A preliminary study of optimal variable weighting in k-means clustering

Recently, algorithms for optimally weighting variables in non-hierarchical and hierarchical clustering methods have been proposed. Preliminary Monte Carlo research has shown that at least one of these algorithms cross-validates extremely well.The present study applies a k-means, optimal weighting procedure to two empirical data sets and contrasts its cross-validation performance with that of unit (i.e., equal) weighting of the variables. We find that the optimal weighting procedure cross-validates better in one of the two data sets. In the second data set its comparative performance strongly depends on the approach used to find seed values for the initial k-means partitioning.The authors would like to acknowledge the support of the Citibank Fellowship from the Sol C. Snider Entrepreneurial Center at the Wharton School. The authors would like to express their appreciation to J. Douglas Carroll and Abba M. Kreiger for comments on an earlier version of the paper.     

量化子空间分布隐马尔可夫模型的间接训练

研究了量化子空间分布隐马尔可夫模型(quantized subspace distribution hidden markov model，QSDHMM)间接训练所涉及的三个关键的问题：连续分布隐马尔可夫模型(continuous distribution hidden markov model，CDHMM)的训练、特征子空间的划分和子空间高斯分布的量化方案。提出了相关特征子空间的定义及实现算法。在仿真实验中，采用基于分类学的：Bhattacharyya距离测度的K均值高斯聚类算法对子空间高斯分布进行量化，用最相关子空间的概念划分特征子空间，并将这两者结合使用，提高了系统的识别精度和速度。     

一种基于旋转最小-最大超盒的聚类算法

针对传统聚类算法无法解决复杂分布数据聚类的问题，本文提出了一种基于旋转最小-最大超盒的聚类算法。该算法首先对数据急归一化处理，然后借助旋转最小-最大超盒对样本空间进行划分，从而生成一系列的初始分类，最后利用类别间的可融合度概念将初始类别融合为最终的聚类。仿真结果表明，该算法在无需聚类数目的前提下，对复杂分布数据具有很好的聚类效果，其聚类性能与传统的FCA相比有极大的提高。     

我国全要素生产力的模糊软分类

我国的每个省、直辖市由于受各种不同因素的影响，因而经济发展不一样。文中采用软计算方法中的模糊等价关系、F-统计量和软分类规则对我国31个省、直辖市的经济进行分类，分类结果为三类。     

模糊神经网络分类器在企业建模知识管理中的应用

为了对企业建模活动进行知识管理，开发了基于Web的企业 模型知识库系统，并按照CIM-OSA的思想将参考模型库划分为通用、部分通用和专用三个层次。如何在这三个 层次之间建立合理的分类检索体系成为企业建模知识管理的一个核心问题。文章引入模糊神经网络分类器解决企业参考模型库的模型分类问题，通过一个应用实例进行算法验证，并与基于模糊数据挖掘的分类方法进行比较分析。实验数据表明，模糊神经网络分类器具有很好的性能。     

灰色聚类分析在色谱柱分离效果评估中的应用

用灰色聚类的方法对不定量的概念、末综合考虑的评价因素 ,给出量化的、综合的评估结果 ,从而对色谱柱分离效果从量的角度进行了分析 .     

应用自组织映射对中国地区产业结构的聚类分析

为了研究地区产业结构的空间分布规律,采用自组织映射的聚类方法,对2003年中国省级地区的产业结构进行了聚类分析.结果表明,自组织映射的方法能够将地区产业结构在输出层聚成5个区域.通过对聚类结果进一步的分析得到,在目前的经济水平下,工业化水平是中国地区产业结构差异性的主要因素.     

基于聚类分析的油气成因类型判别

油气成因类型的确定是油气成藏研究的重要基础，常规的定性描述与经验公式存在一定的局限。聚类分析从数学模型入手，通过相似统计量来衡量地质样品或分析指标间的相关性。通过介绍了树状聚类、逐步聚类和双向聚类的原理和方法，并分别应用于油气成因类型研究中，结果表明聚类分析适合多要求下的成因判别，克服了常规方法的局限，判别结果清楚、正确。     

用模糊聚类分析法评价服装加工性能

运用模糊数学中的聚类分析方法，综合评价面料的服装加工性能，使这一完全凭主观经验的过程得以量化，从而能综合考虑面料在缝制加工过程中的各个影响因素。为面料的选择和分类提供了依据。     

一种新的层次谱聚类算法

提出一种新的聚类算法——层次谱聚类算法.该算法在传统二分的SM谱聚类的过程中嵌入了层次聚类算法,目的是为了提高谱聚类的聚类正确率,同时又利用谱聚类纠正了层次聚类过程中所得到的歪斜划分.实验结果表明:提出的层次谱聚类算法的聚类正确率比层次聚类算法、谱聚类算法的聚类正确率都要高,同时又纠正了层次聚类过程中的歪斜划分.