模糊聚類(lèi)
- 基于KFCMSA的(k，l)加權(quán)社交網(wǎng)絡(luò)匿名算法
（聯(lián)合k成員模糊聚類(lèi)和模擬退火），并利用改進(jìn)的簇劃分算法將權(quán)重社交網(wǎng)絡(luò)聚類(lèi)成不同的簇，對(duì)同一簇中節(jié)點(diǎn)的邊權(quán)重進(jìn)行泛化，使節(jié)點(diǎn)滿足l多樣性。在實(shí)現(xiàn)k度匿名的同時(shí)有效減少了邊的改變量，提高了數(shù)據(jù)的可用性，實(shí)現(xiàn)最優(yōu)聚類(lèi)的同時(shí)防止了同質(zhì)性攻擊。聚類(lèi)質(zhì)量實(shí)驗(yàn)和數(shù)據(jù)可用性分析表明該算法具有較高的性能優(yōu)勢(shì)和較高的邊保留率。關(guān)鍵詞：社交網(wǎng)絡(luò)；權(quán)重圖數(shù)據(jù)；隱私保護(hù)；模糊聚類(lèi)；模擬退火中圖分類(lèi)號(hào)：TP309.2 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1001-3695（2023）10-0
計(jì)算機(jī)應(yīng)用研究 2023年10期2023-10-17
- 國(guó)內(nèi)外雪茄煙主產(chǎn)區(qū)氣候條件比較研究
；氣象因子；模糊聚類(lèi)；生產(chǎn)季中圖分類(lèi)號(hào)：S572 文獻(xiàn)標(biāo)識(shí)碼：A雪茄（cigar）作為晾煙的一種，是一種由純煙葉卷制出來(lái)的特殊煙草制品[1]。近5 a 來(lái)，國(guó)產(chǎn)雪茄的銷(xiāo)量年增長(zhǎng)率超過(guò)30%，已成為中國(guó)煙草行業(yè)新的增長(zhǎng)點(diǎn)。但由于多種因素的影響，當(dāng)前國(guó)內(nèi)優(yōu)質(zhì)雪茄煙原料嚴(yán)重匱乏，尤其中高端雪茄原料絕大部分依賴于進(jìn)口，給中式雪茄的發(fā)展帶來(lái)極大的困擾[2]。世界著名的雪茄煙產(chǎn)區(qū)主要分布在巴西、古巴、多米尼加、印度尼西亞、墨西哥、尼加拉瓜、美國(guó)等，其獨(dú)特的氣候環(huán)境和土
熱帶作物學(xué)報(bào) 2023年7期2023-08-14
- 基于模糊聚類(lèi)的電子信息資源整合方法
為此提出基于模糊聚類(lèi)的電子信息資源整合方法。通過(guò)模糊ORM技術(shù)抽取電子信息資源，采用等效轉(zhuǎn)換降維的方法對(duì)抽取的電子信息資源進(jìn)行轉(zhuǎn)換降維處理，根據(jù)處理結(jié)果，結(jié)合模糊聚類(lèi)分析，構(gòu)建EAD電子信息資源整合模型，采用模糊聚類(lèi)分析的方式，將所屬的信息資源依據(jù)特征或者屬性劃分為不同額定整合區(qū)域，計(jì)算整合隸屬度，布設(shè)信息資源的整合層級(jí)。最終的測(cè)試結(jié)果表明：與傳統(tǒng)的LAM信息資源整合測(cè)試組及傳統(tǒng)改進(jìn)ORM信息資源整合測(cè)試組相對(duì)比，所設(shè)計(jì)的模糊聚類(lèi)信息資源整合測(cè)試組最終得出
電子產(chǎn)品世界 2023年7期2023-08-02
- 大數(shù)據(jù)一體化環(huán)境下電能計(jì)量智能監(jiān)測(cè)研究
據(jù)特征，利用模糊聚類(lèi)處理后將其傳輸至應(yīng)用層中進(jìn)行異常大數(shù)據(jù)監(jiān)測(cè)，獲取監(jiān)測(cè)結(jié)果并預(yù)警電能計(jì)量的異常情況。實(shí)驗(yàn)結(jié)果驗(yàn)證：該方法可精確監(jiān)測(cè)到異常電量流失度，同時(shí)能夠監(jiān)測(cè)到多種電能計(jì)量裝置異?，F(xiàn)象，監(jiān)測(cè)誤檢率最高也未超過(guò)5%，還可以通過(guò)電壓、電流異常變化合理判斷電能計(jì)量異常情況。關(guān)鍵詞：電能計(jì)量；模糊聚類(lèi)；數(shù)據(jù)傳輸；多數(shù)據(jù)特征中圖分類(lèi)號(hào)：TM933；TP391.9文獻(xiàn)標(biāo)志碼：A文章編號(hào)：1001-5922（2023）06-0192-05Research on in
粘接 2023年6期2023-07-12
- 基于模糊聚類(lèi)的醫(yī)院計(jì)算機(jī)網(wǎng)絡(luò)信息安全風(fēng)險(xiǎn)監(jiān)測(cè)方法
此，提出基于模糊聚類(lèi)的醫(yī)院計(jì)算機(jī)網(wǎng)絡(luò)信息安全風(fēng)險(xiǎn)監(jiān)測(cè)方法研究。構(gòu)建計(jì)算機(jī)網(wǎng)絡(luò)信息的統(tǒng)計(jì)分析模型，根據(jù)計(jì)算機(jī)網(wǎng)絡(luò)信息的特征分布情況，對(duì)原始網(wǎng)絡(luò)信息中的特征進(jìn)行融合重構(gòu)，使網(wǎng)絡(luò)數(shù)據(jù)轉(zhuǎn)化為以主成分特征參量為核心的形式。再利用關(guān)聯(lián)規(guī)則特征檢測(cè)方法，通過(guò)獲取信息中的譜特征，實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)運(yùn)行狀態(tài)中頻率分量地監(jiān)測(cè)，并統(tǒng)一了網(wǎng)絡(luò)信息統(tǒng)計(jì)特征值的表達(dá)方式。對(duì)于得到的特征值，以最小化代價(jià)目標(biāo)函數(shù)為基礎(chǔ)進(jìn)行模糊聚類(lèi)，根據(jù)特征與聚類(lèi)中心的隸屬度關(guān)系，判定網(wǎng)絡(luò)中是否存在信息安全威脅風(fēng)
甘肅科技縱橫 2023年2期2023-07-11
- 基于改進(jìn)樸素貝葉斯算法的文本分類(lèi)研究
適應(yīng)函數(shù)優(yōu)化模糊聚類(lèi)算法，利用優(yōu)化后的算法將文本分類(lèi)整理。然后，采用詞頻因子優(yōu)化的TF-IDF算法計(jì)算分類(lèi)后各樣本的特征權(quán)重，結(jié)合樣本權(quán)重與貝葉斯公式，進(jìn)行分類(lèi)計(jì)算。最后，為了體現(xiàn)改進(jìn)的樸素貝葉斯算法的有效性和優(yōu)越性，將其與原始樸素貝葉斯算法以及其他改進(jìn)算法進(jìn)行對(duì)比實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，改進(jìn)后的算法有效地降低了樸素貝葉斯模型對(duì)特征項(xiàng)獨(dú)立性的要求，提高了分類(lèi)決策的準(zhǔn)確率，且在分類(lèi)性能和效率上具有一定的優(yōu)越性。關(guān)鍵詞：樸素貝葉斯；文本分類(lèi)；模糊聚類(lèi)；特征權(quán)重；獨(dú)
燕山大學(xué)學(xué)報(bào) 2023年1期2023-04-29
- 基于模糊聚類(lèi)和Slope One填充的推薦算法
計(jì)了一種結(jié)合模糊聚類(lèi)和Slope One填充的推薦方法。算法根據(jù)用戶的特征進(jìn)行模糊聚類(lèi)，利用加權(quán)Slope One算法填充c個(gè)規(guī)模較小的用戶-項(xiàng)目矩陣中的缺失數(shù)據(jù)，并通過(guò)改進(jìn)的相似度計(jì)算方法計(jì)算出用戶間的相似度得出最近鄰結(jié)果集。仿真對(duì)比實(shí)驗(yàn)表明，設(shè)計(jì)的算法對(duì)比傳統(tǒng)的推薦算法在精度上有著很大提升，同時(shí)能緩解數(shù)據(jù)稀疏性，提升推薦質(zhì)量。關(guān)鍵詞：協(xié)同過(guò)濾;模糊聚類(lèi);Slope One;相似度中圖分類(lèi)號(hào)：TP391? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-304
電腦知識(shí)與技術(shù) 2022年10期2022-05-30
- 模糊模式識(shí)別與模糊聚類(lèi)在市場(chǎng)細(xì)分中的應(yīng)用
