基于Hausdorff距离的区间数多属性公路网综合评价

公路网评价对于了解区域公路网状态和交通需求间的关系非常重要.讨论了公路网属性表示为区间数的问题,通过计算属性值相对于属性等级的距离矩阵得到相应的加权可变相似度,再对可变相似度进行归一化处理,作为各属性等级的权重向量,同时应用级别特征公式求得综合属性值进行综合评价.实例表明,该方法和其他方法的评价结果一致,且能给出不同标准下的评价结果,计算过程简明且有效,而且能向属性值为其他类型的不确定量进行拓广.     

一般分布区间型符号数据的系统聚类

现有的区间型符号数据的研究大多假定个体在区间内服从均匀分布,实际上往往并非如此.针对该问题,研究了一般分布条件下区间型符号数据的系统聚类方法.阐述了一般分布区间型符号数据的定义,在一般分布的区间型符号数据的描述统计基础上,给出了基于Hausdorff距离的一般分布的区间型符号数据系统聚类算法,并通过随机模拟对聚类有效性进行评价。结果表明:与个体服从均匀分布的假设相比,一般分布的区间型符号数据的系统聚类分析有效性更好.最后将文中方法应用于电子商务客户价值的评价,进行了应用研究.     

基于Hausdorff距离的模糊数互补判断矩阵排序研究

基于Bonissone近似计算、Hausdorff距离和模糊折衷型决策方法,给出带有梯形模糊数互补判断矩阵的一种排序方法。同时给出精确值、三角模糊数的互补判断矩阵转化为梯形模糊数互补判断矩阵的方法,因此本文方法同样适合于处理精确值、三角模糊数的互补判断矩阵的排序问题。最后用算例说明了计算过程。     

基于海明距离的区间三角模糊多属性决策问题

针对属性值为区间三角模糊数,权重信息不完全的多属性决策问题,为保证决策的准确性,构建了一种基于信息理论思想的决策方法.首先给出区间三角模糊集(数)的海明距离(Hamming distance)的定义,再利用极大偏差法建立线性规划模型计算属性的权重,最后用TOPSIS方法对方案进行排序,并给出此方法的计算步骤,通过实例验证了该方法的有效性.     

基于距离的区间值Vague集的相似度量

分别利用平均值和Hausdorff测度将基于距离的实数型Vague集的相似度方法扩展到区间值Vague集上,比较各种方法的优缺点.填补了i-v Vague值(集)的相似度方法研究的空白.并通过例子说明利用Hausdorff测度度量距离得到的相似度量方法比用区间中值得到的相似度效度高.     

基于距离测度的区间直觉梯形模糊多属性群决策方法

提出了一种基于距离测度的区间直觉梯形模糊多属性群决策方法.首先,基于个体决策矩阵与平均决策矩阵及极端决策矩阵之间的距离,获取专家的权重.然后,运用区间直觉梯形混合几何算子对个体决策矩阵和属性值进行集结,进而通过得分函数和精确度函数对方案进行排序.最后,通过应急方案选择的算例来说明该方法的可行性和有效性.     

基于灰数距离熵的四参数区间数的TOPSIS模型及实证分析

针对区间属性权重未知和传统灰熵模型存在缺陷的多属性决策问题,提出一种改进的四参数区间数的灰数距离熵测度决策方法.通过考虑四参数区间数中指标取值的双重重心点和方差建立属性权重模型.利用,改进的多指标决策的逼近理想点法,通过定义的距离熵测度公式,将建立的权重模型和灰数距离熵测度模型应用到湖南省页岩气探矿权招标的优选中,结果验证了决策方法的合理性和有效性.     

Sierpinski锥及其Hausdorff维数与Hausdorff测度

首先给出了 Sierpinski锥的概念及构造过程 ,然后求出其计盒维数、Hausdorff维数和 Hausdorff测度 .     

改进的区间数距离度量及其在模式识别中的应用

区间数作为一种表达不确定性信息的工具,具有易获得性和实用性.区间数之间的距离和相似度是表达区间数之间差异的有效度量,可应用于决策、模式识别、聚类等领域.学者们根据不同的背景提出各种度量方法,但还存在辨别力不足、违反直觉以及个别无法满足度量的公理化条件等问题.为了解决上述问题,本文提出一种改进的区间数距离度量方法.该方法...     

