FUZZY聚类在植物辐射育种上的应用——普通小麦品种辐射敏感性的FUZZY聚类分析(英文)

本研究将FUZZY聚类分析方法首次应用于辐射生物学和植物辐射育种,对普通小麦品种辐射敏感性作了FUZZY聚类分析.供试的小麦品种,按其对γ-射线的辐射敏感性强弱分为极敏感型、敏感型、中间型、迟钝型和极迟钝型五类.这一结果对小麦辐射育种工作中选择适宜的辐照材料、确定最佳的辐照剂量,从而提高辐射诱变效率具有重要的指导意义.研究还表明,采用FUZZY聚类分析对植物的品种辐射敏感性进行分类较其他方法具有更强的可靠性.     

基于FA-DEA聚类的模式分析方法及在我国软件园研究中的应用

模式分析方法日益成为现代经济管理研究的主流方法之一,但是目前关于模式分析的结构化方法的研究还不多见.本文提出了基于FA-DEA聚类的模式研究结构化方法,这个方法区别于以往文献的是采用了混合聚类方法,综合运用关键因素的绝对量信息和效率的相对量信息.基于上述方法,本文确定了我国软件园发展的三种发展模式.并对三个模式的条件、特征以及它们之间的分界与演进做了详细的描述.最后,给出了若干建议.     

灰色模糊聚类方法在科技型企业创新绩效评价的应用

使用灰色模糊聚类方法评价科技型企业的绩效水平及影响因素,首先构建了科技型企业创新绩效的评价指标体系;其次针对指标的模糊性和灰色性并存的特点,综合灰色理论与模糊数学理论,建立了科技型企业创新绩效的多级灰色模糊综合评价模型;最后以13家科技型企业为样本数据,系统分析了各指标因素对科技型企业绩效的潜在影响关系,针对企业的特点提出了相关建议.研究将为政府和企业相关部门制定经营决策者提供参考依据具有一定的科学意义.     

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。     

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。