基于R软件因子分析与聚类分析法的学生成绩评价

用因子分析与聚类分析对学生各门课程的成绩进行分析,客观、有效地评价学生各学科的优势与劣势,发现学生各方面能力的差异,为寻找更好的教学方式、教学研究、教学管理及学生就业指导提供科学的参考依据.     

氧化物分类的聚类分析法研究

提出一个用聚类分析对氧化物酸碱分类的ＢＡＳＩＣ程序，能够客观地划定氧化物酸碱性强弱，聚类分析结果与实际酸碱性强弱相符。     

基于因子分析法的高职学生成绩评价

主要探讨了因子分析法在学生成绩评价方面的应用。首先通过建立数学模型,并借助sPss软件对学生各科成绩进行分析;其次,根据分析结果寻找学生成绩背后的隐藏变量,以便客观地分析学生各方面能力的差异,从而促进教师有针对性地开展教学活动,寻找最佳的教学方式。     

基于模糊C均值聚类方法的长江流域主要城市水质分析

模糊C均值聚类是一种广泛应用的模糊聚类方法,本文利用该方法,对长江流域主要城市水质的检测数据进行聚类,并对三项污染指标的聚类结果进行合理的分析,得到了有效的结论,为以后更详细的水质数据分析奠定了基础。     

基于粗糙集和模糊聚类的用户评价分析

本文基于粗糙集理论和模糊聚类的方法对图书馆的用户评价数据进行了分析,旨在寻找用户评价指标之间的关联规则,确定用户评价的关键性指标。     

基于网格密度的带有层次因子的聚类算法

基于网格和密度的聚类算法是一类很重要的聚类算法,但由于采用单调性搜索的方法,使得聚类结果并不十分理想,因此文中在GDD算法的基础上,提出了一种基于网格和密度的带有层次因子与距离因子的GDLD算法.GDLD算法将数据空间按要求划分成网格结构并计算网格密度,构建新的跃迁函数以达到形成有效聚类的目的.实验证明,该算法不仅能够发现任意形状的簇,而且使效率得到了很大的提高.同时层次因子既体现了簇的密度水平,也反映了簇密度的变化过程并使得算法参数更容易确定.     

基于优化聚类算法的安全审计模型

论文针对网络未知入侵类型检测问题,提出了基于优化聚类算法的安全审计模型。由于攻击类型未知,无法设定聚类数目,这是影响聚类算法在日志分析中应用的主要问题。论文针对这种问题提出了优化的聚类算法,该算法由聚合阶段和优化阶段两部分组成,能自动实现初始聚类集合建立和组合优化,并通过简单的人工干预可准确地标识入侵行为。该算法处理未知入侵检测问题是可行,具有良好的可扩展性,大大降低了算法对控制参数的依赖性,提高了该方法的实用性。     

基于均值聚类的员工行为分析方法

针对大量异构数据下企业员工潜在行为规律挖掘问题,提出一种基于均值聚类的行为分析方法。以某科研院所员工行为数据为基础,建立行为分析模型,对企业员工门禁刷卡数据和专业日常办公软件数据进行行为特征提取和选择,采用K-Means聚类分析方式分析行为特征。最终从工作态度上,大致可以将员工分为勤奋型、散漫性和普通型;从岗位特征上,大致可以将员工分为普通类、专业类和管理类。并且通过对聚类结果分析,挖掘出员工一些隐藏的行为特征规律。通过对现场相关人员调研,并结合员工真实工作性质、岗位特点,验证了在此场景下应用员工行为所产生的数据,结合聚类算法,在企业员工行为分析方面可以取得较理想的效果。     

柴达木盆地盐湖水化学特征的对应聚类分析法

目的:研究柴达木盆地盐湖的水化学特征.方法:对应聚类分析法直接处理柴达木盆地盐湖化学组成分析数据,以深入研究这些盐湖水样本的化学特征与化学组成和样品来源的关系.结果:将样品点和盐湖化学组成变量反映到同一聚类轴的图形上,可实现分类,能够揭示出样品来源与变量之间的内在联系.结论:柴达木盆地盐湖的水化学特征属于硫酸镁亚型和氯化物型.     