以往學(xué)者采用模糊聚類(lèi)分析進(jìn)行市場(chǎng)細(xì)分的方法，從初始聚類(lèi)樣本的選擇上，采用多因素模糊模式識(shí)別的方法進(jìn)行劃分，并從霍華德-謝思模式的角度，以消費(fèi)者內(nèi)部因素、外部因素兩個(gè)層面的特征對(duì)樣本進(jìn)行模糊聚類(lèi)分析，實(shí)現(xiàn)對(duì)市場(chǎng)的細(xì)分，為企業(yè)實(shí)施STP營(yíng)銷(xiāo)戰(zhàn)略提供了決策依據(jù)。關(guān)鍵詞：市場(chǎng)細(xì)分;模糊模式識(shí)別;模糊聚類(lèi);霍華德-謝思模式本文索引：林子恒.<標(biāo)題>[J].商展經(jīng)濟(jì)，2021（16）：-042.中圖分類(lèi)號(hào)：F713 文獻(xiàn)標(biāo)識(shí)碼：ADOI：10.12245/j.issn
商展經(jīng)濟(jì)·下半月 2021年8期2021-09-03
- 基于模糊數(shù)學(xué)理論的具有自學(xué)習(xí)功能的故障診斷系統(tǒng)研究
出了一種基于模糊聚類(lèi)和模糊模式識(shí)別的故障診斷系統(tǒng)的診斷流程，并討論了將原始數(shù)據(jù)進(jìn)行前期處理的方法，同時(shí)提出了使故障診斷系統(tǒng)具有自學(xué)習(xí)功能的方法.本文提出的方法不僅具有一定的學(xué)術(shù)價(jià)值，在實(shí)踐中也具有指導(dǎo)意義.最后，本文對(duì)以上的研究工作進(jìn)行了總結(jié)，并提出了進(jìn)一步的研究方向.【關(guān)鍵詞】模糊聚類(lèi);模糊模式識(shí)別;故障診斷;自學(xué)習(xí)引 言基于模糊數(shù)學(xué)理論中的模糊聚類(lèi)和模糊模式識(shí)別技術(shù)進(jìn)行故障診斷是目前的研究熱點(diǎn)，文獻(xiàn)[1]研究了基于模糊聚類(lèi)的柴油機(jī)故障診斷技術(shù)，其采用的
數(shù)學(xué)學(xué)習(xí)與研究 2021年13期2021-06-24
- 政府部門(mén)電子政務(wù)信息安全應(yīng)急管理的探討
;信息安全;模糊聚類(lèi)中圖分類(lèi)號(hào)：D63? ? ? ? ? ? ? 文獻(xiàn)標(biāo)志碼：A1 強(qiáng)化電子政務(wù)信息安全應(yīng)急管理效果的措施1.1 提高基礎(chǔ)設(shè)備軟硬件匹配度和可靠性按照電子化和數(shù)字化的開(kāi)展路線，推行政府部門(mén)的電子政務(wù)工作辦理流程必須依賴于性能穩(wěn)定且易于管理的軟硬件設(shè)備系統(tǒng)。對(duì)于電子信息技術(shù)，應(yīng)該從軟硬件的適配性以及功能匹配度等角度不斷提高電子政務(wù)信息安全管理的實(shí)際效果，拓展其覆蓋面和作用領(lǐng)域。同時(shí)還可以針對(duì)高新技術(shù)研發(fā)加大投入和扶持力度，有效地改善目前信息安
中國(guó)新技術(shù)新產(chǎn)品 2020年17期2020-11-30
- 基于優(yōu)化粒子群算法的云環(huán)境大數(shù)據(jù)聚類(lèi)算法
統(tǒng)的海量數(shù)據(jù)模糊聚類(lèi)。利用粒子群聚類(lèi)方法分配聚類(lèi)數(shù)據(jù)離散成本，得到數(shù)據(jù)聚類(lèi)信息濃度;與粒子群優(yōu)化聚類(lèi)約束條件結(jié)合，得到云環(huán)境大數(shù)據(jù)聚類(lèi)中心最優(yōu)解。仿真結(jié)果表明，此算法的數(shù)據(jù)聚類(lèi)精準(zhǔn)度比較高，具有良好的收斂性能。關(guān)鍵詞： 大數(shù)據(jù)聚類(lèi); 云環(huán)境; 粒子群優(yōu)化; 空間分割; 模糊聚類(lèi); 仿真測(cè)試中圖分類(lèi)號(hào)： TN919?34? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼： A? ? ? ? ? ? ? ? ? ? ? 文章編號(hào)： 1004?
現(xiàn)代電子技術(shù) 2020年14期2020-07-23
- 基于模糊聚類(lèi)的組合家具三維造型設(shè)計(jì)模型
構(gòu)建一個(gè)基于模糊聚類(lèi)的組合家具三維造型設(shè)計(jì)模型。該模型以制圖軟件為設(shè)計(jì)基礎(chǔ)，利用圓弧、圓形、矩形等工具繪制組合家具基本平面圖樣，根據(jù)實(shí)際家具尺寸設(shè)置單個(gè)家具組件大小。組件接口處考慮組件安裝的靈活性設(shè)計(jì)凹槽，依照家具的用途設(shè)計(jì)直角榫，采用模糊聚類(lèi)方法計(jì)算組合家具的空間結(jié)構(gòu)、使用途徑、物理因素之間的關(guān)聯(lián)性，進(jìn)行組合家具三維造型設(shè)計(jì)。至此該設(shè)計(jì)模型構(gòu)建完成。實(shí)驗(yàn)結(jié)果表明，與傳統(tǒng)設(shè)計(jì)模型相比，所設(shè)計(jì)模型的精準(zhǔn)度提高了9.31%。由此可見(jiàn)，該模型更能滿足組合家具實(shí)際
現(xiàn)代電子技術(shù) 2020年4期2020-07-23
- 農(nóng)戶信用風(fēng)險(xiǎn)評(píng)價(jià)實(shí)證研究
估，因此運(yùn)用模糊聚類(lèi)和模糊控制聯(lián)合模型，在不依靠權(quán)重值的情況下對(duì)農(nóng)戶信用風(fēng)險(xiǎn)進(jìn)行評(píng)估，針對(duì)該地區(qū)農(nóng)戶信用風(fēng)險(xiǎn)特征，建立由教育程度、婚姻狀況等在內(nèi)的14個(gè)指標(biāo)組成的農(nóng)戶信用等級(jí)評(píng)價(jià)指標(biāo)體系，并基于模糊控制評(píng)價(jià)方法將農(nóng)戶信用風(fēng)險(xiǎn)劃分為A、B、C、D、E等5個(gè)等級(jí)，根據(jù)陜西省西安市閻良區(qū)2015—2017年共955個(gè)農(nóng)戶的實(shí)際調(diào)查數(shù)據(jù)進(jìn)行實(shí)證分析。結(jié)果顯示，該地區(qū)的農(nóng)戶信用風(fēng)險(xiǎn)等級(jí)水平主要還是集中在等級(jí)C，無(wú)論從內(nèi)部特征、外部特征還是從總體上來(lái)看等級(jí)C的占比均呈
江蘇農(nóng)業(yè)科學(xué) 2020年8期2020-06-01
- 基于模糊聚類(lèi)的電力用電負(fù)荷用戶識(shí)別分析
出了一種基于模糊聚類(lèi)的電力用電負(fù)荷用戶識(shí)別分析方法。分析了某區(qū)域用戶的工業(yè)負(fù)荷變化規(guī)律，研究了電力數(shù)據(jù)與天氣之間的改變及其日負(fù)荷特征曲線，同時(shí)引入模糊聚類(lèi)分析方法，對(duì)上述工業(yè)負(fù)荷的用電特征進(jìn)行了判斷。選擇某區(qū)域的工業(yè)負(fù)荷用戶進(jìn)行研究，對(duì)用戶進(jìn)行負(fù)荷曲線計(jì)算。并通過(guò)實(shí)驗(yàn)測(cè)試來(lái)驗(yàn)證本文方法的可行性，以此作為供電公司對(duì)用電數(shù)據(jù)進(jìn)行精細(xì)管理的參考依據(jù)。關(guān)鍵詞：模糊聚類(lèi); 相似度; 負(fù)荷特性; 日負(fù)荷曲線中圖分類(lèi)號(hào)： TM714文獻(xiàn)標(biāo)志碼： AAbstract：In
微型電腦應(yīng)用 2020年3期2020-04-22
- 模糊規(guī)則模型的粒度性能指標(biāo)評(píng)估方法
方法還優(yōu)化了模糊聚類(lèi)形成的信息粒的分布。實(shí)驗(yàn)結(jié)果表明該指標(biāo)對(duì)于模糊規(guī)則模型性能評(píng)估的有效性。關(guān)鍵詞：模糊規(guī)則模型;粒計(jì)算;覆蓋率;特異性;優(yōu)化;模糊聚類(lèi)中圖分類(lèi)號(hào)： TP391文獻(xiàn)標(biāo)志碼：AEvaluation method of granular performance indexes for fuzzy rulebased modelsHU Xingchen1*， SHEN Yinghua2， WU Keyu1， CHENG Guangquan1， L
