“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。     

一种扩展聚类分析方法

本文定义了聚类中心以及点到聚类中心的距离，提出了一种平面点集的动态聚类分析方法。     

一种扩展的动态聚类分析方法

本文定义了聚类中心以及点到聚类中心的距离，提出了一种平面点集的动态聚类分析方法。     

群落有序样本的一种聚类分析方法

目前，适用于群落聚类分析中有序样本的聚类方法主要是“最优分割法”。本文提出了一种新的适用于群落有序样本的聚类方法，该法较最优分割法计算简便。     

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     

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。     

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.     

用遗传算法改进聚类分析中的K—平均算法

Ｋ－平均算法属于聚类分析中的动态聚类法，但其聚类效果受初始聚类分类或初始点的影响较大，本文提出一种遗传算法（ＧＡ）来进行近优初始分类。以内部聚类准则作为评价指标，实验结果表明，该算法明显好于Ｋ－平均算法。     

基于谱多流形学习的聚类方法研究

流形学习是一种有效的数据处理工具.聚类问题种类繁多,目前没有一种可以同时解决多种聚类问题的方法.提出的谱多流形聚类方法可以弥补这一缺陷.方法从相似性矩阵的角度出发,充分利用流形采样点所内含的自然的局部几何结构信息来辅助构造合适的相似性矩阵并进而发现正确的流形聚类.最后通过大量算例说明方法可行.     

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.     

等混合聚类法的介绍

一、引言 聚类分析法是要解决在地质领域(或其它领域)中常碰到的分类问题.此方法在地质领域中的应用较为广泛.已用于地质上的地层对比、分类、石油地质上调整井油层水淹级划分及油气资源评价等方面,收到良好的地质效果. 目前我国常用的聚类方法,一般可分为系统聚类和动态聚类两种,但目前常用的聚类分析法,多变样本数量不能太大的限制.有的虽然能处理大数据量的资料,但往往花费的机时太长. 等混合聚类法是一种新的聚类法,这种方法不是一般的将一个样品和另外所有样品逐个加以比较,而是先将原始样品预分为若干组,然后根据一定原则,将各组分别…     

基于核函数的混合C均值聚类算法

提出了一种基于核函数的混合C均值聚类算法.首先利用模糊C均值聚类算法和另一种类型的可能性C均值聚类算法的优点,设计出一种混合C均值聚类算法.然而鉴于该算法存在的不足,本文将Mercer核函数引入到该算法中,仿真实验结果证实了该方法的可行性和有效性.     

基于新直觉模糊相似度的大规模群决策方法

研究了群体规模较大情况下基于直觉模糊评价信息的决策方法。提出一种新的直觉模糊相似度公式,研究了一种新的直觉模糊聚类方法,设计了一种基于新的聚类方法的核心决策者权重确定方法。实例分析说明了该方法的合理性和可行性。     

一种具有综合评价功能的模糊聚类方法

证明模糊关系R为A∈F(X)上模糊等价关系的一个充要条件。定义A∈F(X)上的模糊相似关系，同时讨论上述模糊等价关系及相似关系的性质，给出一种具有综合评价功能的模糊聚类方法，该方法对解决具有某种模糊前提条件的聚类问题非常有效。     

基于优化初始聚类中心和轮廓系数的 K-means 聚类算法

传统K-means聚类算法初始聚类中心以及聚类数目K是随机确定的,聚类结果受其影响较大,这样容易造成聚类结果不稳定且准确率较低.针对上述问题,本文提出一种基于优化初始聚类中心和轮廓系数的K-means聚类算法.首先,为了选出准确的初始聚类中心,引入平均样本距离和误差平方和,构造初始聚类中心的选取方法,使得选取的初始聚类...     

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.     

基于集值统计的直觉模糊聚类

针对聚类问题中样品属性值不能或很难直接给出的情况,提出了一种基于集值统计的直觉模糊聚类方法,讨论了四种情况下的属性直觉模糊相似矩阵的公式,给出了聚类方法的步骤,最后通过算例 对该方法进行了说明和分析.     

不精确数据的相似度及其在聚类分析中的应用

基本包含度理论，提出不精确数据的一种相似度，并讨论基于此相似度的不精确数据的聚类方法。     

基于最大灰色关联度的聚类方法分析

利用多元统计学的最短距离法原理,定义了不同类别之间的关联度,构造了一种基于最大灰色关联度的聚类方法,建立了最大灰色关联度模型,并对模型进行求解,结果表明,新的聚类方法纠正了已有的灰色关联聚类中聚类原则存在的缺陷,从而为聚类提供了更有说服力且易于计算的方法.最后通过实例验证了该方法的客观性和有效性.     

模糊ISODATA中分类数C的确定

模糊ISODATA方法作为一种常用的聚类方法,在许多领域得到了广泛的应用.但作为一种聚类方法,它却没有显示出能自动聚类的效果,而只是对普通分类的一个扩展.在每次聚类前它仍要预先凭经验来给定一个分类数C因此,本文针对这个缺陷,提出了一个改进方案,使之能自动给出分类数C并在实例中得到了检验和应用.