基于区间数度量的区间值模糊集合的归一化距离、相似度、模糊度和包含度的关系研究

区间值模糊集合的距离、相似度、模糊度和包含度及其关系研究是区间值模糊集合的一个研究热点.考虑到区间值模糊集合所表示信息的丰富性,本文使用区间数而非实数来刻画区间值模糊集合的距离,首先给出基于区间数度量的区间值模糊集合的归一化距离的公理化定义,然后通过五个定理详细研究了基于公理化定义的区间值模糊集合的归一化距离、相似度、模糊度和包含度之间的相互转换关系,最后,给出了若干公式来计算基于区间数度量的区间值模糊集合的相似度、模糊度和包含度.这些结论,一方面丰富了区间值模糊集合的信息测度(距离、相似度、模糊度和包含度)的内容,另一方面也为区间值模糊集合的近似推理、决策分析、模式识别等领域的应用提供了新方法和新理论.     

模糊聚类分析在图象分层中的应用

图象数据分层(Image Data Hierarchy)处理技术在图象数据压缩编码、边缘检测、特征提取以及模式识别中有着广泛的应用.本文将模糊聚类方法引入图象分层中,根据图象的特点,将2×2象素块划分为包含均匀和轮廓部分的七种类型,建立了表征图象特征的相似度矩阵,修正了普通的动态聚类法,提出了λ值的自适应控制方案.最后,给出了对一幅标准“USC Girl”数字图象处理的实例以验证本方案的可行性.     

基于灰色模糊聚类的压裂水平井见水层段判识方法

目前水平井机械找水主要通过井下开关控制逐段生产找水,随着水平井改造段数逐年增加,造成找水测试周期较长,需要将可能见水的射孔段组合进行找水.由于水平井对应注水井多、微裂缝发育造成缝网关系复杂以及超低渗透储层非均质性强,导致来水方向及井筒见水位置判识难度大.以已完成找水措施的水平井各射孔段油藏参数和改造参数为基础,采用灰色关联法对参数优选,并对优选参数进行模糊聚类分析,将聚类结果应用于新见水水平井的出水位置预判,形成一种多段压裂水平井见水层段的辅助判识方法,可将见水层段优化组合,达到缩短水平井找水周期的目的.     

一般分布区间型符号数据的SOM聚类方法

区间型符号数据是一种重要的符号数据类型,现有文献往往假设区间内的点数据服从均匀分布,导致其应用的局限性。本文基于一般分布的假设,给出了一般分布区间型符号数据的扩展的Hausdorff距离度量,基于此提出了一般分布的区间型符号数据的SOM聚类算法。随机模拟试验的结果表明,基于本文提出的基于扩展的Hausdorff距离度量的SOM聚类算法的有效性优于基于传统Hausdorff距离度量的SOM聚类算法和基于μσ距离度量的SOM聚类算法。最后将文中方法应用于气象数据的聚类分析,示例文中方法的应用步骤与可操作性,并进一步评价文中方法在解决实际问题中的有效性。     

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。     

函数型数据聚类分析研究综述与展望

函数型数据是大数据时代的典型数据,也是大数据分析的重要视角,其稀疏粗糙、无穷维、低信噪比等复杂特性导致传统聚类分析方法凸显诸多弊端。为了厘清函数型数据聚类分析的研究现状,在界定函数型数据概念与内涵基础上,本文依据方法原理差异将函数型数据聚类分析方法划分为四类,理论剖析并模拟检验每一类别方法的相对优势和存在的不足。最后,针对现有研究尚待解决的关键问题,并结合大数据时代的数据特征,展望了函数型数据聚类分析的未来研究方向。     

基于ICA的时间序列聚类方法及其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K-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K-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.     

基于区间值的聚类方法研究及应用

由于信息的不完全性,我们得到的表示事物特征的数据往往是一些区间值.基于区间值的模糊聚类分析方法,可以更大程度地保留信息.首次提出了基于区间值的最大最小法构造相似系数,给出解决区间数多指标信息聚类问题的计算步骤和基于区间值的聚类方法,最后,通过算例说明了所给出的聚类方法在实际中的应用.