計(jì)算機(jī)應(yīng)用 2019年11期2019-12-23
- 一種快速全局中心模糊聚類(lèi)方法
等問(wèn)題，依據(jù)模糊聚類(lèi)的全局中心理論，建立了一種快速全局中心模糊聚類(lèi)系統(tǒng)模型，并給出了相關(guān)理論分析和算法流程。該模型通過(guò)DKC值方案對(duì)各數(shù)據(jù)成員進(jìn)行密集度分析來(lái)確定初始質(zhì)心，并結(jié)合AM度量提出自定義尋優(yōu)函數(shù)，依據(jù)該函數(shù)在算法運(yùn)行的每一個(gè)階段來(lái)逐一動(dòng)態(tài)增加聚類(lèi)中心，直至算法收斂。通過(guò)實(shí)驗(yàn)對(duì)比和驗(yàn)證，該過(guò)程降低了隨機(jī)選取聚類(lèi)中心對(duì)聚類(lèi)結(jié)果的影響，跳出局部最優(yōu)解，減少計(jì)算量，具有更高的聚類(lèi)精度和更快的收斂速度。關(guān)鍵詞：模糊聚類(lèi);全局中心;DKC;AM度量;噪聲點(diǎn)D
哈爾濱理工大學(xué)學(xué)報(bào) 2019年4期2019-10-30
- 基于模糊聚類(lèi)的綜合評(píng)價(jià)方法研究
【摘要】模糊聚類(lèi)分析是以相似性為基礎(chǔ)，主要用于研究樣本的分類(lèi)問(wèn)題。在模糊聚類(lèi)的基礎(chǔ)上，提出了通過(guò)構(gòu)造最優(yōu)（劣）樣本，分別計(jì)算各類(lèi)樣本與最優(yōu)（劣）樣本的相似系數(shù)，根據(jù)與最優(yōu)（劣）樣本最相似者為最優(yōu)（劣）原則，確定聚類(lèi)結(jié)果優(yōu)劣次序，從而使之具有綜合評(píng)價(jià)功能，并通過(guò)車(chē)內(nèi)空氣質(zhì)量的綜合評(píng)價(jià)驗(yàn)證了應(yīng)方法的實(shí)用性?！娟P(guān)鍵詞】模糊聚類(lèi)、構(gòu)造、最優(yōu)（劣）、綜合評(píng)價(jià)Abstract： Fuzzy clustering analysis based on similarity
理論與創(chuàng)新 2019年1期2019-09-10
- 鋼筋混凝土主梁無(wú)監(jiān)督式安全性評(píng)估方法
的影響，基于模糊聚類(lèi)理論，提出了一種適用于鋼筋混凝土主梁結(jié)構(gòu)的無(wú)監(jiān)督式安全狀態(tài)評(píng)估方法。首先，構(gòu)建了鋼筋混凝土主梁結(jié)構(gòu)安全性評(píng)估指標(biāo)體系，以典型橋梁的檢測(cè)數(shù)據(jù)為聚類(lèi)樣本，基于F統(tǒng)計(jì)量計(jì)算，確定了聚類(lèi)樣本的最佳分類(lèi)。其次，將同一類(lèi)橋梁檢測(cè)指標(biāo)均值作為該類(lèi)別的中心，通過(guò)待評(píng)估橋梁檢測(cè)指標(biāo)數(shù)據(jù)與類(lèi)別中心的模糊貼近度計(jì)算，實(shí)現(xiàn)該橋梁的安全性評(píng)價(jià)。以長(zhǎng)春賽德大橋?yàn)閷?shí)體工程，針對(duì)評(píng)價(jià)指標(biāo)對(duì)結(jié)構(gòu)安全性的影響差異，通過(guò)考慮和不考慮指標(biāo)權(quán)重對(duì)橋梁安全性評(píng)估進(jìn)行了分析。結(jié)果表
河北工業(yè)科技 2019年4期2019-09-10
- 一種函數(shù)型模糊聚類(lèi)算法及其應(yīng)用
要：針對(duì)已有模糊聚類(lèi)算法（FCM）提出一種函數(shù)型模糊聚類(lèi)算法，旨在解決海量數(shù)據(jù)的模糊聚類(lèi)問(wèn)題。為此，在利用B-樣條基底進(jìn)行曲線擬合、曲線距離度量界定的基礎(chǔ)上，構(gòu)造模糊聚類(lèi)算法的目標(biāo)函數(shù)，提出函數(shù)型模糊曲線聚類(lèi)算法。模擬及實(shí)例表明：本文曲線聚類(lèi)算法具有更好的聚類(lèi)效果。關(guān)鍵詞：曲線擬合;模糊聚類(lèi);B-樣條;距離度量中圖分類(lèi)號(hào)：TP311.1?文獻(xiàn)標(biāo)志碼：A?文章編號(hào)：1008-4657（2019）05-0018-080?引言信息技術(shù)的發(fā)展，數(shù)據(jù)來(lái)源越來(lái)越廣泛。
荊楚理工學(xué)院學(xué)報(bào) 2019年5期2019-09-10
- 用戶信任和項(xiàng)目偏好融合的協(xié)同過(guò)濾算法研究
推薦系統(tǒng) ?模糊聚類(lèi)引言：Memory-based協(xié)同過(guò)濾算法最核心的要點(diǎn)就是用戶對(duì)某一商品的評(píng)價(jià)。系統(tǒng)通過(guò)數(shù)據(jù)的整合統(tǒng)計(jì)對(duì)用戶進(jìn)行分組，在研究中稱之為鄰居，他們的偏好和目標(biāo)用戶偏好之間具有較高的一致性。這種評(píng)價(jià)數(shù)據(jù)由于商品的總占比很低而造成了稀疏性，因此引起了用戶組合定位的不精準(zhǔn)。Item-based系統(tǒng)過(guò)濾算法的缺陷是因?yàn)橹荒芡ㄟ^(guò)用戶已購(gòu)買(mǎi)商品進(jìn)行推薦，用戶的興趣無(wú)法提前挖掘，進(jìn)行“跨類(lèi)型”推薦[1]。一、協(xié)同過(guò)濾相關(guān)工作不管是User-based還是
科海故事博覽·中旬刊 2019年4期2019-09-10
- 基于簇過(guò)濾的優(yōu)勢(shì)集模糊聚類(lèi)集成
濾；優(yōu)勢(shì)集；模糊聚類(lèi)中圖分類(lèi)號(hào)：TN393文獻(xiàn)標(biāo)志碼：A文章編號(hào)：1008-1739（2019）07-61-40引言聚類(lèi)是實(shí)現(xiàn)從未標(biāo)記或標(biāo)記的數(shù)據(jù)集中提取隱藏結(jié)構(gòu)的一種方法。通常，聚類(lèi)的目的是將對(duì)象分配給各個(gè)簇，盡量使得同一簇中的對(duì)象彼此相似，并且與其他簇中對(duì)象不相似。文獻(xiàn)[1-2]已經(jīng)提出并應(yīng)用了許多聚類(lèi)算法解決實(shí)際應(yīng)用中的各種問(wèn)題。例如，聚類(lèi)算法可以應(yīng)用到系統(tǒng)的異常情況檢測(cè)中。在眾多聚類(lèi)技術(shù)中，聚類(lèi)集成技術(shù)在某些應(yīng)用中可以超越單一的聚類(lèi)方法[3]。類(lèi)似
計(jì)算機(jī)與網(wǎng)絡(luò) 2019年7期2019-09-10
- 針對(duì)APT攻擊的聚類(lèi)挖掘方法
PT攻擊以及模糊聚類(lèi)做出了闡述，而后研究了攻擊場(chǎng)景的挖掘方法，以供相關(guān)人員進(jìn)行參考?！娟P(guān)鍵詞】APT;殺傷鏈;模糊聚類(lèi);關(guān)聯(lián);攻擊場(chǎng)景引言電力公司信息中心比較重視網(wǎng)絡(luò)安全，信息化程度較高，網(wǎng)絡(luò)架構(gòu)在安全設(shè)計(jì)方面，目前已達(dá)到高強(qiáng)度的保護(hù)等級(jí)，在各職能部門(mén)網(wǎng)絡(luò)部署如防火墻、入侵檢測(cè)、防毒墻等多種安全設(shè)備，防御病毒和黑客等威脅對(duì)內(nèi)網(wǎng)的入侵。但隨著網(wǎng)絡(luò)技術(shù)的快速發(fā)展，安全形勢(shì)和特點(diǎn)已有所變化，網(wǎng)絡(luò)威脅已從外部攻擊向內(nèi)部攻擊轉(zhuǎn)變、從惡意病毒碼傳播向異常行為攻擊轉(zhuǎn)變、
- 電機(jī)振動(dòng)信號(hào)的模糊聚類(lèi)分析與故障診斷
