基于FCM的小波神经网络模型在径流预测中的应用

针对径流变化存在的季节性差异,提出了一种在对预报因子集进行模糊聚类分析基础上构建径流预测模型的新方法:先通过模糊C-均值聚类将历史径流数据进行分类,然后利用小波神经网络分别建立预报因子集与观测值之间的局部预测模型,文中采用网络模型分类识别器,可自动搜寻相适应的局部网络模型进行预测.以西南某水库2006年日平均入库来流的计算实例对简单小波神经网络预测模型和文中所建的融合模型进行了比较.     

联机核模糊C均值聚类方法

基于核模糊C均值(kernel fuzzy C-means, KFCM)提出了一种针对较大规模数据的联机核模糊C均值 (online kernel fuzzy C-means, OKFCM) 算法,同时考虑到核参数的选择困境,借鉴多核学习思想,进一步衍生出了联机多核模糊C均值 (online multiple kernel fuzzy C-means, OMKFCM) 算法。由此,在有效缓和核参数选择难题的同时,新算法不仅继承了KFCM优越的聚类特性且适合聚类数据流。最后,在人工和真实数据集上验证了新提出的核联机算法比现有基于划分的大规模数据处理算法具有更好的性能。     

广义均衡模糊C均值聚类算法

模糊C均值聚类(FCM)算法是一种快速有效的聚类算法,但它没有考虑各类样本容量的差异, 其最小化代价函数会导致聚类判决有利于少样本类.提出一种新的聚类算法—-广义均衡模糊C均值聚类, 通过对模糊C均值聚类最小化代价函数的改进,使得样本容量在聚类代价函数中发挥效用, 从而弱化了样本容量差异对聚类判决的干扰.讨论分析了该算法的性质,模糊隶属度的推导突破了FCM解析解的约束. 通过仿真实验,验证了所提出算法的有效性.     

核模糊C均值聚类算法优选BDS-3三频组合观测值

目前对全球导航卫星系统(global navigation satellite system, GNSS)三频组合观测值优选的研究,主要集中在全球定位系统(global positioning system, GPS)和北斗二号(beidou navigation satellite system, BDS-2)上,对BDS-3的研究相对较少。为克服以往聚类优选算法中存在的仅适用于类球形簇、聚类数目和初始聚类中心的确定主观性强、对离群点敏感、易陷于局部最优等不足,提出一种改进的核模糊C均值聚类算法,引入核函数与抑制离群点的新距离度量,基于多类广义核极化准则优化核参数,用改进爬山法确定聚类数目与初始聚类中心。然后,以模糊C均值聚类算法为对照进行了对比实验,在短、长两种基线下分别解算组合模糊度。通过对优选所得代表性组合的模糊度固定成功率进行对比分析,验证了该算法的可行性与算法改进的有效性。     

一种使用支撑集的区域型模糊聚类算法

使用支撑集和模糊待分集的概念来描述数据集的分布。在此基础上提出了一种基于类别融合的区域型模糊聚类算法 (regionalfuzzyclusteringalgorithm ,RFCA) ,并就该模型的两个聚类参数 (δ和ε)对聚类性能的影响进行了分析。仿真结果表明 ,该算法有比常用的模糊C均值更好的聚类性能。     

基于遗传优化的采样模糊C均值聚类算法

在数据挖掘领域,模糊C均值聚类法(FCM)在处理小量低维的数据挖掘时是有效的,但是面向数据库的数据挖掘经常要处理大量、高维的数据.在这种情况下,FCM算法在时间性能上难以令人满意.本文基于采样技术对FCM算法进行改进,以提高算法的时间性能,并利用遗传算法对聚类结果进行优化以保证聚类的质量,给出了一种新的基于遗传优化的采样模糊C均值聚类算法SFGO(SamplingFCMwithGeneticOptimization).仿真实验证明SFGO算法在大规模数据库的聚类挖掘中,在时间性能和聚类质量上都能获得较满意的结果.     

