使用遗传算法实现K-means聚类算法的K值选择

针对无导师聚类K-均值算法中K值的选取问题, 提出了使用遗传算法(缩写为GA)优化K值参数的方法.通过对UCI机器学习数据库中7类数据的实验,表明本方法是比较有效的.     

基于中文文本分类的分词方法研究

文本分类有助于用户有选择地阅读和处理海量文本,因此其预备工作分词系统的研究是很有意义的。该文主要提出了一种基于中文文本分类的分词方法,区别于常用的基于字符串匹配等方法,并利用数据库特有的查询技术设计和实现了该分词系统,旨在通过新的分词方法提供更加准确的分词率,同时提高系统实现效率。     

优势关系下基于浓缩布尔矩阵的属性约简方法

在优势关系粗糙集方法(DRSA)的框架下,针对不协调的目标信息系统求属性约简。基于优势矩阵的方法是最常用的一类约简方法,但矩阵中不是所有的元素都有效。浓缩优势矩阵只保留对求约简有用的最小属性集,因而可以明显降低约简过程中的计算量。进一步地,浓缩布尔矩阵通过布尔代数的形式有效地弥补了优势矩阵生成效率低的缺点。文中将等价关系上的浓缩布尔矩阵属性约简方法扩展到优势关系上,针对优势矩阵提出了浓缩布尔矩阵的概念,建立了相应的高效约简方法,使效率得到明显提高。最后采用9组UCI数据进行实验,结果验证了所提方法的有效性。     

潞安高炉喷吹煤经济效益分析

潞安贫煤、贫瘦煤经过洗选加工后,可生产出具有"三高(高热值、高热稳定性、高灰熔融性)、二低(低灰分、低挥发分)、三特低(特低硫、特低磷、特低氯)"特征的高炉喷吹用煤,潞安集团开发了具有自主知识产权的贫煤、贫瘦煤高炉喷吹技术;采用潞安高炉喷吹煤,可降低焦炭消耗、减少环境污染,具有较大的经济效益和社会效益。     

浅析引起煤炭亏吨商务纠纷的几种原因

针对用户反映的煤炭亏吨问题,潞安煤质中心组织相关人员深入用户现场进行调研,对引起煤质纠纷的动态衡使用、车皮标重与实重、采样方法等原因进行了剖析,为有效解决煤质纠纷提供了决策依据。     

基于遗传算法学习聚类算法的中心个数

无导师聚类算法的目标是将一个数据集划分为若干个类,使得类内相似性尽可能大且类间相似性尽可能小。聚类过程中对数据集合分割成多少个类是一个很难确定的问题,目前还没有较好的解决方法。文章使用遗传算法对无导师聚类K-均值(K-means)算法中中心个数K值进行学习,实现了使用遗传算法进行聚类中心个数的确定,旨在提供一种选择中心参数个数的方法。通过对UCI机器学习数据库中的7个数据库进行实验,证实此方法是比较有效的。     

Lazy和Eager分类算法的比较研究

数据挖掘的两个高层目标是预测和描述,这个过程中分类算法的应用是非常广泛的。分类算法在机器学习领域中可以分为Lazy和Eager两种类型,分别具有不同的算法特点。文章基于实验对这两种类型的分类算法进行了分析,概括出适宜两种类型的环境条件,旨在提出实际应用中进行算法选择的经验性结论。     

不同干馏温度下高炉喷吹煤粉的反应性比较

采用热重法对几家钢厂煤粉在不同干馏温度下二氧化碳(CO2)气化反应性进行研究。实验结果表明:喷吹煤粉的碳转化率在相同反应温度下随干馏温度的升高而减小,最大气化反应速率随干馏温度的升高逐渐增大。动力学计算表明各钢厂喷吹煤粉的气化反应级数为2/3,活化能以及指前因子随干馏温度的升高而增大。     

添加剂对煤粉燃烧过程活化能变化规律的影响

采用热重法研究不同添加剂对煤粉燃烧性能的影响,通过积分法计算加入添加剂煤样的燃烧反应活化能,考察DTA曲线中燃烧放热峰的变化规律。结果表明,向煤中加入2%的MnO2,CaO和CeO2,燃烧放热温度由535 ℃降至480~490 ℃,活化能由98 kJ/mol降至70~80 kJ/mol;而加入等量的K2CO3,燃烧放热温度降至460~470 ℃,活化能降至50~60 kJ/mol。燃烧反应活化能E与燃烧放热峰对应温度T的变化趋势相一致,两者遵循玻尔兹曼方程E=106.22-323.37/\[1+exp(T/35.45-11.42)]。     

使用遗传算法实现K—means聚类算法的K值选择

针对无导师聚类K－均值算法中K值的选取问题，提出了使用遗传算法（缩写为GA）优化K值参数的方法。通过对UCI机器学习数据库中7类数据的实验，表明本方法是比较有效的。