結(jié)果有利于對(duì)模糊聚類(lèi)算法相關(guān)參數(shù)進(jìn)行優(yōu)化探索，使其識(shí)別率提升，更為針對(duì)分類(lèi)具有多樣性和復(fù)雜性的數(shù)據(jù)對(duì)象有效地模糊聚類(lèi)分析奠定了良好的應(yīng)用基礎(chǔ)。關(guān)鍵詞：振動(dòng)信號(hào);轉(zhuǎn)子不平衡;轉(zhuǎn)子碰磨;模糊聚類(lèi)中圖分類(lèi)號(hào)：TP311.13文獻(xiàn)標(biāo)識(shí)碼：ADOI：10.15913/j .cnki.kj ycx.2019.09.0601 模糊聚類(lèi)算法概述聚類(lèi)分析就是根據(jù)研究對(duì)象本身的屬性和特征，并依照某種特定要求或者規(guī)律分類(lèi)的方法。由于聚類(lèi)分析的對(duì)象尚未分類(lèi)，且現(xiàn)實(shí)的分類(lèi)問(wèn)題往往帶
科技與創(chuàng)新 2019年9期2019-09-01
- 我國(guó)與“一帶一路”沿線國(guó)家會(huì)計(jì)準(zhǔn)則趨同程度計(jì)量及分析
系數(shù)匹配法與模糊聚類(lèi)分析法研究我國(guó)會(huì)計(jì)準(zhǔn)則與他們之間的趨同程度，從而推動(dòng)我國(guó)“一帶一路”戰(zhàn)略背景下的會(huì)計(jì)準(zhǔn)則的“走出去”?！娟P(guān)鍵詞】一帶一路；趨同程度；模糊聚類(lèi)一、引言王國(guó)華和曲曉輝（2009）以及Nguyen和Gong將統(tǒng)計(jì)學(xué)領(lǐng)域的模糊聚類(lèi)分析法引入到會(huì)計(jì)學(xué)領(lǐng)域，這是會(huì)計(jì)領(lǐng)域的創(chuàng)新。模糊聚類(lèi)法能夠?qū)θ舾身?xiàng)準(zhǔn)則進(jìn)行分層，對(duì)對(duì)比結(jié)果的反映更加準(zhǔn)確、直觀，能夠總結(jié)出準(zhǔn)則之間的差異，最適合本文的研究目的，所以本文將采用模糊聚類(lèi)分析方法，結(jié)合系數(shù)匹配法與賦值法計(jì)量
智富時(shí)代 2019年7期2019-08-16
- 水電機(jī)組故障診斷方法研究與分析
足，提出一種模糊聚類(lèi)故障診斷法，進(jìn)而提高水電機(jī)組故障診斷的準(zhǔn)確性。關(guān)鍵詞：機(jī)組故障;系統(tǒng)辨識(shí);模糊聚類(lèi)DOI：10.16640/j.cnki.37-1222/t.2019.21.1460 引言隨著發(fā)電機(jī)組朝著大型化、復(fù)雜化的方向發(fā)展，其安全穩(wěn)定運(yùn)行顯得尤為重要，發(fā)電機(jī)組的故障直接影響電廠的安全經(jīng)濟(jì)運(yùn)行，并威脅到電網(wǎng)的穩(wěn)定與安全。發(fā)電機(jī)組的振動(dòng)是普遍存在的問(wèn)題，引發(fā)發(fā)電機(jī)組振動(dòng)故障的原因很多，且各種因素相互偶聯(lián)，造成了機(jī)組振動(dòng)的復(fù)雜性、振動(dòng)故障與征兆非一一對(duì)
山東工業(yè)技術(shù) 2019年21期2019-08-13
- 基于模糊聚類(lèi)和層次分析法的區(qū)域配送中心選址決策應(yīng)用
絡(luò)現(xiàn)狀，運(yùn)用模糊聚類(lèi)分析法得出選址地點(diǎn)的集合，其次結(jié)合層次分析法選出最優(yōu)選址方案，然后應(yīng)用模擬仿真法、數(shù)字仿真法和混合仿真法構(gòu)建仿真模型對(duì)選址方案深入分析，最后優(yōu)化模型并運(yùn)用于物流中心選址決策中，以此提高企業(yè)的運(yùn)營(yíng)效率，增強(qiáng)市場(chǎng)競(jìng)爭(zhēng)力，減少企業(yè)決策錯(cuò)誤。關(guān)鍵詞： 選址規(guī)劃;模糊聚類(lèi);仿真;層次分析法中圖分類(lèi)號(hào)： F25????? 文獻(xiàn)標(biāo)識(shí)碼： A????? doi：10.19311/j.cnki.1672-3198.2019.12.0160 引言隨著“一帶
現(xiàn)代商貿(mào)工業(yè) 2019年12期2019-07-01
- 基于模糊數(shù)學(xué)方法的城市聚類(lèi)分類(lèi)
長(zhǎng)速度，采用模糊聚類(lèi)方法對(duì)我國(guó)70個(gè)大中城市進(jìn)行分類(lèi)分析，建立模糊矩陣，用動(dòng)態(tài)聚類(lèi)法進(jìn)行分析解釋?！娟P(guān)鍵詞】模糊聚類(lèi) 房地產(chǎn) 城市分類(lèi)【基金項(xiàng)目】北京市高等學(xué)校教育教學(xué)改革項(xiàng)目《面向工程教育專業(yè)認(rèn)證的數(shù)學(xué)課程教學(xué)模式研究》和中國(guó)石油大學(xué)（北京）研究生教改項(xiàng)目《研究生《模糊數(shù)學(xué)》課程講義建設(shè)》（No. yjs2017023）?！局袌D分類(lèi)號(hào)】O13 【文獻(xiàn)標(biāo)識(shí)碼】A 【文章編號(hào)】2095-3089（2019）05-0228-02一、引言自20世紀(jì)九十年代中期我
課程教育研究 2019年5期2019-03-26
- 基于大數(shù)據(jù)處理技術(shù)的界面交互設(shè)計(jì)研究
數(shù)據(jù)庫(kù); 模糊聚類(lèi); 交叉編譯中圖分類(lèi)號(hào)： TN911.2?34; TP391 ? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼： A ? ? ? ? ? ? ? ? ?文章編號(hào)： 1004?373X（2019）01?0038?04Abstract： The interface interaction design method based on big data processing technology is put forward to impr
現(xiàn)代電子技術(shù) 2019年1期2019-01-10
- 基于灰色—模糊系統(tǒng)的中醫(yī)治療特發(fā)性肺纖維化用藥規(guī)律研究
色聚類(lèi)分析及模糊聚類(lèi)分析等灰色-模糊系統(tǒng)數(shù)學(xué)模型，挖掘組方規(guī)律及用藥特點(diǎn)。結(jié)果 納入處方191首，涉及藥物227味，使用頻次>5%的藥物有48味，包括黃芪、丹參、當(dāng)歸等；灰色關(guān)聯(lián)度分析及灰色聚類(lèi)分析均表明，補(bǔ)虛藥（黃芪、冬蟲(chóng)夏草、北沙參、黨參、白芍等）、化痰止咳平喘藥（浙貝母、川貝母、桑白皮、紫菀等）及活血化瘀藥（川芎、三七、紅花、水蛭等）對(duì)中醫(yī)治療IPF的方劑評(píng)價(jià)系統(tǒng)的影響較大；模糊聚類(lèi)分析得到核心藥物組合10組，新處方4首。結(jié)論 中醫(yī)治療IPF用藥以補(bǔ)
中國(guó)中醫(yī)藥信息雜志 2018年12期2018-12-06
- 淺議零星物資配送路徑優(yōu)化
型，并提出了模糊聚類(lèi)分析和節(jié)約算法相結(jié)合的混合算法，為路徑優(yōu)化問(wèn)題提供了一種思路。關(guān)鍵詞：零星物資；車(chē)輛路徑問(wèn)題；模糊聚類(lèi)—節(jié)約混合算法一、配送路徑優(yōu)化的模型（1）旅行商問(wèn)題（TSP）。旅行商問(wèn)題是指旅行商從一個(gè)城市出發(fā)去其他城市，每個(gè)城市他去一次，并且只去一次，最后回到出發(fā)城市，如何選擇行程路線使總路程最短。（2）中國(guó)郵遞員問(wèn)題。中國(guó)郵遞員問(wèn)題也稱“一筆畫(huà)”問(wèn)題。如果在某郵遞員所負(fù)責(zé)的范圍內(nèi)，街道圖中沒(méi)有奇點(diǎn)（邊的個(gè)數(shù)為奇數(shù)），那么他就可以從郵局出發(fā)，走
市場(chǎng)周刊·市場(chǎng)版 2018年16期2018-10-21
- FCM聚類(lèi)算法在巖石圖像分析中的應(yīng)用
