏｐｆｉｅｌｄ网络的性质，并研究了该网络的一致稳定性与平衡态的Ｌｙａｐｕｎｏｖ稳定性。给出了一个模糊模式成为该网络吸引子的等价条件。然后在一定的条件下，得到了这个网络吸引子的一个非退化的吸引域，从而我们所建立的模糊神经网络模型具有较强的容错性，最后的例子证实了这一点。     

Fuzzy图最大树聚类方法及其应用

针对《中国大学评价》中9所交通院校,应用距离补公式计算出Fuzzy关系矩阵,画出Fuzzy图,找出最大树,选取适当的阈值λ对最大树进行截割,得到λ水平上的分类.在此基础上对这9所学校进行合理的分类.     

离散Hopfield神经网络分析

利用Euler格式得到了一个含有三个神经元的多延迟离散Hopfield神经网络模型.利用离散动力系统理论研究了该模型的线性稳定性,得到了模型稳定及出现Hopf分支的条件.最后,数值仿真验证了所得的结果.     

基于模糊聚类算法的客户细分研究

以客户关系为导向的服务经济时代,客户细分是企业判断具有相似特征的客户,并以此为基础有针对性的提供产品及服务的最为有效的手段.利用数据挖掘技术,将模糊聚类算法应用于客户细分中,以此寻找具有相似特征及价值的客户,并在电信行业中进行实证应用.     

基于随机采样模糊聚类和卡尔曼滤波方法的模糊辨识

提出一种新的基于模糊聚类和卡尔曼滤波方法的模糊辨识算法 .该方法是基于快速模糊聚类 ,计算给定样本在各类中的隶属度 ,并利用卡尔曼滤波方法辨识模糊模型的结论参数 .整个辨识过程与一般的模糊聚类方法 [1 ]相比 ,需要的 CPU时间大大缩短 .最后通过仿真实例验证了该方法的有效性 .     

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.     

BP模式识别与Hopfield联想记忆识别能力的比较

神经网络可以进行模式识别,这一功能具有很高的实用价值.主要研究BP神经网络和离散Hopfield神经网络的识别能力.BP网络是前向神经网络,使用的是监督式学习规则.离散Hopfield是一种反馈网络,结构上输入、输出节点相连使得网络系统的输出状态具有动态变化特性.就数字,字母,手写体数字比较了BP网络和离散Hopfield网络的识别能力,得到了可观的结论,对两个网络的应用做更进一步的阐述.     

区间模糊ISODATA动态聚类算法

目前模糊技术已经应用于许多智能系统,如模糊关系与模糊聚类.聚类是数据挖掘的重要任务,它将数据对像分成多个聚类,在同一个聚类中,对象的属性特征之间具有较高的相似度,有很大研究及应用价值.结合数据库中的挖掘技术,对属性特征为区间数的多属性决策问题,提出了一种基于区间数隶属度的区间模糊ISODATA动态聚类方法.     

二阶Hopfield神经网络周期解的存在性

本文讨论了一类带有时滞的二阶Hopfield神经网络周期解的存在性问题。首先利用Brouwer不动点定理证明了平衡点的存在性,通过平衡点和拉格朗日中值定理,将高阶神经网络模型转换为一阶模型,然后利用重合度理论给出了周期解存在的充分条件。     

模糊聚类分析的新算法

提出了一种模糊聚类分析的新算法——追踪法 ,解决了以往模糊聚类分析计算量过大以及难于编程实现的问题 .该方法尤其适用于大规模数据的模糊聚类分析 ,对于模糊聚类分析的推广使用有重要意义 .