自适应特征熵权模糊C均值聚类算法的研究

特征权重算法对聚类效果有很大的影响,而传统的特征权重算法忽略了特征项在类间和类内的分布情况.因此,研究聚类后样本特征属性表现的有序性程度对聚类结果的影响,分析聚类后样本特征属性的分布情况,提出了一种自适应特征熵权模糊C均值聚类算法.该算法以聚类后的特征熵和信息增益作为准则调整特征权值,通过聚类与权重更新逐步迭代优化,直至获得最优的特征权值.实验表明,自适应特征熵权模糊C均值聚类算法能够有效地区分各个特征属性对聚类效果的重要程度;较于其它加权模糊C均值聚类算法,该算法能够得到更高的聚类准确率.     

基于直觉模糊核聚类的弹道中段目标识别方法

针对现有的模糊核聚类算法性能的问题,汲取直觉模糊c-均值聚类（Intuitionistic Fuzzy c-means,IFCM）算法的动态聚类特性优势,引入高斯核函数,改良归一化条件,提出直觉模糊核c-均值聚类（Intuitionistic Fuzzy Kernel c‐means,IFKCM）算法,并通过实际数据测试,证实了该算法的可行性和有效性。最后,根据弹道中段目标识别仿真系统的要求及弹道目标识别的特点,设计并实现了基于直觉模糊核c-均值聚类的弹道中段目标识别(Intuitionistic Fuzzy Kernel c-means-Target Recognition in Ballistic Midcourse,IFKCM-TRBM)原型系统,仿真实验及对比分析充分表明该原型系统的稳健可行性,为弹道中段目标识别提出了一种新的参考和尝试。     

基于PS-IFKCM的弹道中段目标识别方法

针对现有直觉模糊核c-均值(intuitionistic fuzzy kernel c-means,IFKCM)聚类算法对初始值敏感、易陷入局部最优解及收敛速度慢等缺陷,汲取了粒子群优化(particle swarm optimization,PSO)算法优势,对初始聚类中心进行优化,提出了基于粒子群优化的直觉核c-均值(particle swarm-based intuitionistic fuzzy kernel c-means,PS-IFKCM)聚类算法,选取4组标准数据集实际样本数据对算法的有效性进行了试验。最后选取弹道中段目标识别常用的雷达截面积(radar cross section, RCS)这一特征属性进行弹道中段目标识别仿真实验,并将其与模糊c-均值（fuzzy c-means, FCM）算法、IFKCM算法的识别效果及运行时间进行比较分析,表明了该算法应用于弹道中段目标识别的有效性及优越性。     

模糊C均值聚类区间型模糊化参数模型

针对经典模糊C均值聚类算法中模糊加权指数对聚类的影响及其取值范围不确定性问题,提出了一种区间型模糊加权指数的设计模型。分析该模型设计的理论依据及对聚类结果的影响,推导出包括模糊隶属度划分矩阵、模糊聚类中心等基于该模型的模糊化参数表示方法。理论分析和实验证明,区间型模糊化参数模型的设计在基于模糊划分的数据处理中取得了很好的效果。     

论施肥系统工程

<正> 施肥是作物增产的重要手段。尤其是化肥施用,已成为现代农业生产中一项重要的技术措施。据联合国粮农组织以及各国专家的估计,粮食增产量中,30％～60％应归功于化肥的施用。中国农科院土壤肥料研究所张夫道等统计分析了我国解放后三十年农作物产量后指出,我国粮棉总产水平     

不确定性系统预测理论的基本问题

论述了不确定性系统预测理论的基本概念及原理、预测特性及分类、预测的精度要求及评价标准、预测的指标体系及建模原理以及预测方法的基本问题 ,为建立适应时代发展需要的新型预测理论与方法奠定了基础 .     