聚類(lèi)算法； 模糊聚類(lèi)Abstract： The characteristics of rock pores and throats are important parameters for geological personnel to judge reservoir characteristics. Due to the high complexity of the rock image and the similar texture of the im
智能計(jì)算機(jī)與應(yīng)用 2018年4期2018-09-29
- 基于模糊聚類(lèi)的海河流域農(nóng)業(yè)節(jié)水分區(qū)研究
標(biāo)體系，運(yùn)用模糊聚類(lèi)方法將海河流域劃分為6個(gè)農(nóng)業(yè)節(jié)水一級(jí)分區(qū)、19個(gè)農(nóng)業(yè)節(jié)水二級(jí)分區(qū)，討論了分區(qū)合理性，并結(jié)合最嚴(yán)格水資源管理制度的實(shí)施提出了下一步的工作方向。關(guān)鍵詞：農(nóng)業(yè)節(jié)水；節(jié)水分區(qū)；指標(biāo)體系；模糊聚類(lèi)；海河流域中圖分類(lèi)號(hào)：TV213.4 文獻(xiàn)標(biāo)志碼：A doi：10.3969/ j.issn.1000-1379.2018.03.011海河流域水資源匱乏，多年平均水資源總量為370億m3，人均水資源量為270m3，僅為全國(guó)人均水資源量的12.8%，是全
人民黃河 2018年3期2018-09-10
- 基于Hadoop的電動(dòng)汽車(chē)充電站負(fù)荷預(yù)測(cè)
平臺(tái)上，運(yùn)用模糊聚類(lèi)及灰色關(guān)聯(lián)度分析選取相似日，將相似日負(fù)荷代入MapReduce架構(gòu)下的GA?BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型進(jìn)行學(xué)習(xí)，獲得待測(cè)日的預(yù)測(cè)負(fù)荷。以城市轄區(qū)快換式充電站實(shí)測(cè)數(shù)據(jù)進(jìn)行實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果證明，此方法在快換式充電站的負(fù)荷預(yù)測(cè)上兼具高效性與精確性。關(guān)鍵詞： Hadoop架構(gòu)； 模糊聚類(lèi)； 灰色關(guān)聯(lián)分析； 負(fù)荷預(yù)測(cè)； BP神經(jīng)網(wǎng)絡(luò)； 快換式電動(dòng)汽車(chē)充電站中圖分類(lèi)號(hào)： TN711?34； TM734 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（20
現(xiàn)代電子技術(shù) 2018年13期2018-07-10
- 基于馬氏距離的模糊聚類(lèi)優(yōu)化算法
性準(zhǔn)則的傳統(tǒng)模糊聚類(lèi)算法對(duì)多維數(shù)據(jù)處理不利的問(wèn)題，采用馬氏距離代替歐氏距離，對(duì)基于馬氏距離的模糊聚類(lèi)算法進(jìn)行優(yōu)化研究，以增強(qiáng)基于馬氏距離的模糊聚類(lèi)算法的聚類(lèi)效果和能力。通過(guò)構(gòu)造啟發(fā)式搜索與kmeans算法結(jié)合的初始優(yōu)化方法，利用可以自動(dòng)調(diào)節(jié)最佳聚類(lèi)數(shù)的有效性函數(shù)，提出了一種優(yōu)化算法KMFCM，并將此新算法與FCM，F(xiàn)CMM，MFCM聚類(lèi)算法在3個(gè)標(biāo)準(zhǔn)數(shù)據(jù)集上進(jìn)行了實(shí)驗(yàn)。結(jié)果表明，KMFCM算法有效，聚類(lèi)精度比FCM，F(xiàn)CMM，MFCM高，對(duì)高維數(shù)據(jù)聚類(lèi)識(shí)別
河北科技大學(xué)學(xué)報(bào) 2018年2期2018-05-14
- 基于模糊比對(duì)模型的槍支管理氣問(wèn)題研究
失，本文基于模糊聚類(lèi)比對(duì)的模型，以美國(guó)的槍支有關(guān)數(shù)據(jù)對(duì)槍支管理進(jìn)行研究，從而評(píng)估槍支管理對(duì)經(jīng)濟(jì)的影響（包括槍支銷(xiāo)售、槍支事件造成的社會(huì)損失）。給出了美國(guó)各州管理等級(jí)A、B、C、D、F對(duì)經(jīng)濟(jì)的影響度分別為0.4、0.33、0.44、0.68、0.5，根據(jù)影響度與（槍支銷(xiāo)售和社會(huì)損失）的直接距離則可以計(jì)算出對(duì)經(jīng)濟(jì)的影響。關(guān)鍵詞：槍支管理；模糊聚類(lèi)；目標(biāo)優(yōu)化；MATLAB由于美國(guó)特殊的歷史、政治和社會(huì)地位早期火器問(wèn)題是美國(guó)社會(huì)長(zhǎng)期存在的社會(huì)題。就世界而言，美國(guó)是
科技風(fēng) 2018年19期2018-05-14
- 基于用戶模糊聚類(lèi)的個(gè)性化推薦研究
果。關(guān)鍵詞：模糊聚類(lèi)；推薦系統(tǒng)；協(xié)同過(guò)濾；加權(quán)歐氏距離DOIDOI：10.11907/rjdk.172225中圖分類(lèi)號(hào)：TP301文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-7800（2018）002-0031-040 引言隨著Web2.0的飛速發(fā)展，互聯(lián)網(wǎng)技術(shù)日益成熟，人類(lèi)進(jìn)入信息超載（Information Overload）時(shí)代。如何在爆炸的信息中獲取想要的信息，是信息時(shí)代面臨的最大挑戰(zhàn)。人們通過(guò)搜索引擎找到自己感興趣的信息[1]，但搜索引擎并不能完全滿足需
軟件導(dǎo)刊 2018年2期2018-03-10
- 基于模糊減法聚類(lèi)的出租車(chē)合乘業(yè)務(wù)方案設(shè)計(jì)
：合乘業(yè)務(wù);模糊聚類(lèi);內(nèi)集;外集;計(jì)費(fèi)標(biāo)準(zhǔn)中圖分類(lèi)號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9416（2018）11-0122-020 引言出租車(chē)合乘業(yè)務(wù)是指乘客出行時(shí)按路線相同或相近原則，多人共同乘坐同一輛車(chē)。出租車(chē)業(yè)務(wù)系統(tǒng)則根據(jù)合乘乘客數(shù)量、乘車(chē)時(shí)長(zhǎng)及實(shí)際乘車(chē)路線等情況，分別計(jì)算出每位乘客所需要費(fèi)用。設(shè)計(jì)合乘業(yè)務(wù)系統(tǒng)目的在于通過(guò)控制運(yùn)營(yíng)車(chē)輛總數(shù)提高合乘的效率以緩解交通壓力和乘客打車(chē)難的困境。肖強(qiáng)等[1]通過(guò)對(duì)出租車(chē)的行駛路線進(jìn)行模糊聚類(lèi)分析，
數(shù)字技術(shù)與應(yīng)用 2018年11期2018-03-03
- 基于模糊聚類(lèi)分析的我國(guó)國(guó)際旅游發(fā)展水平的聚類(lèi)
】 本文采用模糊聚類(lèi)分析法，針對(duì)我國(guó)10個(gè)地區(qū)的國(guó)際旅游游客接待的市場(chǎng)進(jìn)行模糊聚類(lèi)分析。結(jié)合四象限評(píng)價(jià)法，在建立模糊等價(jià)關(guān)系的基礎(chǔ)上，依據(jù)需求的不同，得到不同的分類(lèi)結(jié)果，對(duì)各個(gè)聚類(lèi)對(duì)象進(jìn)行分析。【關(guān)鍵詞】 模糊聚類(lèi) 我國(guó)國(guó)際旅游市場(chǎng) Python引 言旅游產(chǎn)品的生命周期理論說(shuō)明旅游產(chǎn)品在市場(chǎng)上都有從成長(zhǎng)到衰退的發(fā)展過(guò)程，因而每一個(gè)旅游企業(yè)都應(yīng)該注重旅游產(chǎn)品的市場(chǎng)變化，增強(qiáng)抵御風(fēng)險(xiǎn)的能力。對(duì)國(guó)家旅游管理部門(mén)而言，其宏觀調(diào)控職能要求其不僅要了解各個(gè)地區(qū)的旅游市
大經(jīng)貿(mào) 2018年12期2018-02-20
- ANFIS與模糊聚類(lèi)—ESN的光伏發(fā)電功率預(yù)測(cè)模型比較
ANFIS與模糊聚類(lèi)-ESN兩個(gè)光伏發(fā)電功率預(yù)測(cè)模型。利用Matlab模糊邏輯工具箱構(gòu)建ANFIS模型，而對(duì)于模糊聚類(lèi)-ESN模型的構(gòu)建，先采用模糊聚類(lèi)處理輸入數(shù)據(jù)，再利用ESN進(jìn)行訓(xùn)練與預(yù)測(cè)。通過(guò)對(duì)兩個(gè)預(yù)測(cè)結(jié)果的比較，模糊聚類(lèi)-ESN模型的預(yù)測(cè)精度高于ANFIS模型。關(guān)鍵詞：自適應(yīng)神經(jīng)模糊推理系統(tǒng)；模糊聚類(lèi)；回聲狀態(tài)網(wǎng)絡(luò)；光伏發(fā)電功率預(yù)測(cè)DOIDOI：10.11907/rjdk.172090中圖分類(lèi)號(hào)：TP319文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)文章編號(hào)：1672-
軟件導(dǎo)刊 2018年1期2018-02-01
- 基于自適應(yīng)正則化的核模糊C—均值聚類(lèi)圖像分割
健+肖化摘要模糊聚類(lèi)是將模糊集的概念應(yīng)用到傳統(tǒng)聚類(lèi)分析中，讓數(shù)據(jù)集的對(duì)象在分組中的隸屬用隸屬函數(shù)來(lái)確定，隸屬度函數(shù)更好地描述邊緣像素亦此亦彼得特點(diǎn)，對(duì)象在各分組中的隸屬度為連續(xù)區(qū)間[0，1]之間的某個(gè)值，以不同程度隸屬于多個(gè)簇，而非確定硬聚類(lèi)中的0或1的二值邏輯。模糊C-均值聚類(lèi)算法是模糊聚類(lèi)中的一種經(jīng)典算法，如果樣本空間是非線性可聚的，該聚類(lèi)不能效果就不理想。而核模糊C-均值聚類(lèi)利用特征映射很好解決了這個(gè)問(wèn)題。最后用正則化參數(shù)來(lái)提高分割的魯棒性和提高圖像
電子技術(shù)與軟件工程 2017年18期2018-01-28
- 基于改進(jìn)灰色聚類(lèi)算法的絕緣狀態(tài)評(píng)估
點(diǎn)。首先利用模糊聚類(lèi)確定了各灰類(lèi)白化函數(shù)閥值，然后借助于指數(shù)型白化函數(shù)將各灰類(lèi)老化指標(biāo)建立了相應(yīng)對(duì)應(yīng)關(guān)系，接著采用改進(jìn)的層次分析法確定了各老化指標(biāo)的權(quán)重，建立了改進(jìn)灰色聚類(lèi)算法的絕緣狀態(tài)評(píng)估模型。通過(guò)具體實(shí)例并與其他狀態(tài)評(píng)估方法對(duì)比，驗(yàn)證了本文算法在油紙絕緣狀態(tài)評(píng)估上更加客觀、準(zhǔn)確和科學(xué)。關(guān)鍵詞：模糊聚類(lèi)； 灰色聚類(lèi)； 狀態(tài)評(píng)估； 白化函數(shù)； 閥值中圖分類(lèi)號(hào)：TP311 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2017）34-0228-04Abstr
電腦知識(shí)與技術(shù) 2017年34期2018-01-09
- 基于模糊層次分析法的計(jì)算機(jī)教學(xué)與創(chuàng)新實(shí)踐能力培養(yǎng)評(píng)價(jià)
，提出了采用模糊聚類(lèi)與層次分析法相結(jié)合的機(jī)器學(xué)習(xí)方法，自動(dòng)確定指標(biāo)權(quán)重，運(yùn)用提出的模糊層次分析方法對(duì)創(chuàng)新實(shí)踐能力培養(yǎng)進(jìn)行評(píng)價(jià)。結(jié)果表明，評(píng)價(jià)系統(tǒng)客觀、簡(jiǎn)單、可操作性強(qiáng)，并能夠根據(jù)評(píng)價(jià)體系得分給出相關(guān)教學(xué)改進(jìn)建議。關(guān)鍵詞：教學(xué)評(píng)價(jià)；創(chuàng)新實(shí)踐；模糊聚類(lèi)；層次分析法DOIDOI：10.11907/rjdk.172622中圖分類(lèi)號(hào)：G434文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-7800（2017）012-0225-04Abstract：With the rapid
軟件導(dǎo)刊 2017年12期2018-01-09
- 基于模糊聚類(lèi)算法的邊緣圖像增強(qiáng)技術(shù)
提出一種基于模糊聚類(lèi)算法的邊緣圖像增強(qiáng)技術(shù)。對(duì)圖像進(jìn)行小波降噪處理，提取降噪輸出圖像的灰度直方圖特征信息參量，在仿射不變區(qū)域?qū)μ卣髁窟M(jìn)行模糊聚類(lèi)，采用C均值聚類(lèi)算法實(shí)現(xiàn)灰度像素點(diǎn)的邊緣聚斂和信息增強(qiáng)，進(jìn)行圖像的邊緣輪廓特征提取。仿真結(jié)果表明，采用該方法進(jìn)行圖像增強(qiáng)處理，提高了輸出圖像的峰值信噪比，圖像的辨識(shí)性能得到改善。關(guān)鍵詞： 模糊聚類(lèi)； 圖像增強(qiáng)； 邊緣輪廓； 特征提取中圖分類(lèi)號(hào)： TN911.73?34； TP391 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1
現(xiàn)代電子技術(shù) 2017年24期2018-01-02
- 基于改進(jìn)L0梯度的織物沾水區(qū)域提取
圖像，并使用模糊聚類(lèi)算法對(duì)去噪后圖像進(jìn)行聚類(lèi)分割。實(shí)驗(yàn)結(jié)果表明，該方法能夠有效實(shí)現(xiàn)織物沾水圖像的去噪處理，得到正確分割的織物沾水區(qū)域。關(guān)鍵詞： 平滑；梯度最小化；拉普拉斯特征映射；模糊聚類(lèi)；織物中圖分類(lèi)號(hào)： TS101.91文獻(xiàn)標(biāo)志碼： A文章編號(hào)： 10017003（2017）05002907引用頁(yè)碼： 051106Abstract： Current detection method of fabric wetting performance canno
絲綢 2017年5期2017-10-15
- 青島地區(qū)苜蓿田節(jié)肢動(dòng)物群落動(dòng)態(tài)研究
化情況，采用模糊聚類(lèi)法和最優(yōu)分割法對(duì)苜蓿田節(jié)肢動(dòng)物群落、害蟲(chóng)群落和天敵群落的時(shí)間和數(shù)量動(dòng)態(tài)進(jìn)行了研究。結(jié)果表明，苜蓿田節(jié)肢動(dòng)物群落隨時(shí)間有明顯的差異性和規(guī)律性。節(jié)肢動(dòng)物群落可以聚為4類(lèi)，害蟲(chóng)群落可聚類(lèi)5類(lèi)，天敵群落可聚為4類(lèi)，并且分析了各類(lèi)群落的特征。最優(yōu)分割法將田間節(jié)肢動(dòng)物群落劃分為4月，5月，6月，7月上旬至8月上旬，8月中旬至9月下旬，10月上旬至10月中旬，10月下旬7個(gè)階段；害蟲(chóng)群落劃分為4月，5月上旬至5月中旬，5月下旬至7月上旬，7月中旬至8
安徽農(nóng)學(xué)通報(bào) 2017年17期2017-09-21
- 專家可信度檢驗(yàn)的建筑公司應(yīng)急救援能力評(píng)價(jià)
信度評(píng)價(jià)； 模糊聚類(lèi)； 模糊數(shù)學(xué)評(píng)價(jià)； 層次分析； 應(yīng)急救援能力中圖分類(lèi)號(hào)： X913 文獻(xiàn)標(biāo)識(shí)碼：AAbstract：With the increasing number of high-rise buildings， accident rate also increases. Construction companies need immediate emergency rescue work. In order to enhance the cons