季节性预测的组合灰色神经网络模型研究

对于季节性时间序列具有增长性和波动性的二重趋势性 ,本文提出了季节性预测的组合灰色神经网络模型 ,研究了同时考虑两种 (非线性 )趋势的复杂季节性预测问题 ,给出了一个应用实例 ,为季节性预测提供了一种新的、有效的方法 .     

招股书净利润预测误差与初始收益率关系——1993～2009年我国A股IPO市场的证据

从投资者和IPO公司对净利润预测误差的预期判断差异视角,分析了净利润预测误差和首日初始收益率的相关性;基于分位数回归方法检验1993～2009年我国A股IPO样本净利润预测偏好、误差与首日初始收益率之间的决定关系,实证发现:年度平均预测偏好表明,IPO公司能适应期间发生的重大金融事件,预测精度呈上升趋势;预测误差越大的公司,公司规模和预测期对预测误差的正向作用越强;公司规模越大、预测期越短,则IPO公司比随机游走和增长模型的预测能力越强;累计投标询价方式下,IPO公司和投资者对净利润预测误差的判断倾向于分歧;当IPO公司净利润预测悲观时,固定价格方式下,投资者会出现预测分歧;而相对市盈率定价方式下,投资者倾向于做出一致的预测判断。     

一个基于集成情境知识的组合预测方法

根据钱学森定性定量综合集成的系统思想,在TEI@I复杂系统方法论的框架下,提出了一种基于集成情境知识的组合预测方法(CFMIK).该方法用情境知识引导经济预测过程,将一些难以显式出现在预测模型中的影响因素考虑进来,从而能够在一定程度上解决预测结果在发生随机事件冲击时误差较大的难题.以港口集装箱吞吐量预测为例,对比了CFMIK,AFTER组合预测方法和3种单项模型预测方法(ARIMA、BP-ANN和指数平滑法)的表现,结果发现CFMIK的表现显著地优于后4种预测方法.     

灰色系统在变形测量中的应用探索

将灰色系统理论与测量理论相结合，探索如何提高灰色预测的精度和可靠性，以便对大型水利工程的变形进行监测。     

基于灰色序列生成中缓冲算子的能源预测

利用灰色系统理论中的缓冲算子预测原理，利用二阶弱化算子对我国能源消费进行了短期预测，重点分析了在我国传统能源结构中占重要地位的原煤、原油、天然气及水电的短期消费情况。得出结论：2000—2009年，我国传统能源消费将以平均每年0.068%的速度递减。其中，原煤消费将以平均每年0.51%的速度下降，而原油、天然气、水电则分别以1.21%、1.99%、0.84%的速度递增。最后对预测的结果进行了详细分析与论证。     

轨道线网客流预测方法研究

在分析轨道交通客流的形成机理和国内外常用的轨道交通客流需求分析方法优缺点的基础上 ,提出了一种基于四阶段法改进的轨道交通客流预测方法 ,并对其中的步骤进行了详细的论述.     

扩频通信抗窄带干扰技术

通信设备和系统生存于纷繁复杂的电磁环境之中 ,面临的干扰日益严重 ,许多时候由于受到扩频带宽的限制 ,仅靠扩频增益已不足以对干扰进行抑制 ,特别是在强窄带干扰的场合 ,必须采取其它措施进一步提高扩频通信的抗干扰能力。综述并分析了许多重要的抗窄带干扰技术。     

A ForetelLing of Population in Beijing by the Grey System Model

１ＩｎｔｒｏｄｕｃｔｉｏｎＩｎｔｈｉｓｐａｐｅｒｗｅｗｉｌｆｏｒｅｔｅｌｔｈｅｐｏｐｕｌａｔｉｏｎｏｆＢｅｉｊｉｎｇｔｈｒｏｕｇｈｔｈｅｇｒｅｙｆｏｒｅｔｅｌｉｎｇ．Ｔｈｅｇｒｅｙｆｏｒｅｔｅｌｉｎｇｍｅａｎｓｔｈａｔｗｅｗｉｌｂｕｉｌｄａｍｏｄｅｌ...