中國(guó)建筑科學(xué) 2017年6期2017-07-20
- 區(qū)域性金融風(fēng)險(xiǎn)早期預(yù)警體系研究
果，綜合運(yùn)用模糊聚類(lèi)分析、BP神經(jīng)網(wǎng)絡(luò)建模等，提出符合中國(guó)特色的區(qū)域金融風(fēng)險(xiǎn)預(yù)警體系框架，在此基礎(chǔ)上對(duì)安徽省區(qū)域金融風(fēng)險(xiǎn)狀況進(jìn)行預(yù)測(cè)分析并提出相關(guān)建議。【關(guān)鍵詞】 金融風(fēng)險(xiǎn)；預(yù)警；模糊聚類(lèi)；神經(jīng)網(wǎng)絡(luò)一、引言2014年中央經(jīng)濟(jì)工作會(huì)議明確提出要“高度重視財(cái)政金融領(lǐng)域存在的風(fēng)險(xiǎn)隱患，堅(jiān)決守住不發(fā)生系統(tǒng)性和區(qū)域性金融風(fēng)險(xiǎn)的底線”。2008年國(guó)際金融危機(jī)爆發(fā)以來(lái)，世界各國(guó)應(yīng)對(duì)金融危機(jī)的經(jīng)驗(yàn)表明，構(gòu)建金融體系風(fēng)險(xiǎn)預(yù)警機(jī)制是必要且可行的。相對(duì)于整體金融風(fēng)險(xiǎn)而言，區(qū)域性
商情 2017年19期2017-07-14
- 寧夏黃河水系干流水質(zhì)監(jiān)測(cè)斷面優(yōu)化
物元分析法、模糊聚類(lèi)法及WASP模型對(duì)黃河干流寧夏段水質(zhì)監(jiān)測(cè)斷面的布設(shè)進(jìn)行優(yōu)化。結(jié)果表明：現(xiàn)有的6個(gè)國(guó)控監(jiān)測(cè)斷面對(duì)黃河干流水質(zhì)變化狀況的監(jiān)測(cè)不完善，須增設(shè)2個(gè)監(jiān)測(cè)斷面，分別位于下河沿與金沙灣國(guó)控?cái)嗝骈g及葉盛公路橋與銀古公路橋國(guó)控?cái)嗝骈g，地理位置分別處于石空鎮(zhèn)與臨河鎮(zhèn)，即105°40′31″E，37°34′04″N與106°18′36″E，38°16′11″N。關(guān)鍵詞：水質(zhì)監(jiān)測(cè)；斷面優(yōu)化；物元分析；模糊聚類(lèi)；WASP模型中圖分類(lèi)號(hào)：X832 文獻(xiàn)標(biāo)識(shí)碼：A
南水北調(diào)與水利科技 2017年3期2017-06-09
- 基于模糊聚類(lèi)及馬爾科夫殘差修正的び沒(méi)Р嘍唐詬漢稍げ夥椒
出了一種基于模糊聚類(lèi)的馬爾科夫用戶側(cè)短期負(fù)荷預(yù)測(cè)方法。采用模糊聚類(lèi)方法對(duì)用戶歷史負(fù)荷數(shù)據(jù)進(jìn)行可定義顆粒度的預(yù)處理，并以負(fù)荷所映射指標(biāo)集構(gòu)建的聚類(lèi)識(shí)別指標(biāo)為依據(jù)，通過(guò)指標(biāo)隸屬和距離校驗(yàn)對(duì)當(dāng)前用戶負(fù)荷模式準(zhǔn)確歸類(lèi)；進(jìn)而在所屬類(lèi)中心基礎(chǔ)上進(jìn)行馬爾科夫殘差預(yù)測(cè)。最后實(shí)驗(yàn)表明該方法能良好適應(yīng)用戶負(fù)荷特性，有效提高預(yù)測(cè)精度。關(guān)鍵詞：短期負(fù)荷預(yù)測(cè)；模糊聚類(lèi)；馬爾科夫；殘差預(yù)測(cè)修正隨著電力調(diào)度及能源管理技術(shù)的發(fā)展，短期甚至超短期負(fù)荷預(yù)測(cè)越來(lái)越體現(xiàn)出其重要性[1]。已有的電
科技風(fēng) 2017年13期2017-05-30
- 高?？蒲薪?jīng)費(fèi)績(jī)效研究
中難題?；?span id="j5i0abt0b" class="hl">模糊聚類(lèi)與模糊綜合評(píng)價(jià)方法，從科研投入、運(yùn)行及產(chǎn)出構(gòu)建三個(gè)1級(jí)指標(biāo)、七個(gè)2級(jí)指標(biāo)、11個(gè)三級(jí)指標(biāo)的科研經(jīng)費(fèi)評(píng)價(jià)指標(biāo)體系，在權(quán)重處理上利用聚類(lèi)法剔除偏離程度大的專家權(quán)重，并針對(duì)A高等學(xué)校科研經(jīng)費(fèi)進(jìn)行了績(jī)效評(píng)價(jià)，得出了科學(xué)的、可量化的評(píng)價(jià)結(jié)果。關(guān)鍵詞：高?？蒲薪?jīng)費(fèi)；模糊聚類(lèi)；模糊綜合評(píng)價(jià)；績(jī)效中圖分類(lèi)號(hào)：F23 文獻(xiàn)標(biāo)識(shí)碼：A doi：10.19311/j.cnki.1672-3198.2016.33.0881 引言科研經(jīng)費(fèi)對(duì)提高科技水平、促進(jìn)人才
現(xiàn)代商貿(mào)工業(yè) 2016年33期2017-04-18
- 模塊化產(chǎn)品族的共享模塊篩選方法
o解集，利用模糊聚類(lèi)算法對(duì)解集中的每組解進(jìn)行綜合性能的評(píng)價(jià)并選優(yōu)，根據(jù)最終篩選出的最優(yōu)解即可實(shí)現(xiàn)共享變量的篩選.相比以往常用的基于經(jīng)驗(yàn)或靈敏度的方法，該方法更嚴(yán)格地在子學(xué)科優(yōu)化中以車(chē)身性能為目標(biāo)函數(shù)，在系統(tǒng)級(jí)優(yōu)化中進(jìn)行共享度的優(yōu)化，并且可根據(jù)系統(tǒng)級(jí)優(yōu)化結(jié)果篩選出局部共享變量.以SUV、兩廂掀背車(chē)和三廂轎車(chē)為算例，使用該方法有效地篩選出3款車(chē)型的全局共享變量、局部共享變量和非共享變量，對(duì)該方法的可行性和有效性進(jìn)行了驗(yàn)證.關(guān)鍵詞：一致性約束；協(xié)同優(yōu)化；模糊聚類(lèi)
湖南大學(xué)學(xué)報(bào)·自然科學(xué)版 2017年2期2017-03-17
- 隴中地區(qū)農(nóng)業(yè)氣候模糊聚類(lèi)區(qū)劃
糊關(guān)系，進(jìn)行模糊聚類(lèi)分析。按不同聚類(lèi)水平，區(qū)劃出溫和、溫涼、溫寒、寒冷等氣候類(lèi)型，區(qū)劃結(jié)果與氣候特征和地理要素吻合較好，也為其他專業(yè)區(qū)劃奠定了基礎(chǔ)。關(guān)鍵詞 模糊聚類(lèi)；農(nóng)業(yè)氣候區(qū)劃；隴中地區(qū)中圖分類(lèi)號(hào) S162.2 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 1007-5739（2017）02-0180-03Agricultural Climatic Regionalization by Fuzzy Clustering in Central Gansu ProvinceCH
現(xiàn)代農(nóng)業(yè)科技 2017年2期2017-03-16
- 基于模糊聚類(lèi)和模糊模式識(shí)別的數(shù)字圖書(shū)館個(gè)性化推薦研究
的效果，采用模糊聚類(lèi)和模糊識(shí)別技術(shù)建立數(shù)字圖書(shū)館的個(gè)性化推薦系統(tǒng)。通過(guò)分析用戶的信息素質(zhì)、興趣愛(ài)好、網(wǎng)絡(luò)和電子資源檢索情況，對(duì)讀者進(jìn)行數(shù)學(xué)模糊聚類(lèi)分析，確定最佳閾值λ，得到最佳聚類(lèi)。根據(jù)個(gè)體用戶的基本情況進(jìn)行模糊識(shí)別，由識(shí)別結(jié)果的歸屬給出針對(duì)當(dāng)前用戶的個(gè)性化推薦。實(shí)驗(yàn)結(jié)果表明，在模糊聚類(lèi)與模糊識(shí)別基礎(chǔ)上的個(gè)性化推薦方案是可行的和有效的，為創(chuàng)新數(shù)字圖書(shū)館個(gè)性化服務(wù)提供了一種新的方法?！碴P(guān)鍵詞〕數(shù)字圖書(shū)館；個(gè)性化；推薦系統(tǒng)；模糊聚類(lèi)；模糊識(shí)別DOI：10.39
現(xiàn)代情報(bào) 2016年4期2016-11-19
- 圖形模糊聚類(lèi)算法初始化方式改進(jìn)
121)圖形模糊聚類(lèi)算法初始化方式改進(jìn)吳成茂， 何晶(西安郵電大學(xué) 電子工程學(xué)院， 陜西 西安 710121)摘要:為了降低初始化參數(shù)對(duì)圖形模糊聚類(lèi)算法收斂性的影響，對(duì)圖形模糊聚類(lèi)算法的初始化方法加以改進(jìn)。將隸屬度、中立度和拒絕度3個(gè)參量的隨機(jī)值先求平方，再按其平方和進(jìn)行歸一化處理，以代替原來(lái)的初始化方法。將改進(jìn)前后的算法用于Iris文本數(shù)據(jù)分類(lèi)，以及基于1維或2維直方圖的人物、醫(yī)學(xué)和遙感的圖像分割，結(jié)果顯示，改進(jìn)算法用時(shí)短，收斂快。將改進(jìn)算法作用于含噪標(biāo)
西安郵電大學(xué)學(xué)報(bào) 2016年2期2016-07-06
- 基于模糊聚類(lèi)的實(shí)用系數(shù)分析方法*
640)基于模糊聚類(lèi)的實(shí)用系數(shù)分析方法*歐陽(yáng)森吳裕生馮天瑞(華南理工大學(xué) 電力學(xué)院∥廣東省綠色能源技術(shù)重點(diǎn)實(shí)驗(yàn)室， 廣東 廣州 510640)摘要:實(shí)用系數(shù)常用于指導(dǎo)業(yè)擴(kuò)報(bào)裝時(shí)配變?nèi)萘康倪x取.文中針對(duì)當(dāng)前實(shí)用系數(shù)選取時(shí)靈活性差、受樣本數(shù)據(jù)影響較大、沒(méi)有考慮負(fù)荷發(fā)展特性等問(wèn)題，設(shè)計(jì)了一種基于模糊聚類(lèi)的實(shí)用系數(shù)分析方法.首先，將用電用戶劃分為商業(yè)、住宅、工業(yè)等類(lèi)型，并建立相應(yīng)的用電用戶的評(píng)價(jià)指標(biāo)體系，該體系選取負(fù)荷密度、年用電量增長(zhǎng)率、配變投運(yùn)時(shí)間3個(gè)評(píng)價(jià)指標(biāo)
- 一種改進(jìn)的模糊聚類(lèi)算法研究
：聚類(lèi)分析；模糊聚類(lèi)；點(diǎn)密度；隸屬度中圖分類(lèi)號(hào)：TP311 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1006-8937（2016）02-0055-031 概 述作為一種無(wú)監(jiān)督的學(xué)習(xí)方法，聚類(lèi)是根據(jù)數(shù)據(jù)集中樣本之間的相似度將數(shù)據(jù)集劃分為若干個(gè)簇的過(guò)程，在圖像處理、生物信息學(xué)、目標(biāo)識(shí)別、醫(yī)學(xué)診斷等領(lǐng)域有著極其廣泛的應(yīng)用[1，2，3]。按照樣本的隸屬度劃分，可以將聚類(lèi)方法分為硬聚類(lèi)和模糊聚類(lèi)。硬聚類(lèi)將樣本屬于某一簇的隸屬度設(shè)為0或1，其中取值為1表示該樣本完全屬于某一個(gè)簇，反
企業(yè)技術(shù)開(kāi)發(fā)·中旬刊 2016年1期2016-07-04
- 基于直覺(jué)模糊推理的直覺(jué)模糊時(shí)間序列模型
測(cè)模型。應(yīng)用模糊聚類(lèi)算法實(shí)現(xiàn)論域的非等分劃分;針對(duì)直覺(jué)模糊時(shí)間序列的數(shù)據(jù)特性,提出一種更具客觀性的隸屬度和非隸屬度函數(shù)的確定方法;提出一種基于直覺(jué)模糊近似推理的模型預(yù)測(cè)規(guī)則。在Alabama大學(xué)入學(xué)人數(shù)和中國(guó)社會(huì)消費(fèi)品零售總額數(shù)據(jù)集兩組數(shù)據(jù)集上分別與典型方法進(jìn)行對(duì)比實(shí)驗(yàn),結(jié)果表明該模型有效提高了預(yù)測(cè)精度,證明了模型的有效性和優(yōu)越性。關(guān)鍵詞：直覺(jué)模糊時(shí)間序列; 模糊聚類(lèi); 隸屬度函數(shù); 非隸屬度函數(shù); 直覺(jué)模糊推理0引言時(shí)間序列預(yù)測(cè)無(wú)論在經(jīng)濟(jì)領(lǐng)域(如國(guó)民收入
系統(tǒng)工程與電子技術(shù) 2016年6期2016-06-21
- 模糊聚類(lèi)在區(qū)域環(huán)境質(zhì)量評(píng)價(jià)中的運(yùn)用
我們需要使用模糊聚類(lèi)的方式，不斷分析，每個(gè)種類(lèi)環(huán)境質(zhì)量的具體表現(xiàn)，這樣不但能夠節(jié)省一些，巨大工程進(jìn)行計(jì)算的時(shí)間，還可以進(jìn)行區(qū)域環(huán)境功能的基本工作。本文就是對(duì)模糊聚類(lèi)在區(qū)域環(huán)境質(zhì)量評(píng)價(jià)中的運(yùn)用。關(guān)鍵詞：模糊聚類(lèi)；區(qū)域環(huán)境；質(zhì)量評(píng)價(jià)；運(yùn)用中圖分類(lèi)號(hào)：X141 文獻(xiàn)識(shí)別碼：A 文章編號(hào)：1001-828X（2016）013-000-01一般我們對(duì)環(huán)境質(zhì)量的好壞進(jìn)行描述，就需要用到區(qū)域環(huán)境質(zhì)量評(píng)價(jià)。這種質(zhì)量評(píng)價(jià)。一般構(gòu)成區(qū)域環(huán)境的根本單元，就是環(huán)境單元的組成。在區(qū)
現(xiàn)代經(jīng)濟(jì)信息 2016年13期2016-06-17
- 基于模糊聚類(lèi)法的油氣集輸系統(tǒng)優(yōu)化設(shè)計(jì)
083?基于模糊聚類(lèi)法的油氣集輸系統(tǒng)優(yōu)化設(shè)計(jì)許曉明，李華，楊超，李彥蘭 中國(guó)石油勘探開(kāi)發(fā)研究院，北京100083摘要：油氣集輸系統(tǒng)優(yōu)化設(shè)計(jì)對(duì)地面建設(shè)成本控制和保證油田高效生產(chǎn)起著重要作用。以油氣集輸管網(wǎng)系統(tǒng)投資極小化為目標(biāo)，綜合考慮多級(jí)星式管網(wǎng)拓?fù)浣Y(jié)構(gòu)特點(diǎn)、生產(chǎn)運(yùn)行參數(shù)等多種影響因素，建立了多級(jí)星式油氣集輸系統(tǒng)模糊優(yōu)化數(shù)學(xué)模型；并采用模糊c-均值聚類(lèi)方法對(duì)該模型進(jìn)行優(yōu)化，得到最優(yōu)中轉(zhuǎn)站個(gè)數(shù)、最佳中轉(zhuǎn)站位置、最優(yōu)網(wǎng)絡(luò)級(jí)數(shù)等。通過(guò)實(shí)例分析與結(jié)果對(duì)比表明，模糊c
石油工程建設(shè) 2016年2期2016-06-14
- 大型商場(chǎng)建筑夏季冷負(fù)荷動(dòng)態(tài)預(yù)測(cè)模型
；動(dòng)態(tài)預(yù)測(cè)；模糊聚類(lèi)；數(shù)據(jù)隨著中國(guó)社會(huì)經(jīng)濟(jì)的快速發(fā)展，能源供需矛盾和環(huán)境壓力日益突出，目前,建筑運(yùn)行能耗約占全社會(huì)總能耗的30%，單位建筑能耗面積是發(fā)達(dá)國(guó)家的2～3倍[1]，對(duì)社會(huì)造成了沉重的能源負(fù)擔(dān)和嚴(yán)重的環(huán)境污染，已成為制約中國(guó)可持續(xù)發(fā)展的主要問(wèn)題。在所有建筑中，大型商場(chǎng)建筑對(duì)舒適性要求高，空調(diào)系統(tǒng)運(yùn)行時(shí)間長(zhǎng)，其空調(diào)系統(tǒng)單位建筑的能耗為城鎮(zhèn)建筑能耗的5倍[2]。因此，研究大型商場(chǎng)建筑復(fù)雜中央空調(diào)系統(tǒng)的優(yōu)化運(yùn)行，實(shí)現(xiàn)節(jié)能降耗具有重要的經(jīng)濟(jì)效益和社會(huì)意義，
土木與環(huán)境工程學(xué)報(bào) 2016年2期2016-06-13