基于R型聚类-因子分析的指标体系简化方法

评价指标体系过于复杂,容易产生冗余信息,增加计算与分析的难度.本文针对评价指标体系的简化方法展开研究,提出了基于R型聚类-因子分析的代表元提取方法.该方法具有定量控制代表元的信息丢失率、代表元实际含义易于解释等优点,同时避免了因子分析难以处理独立指标的问题.实验结果表明本文所提出的R型聚类–因子分析指标体系简化方法可以在没有先验知识可用的情况下,有效提高指标体系的简明性与有效性,同时保持指标信息的完备性.     

聚类分析和孤立点技术在网络安全态势中的应用

本文介绍了网络安全态势感知、聚类分析算法和孤立点算法,基于网络安全事件中大部分为异常事件的原理,把聚类分析和孤立点技术引入网络安全态势评估,提出了一种利用聚类数据集合和孤立点数据集合计算服务层威胁值的方法,为网络安全态势提供一个可以参考和决策的重要参数。     

基于谱聚类的聚类集成算法

谱聚类是近年来出现的一类性能优越的聚类算法,能对任意形状的数据进行聚类, 但算法对尺度参数比较敏感,利用聚类集成良好的鲁棒性和泛化能力,本文提出了基于谱聚类的聚类集成算法.该算法首先利用谱聚类算法的内在特性构造多样性的聚类成员; 然后,采用连接三元组算法计算相似度矩阵,扩充了数据点之间的相似性信息;最后,对相似度矩阵使用谱聚类算法得到最终的集成结果. 为了使算法能扩展到大规模应用,利用Nystrm采样算法只计算随机采样数据点之间以及随机采样数据点与剩余数据点之间的相似度矩阵,从而有效降低了算法的计算复杂度. 本文算法既利用了谱聚类算法的优越性能,同时又避免了精确选择尺度参数的问题.实验结果表明:较之其他常见的聚类集成算法,本文算法更优越、更有效,能较好地解决数据聚类、图像分割等问题.     

基于因子分析和模糊数学方法的综合评估

提出采用因子分析法和Borda模糊数学法结合的方式建立电子政务综合评估模型。通过前者消除指标间相关性的影响,减少评估指标数量,通过后者建立最终的评估模型,弥补前者评价结果容易受单个评价因子影响的不足。通过实际案例,采用贴近度法进行了统计验证。结果表明,采用上述方法建立的综合评价模型进行评估,其结果更能反映客观情况。     

基于因子分析法的图标设计评价方法

现有的图标设计评价方法大多基于审美评价或可用性而展开,缺少对图标间的关 系及设计因素的研究。为此,提出了一种基于因子分析法的界面图标设计评价方法,通过选取 图标设计中的6 个设计元变量,对其展开意象评价统计并建立均值矩阵,使用因子分析法对其 进行计算分析及评价。最终将图标设计的影响因子提取为图标外形和图标内部两个主要因子, 从而方便研究人员评价系列图标设计中各图标之间的关系和各构成要素的相互作用。该方法具 有可靠性,评价结果与现有系列图标设计的视觉表现及其市场表现相符,并得出图标外形因子 对于图标设计效果的影响作用大于图标内部因子这一主要观点。     

面向态势感知的自组织迭代目标聚类算法研究

目标聚类是态势感知需要实现的重要功能之一,文章针对态势感知中目标的分布规律及运动特点,探讨了模式识别中常用聚类算法的优缺点。考虑到传统聚类算法需要用户事先输入先验知识,且无法较好地处理非球状簇分布的目标群,文章提出了一种基于自组织迭代的目标聚类改进算法,该算法避免了对先验知识的依赖和对目标分布的要求。通过仿真实验分析,验证了该算法的有效性和工程实用性,为态势感知目标聚类问题提供了一样新的思路。     

基于灰色关联分析的网络可生存性态势评估研究

通过分析各关键服务性能指标值评估前后的变化，提出了一种基于灰色关联分析的网络可生存性态势的定量评估方法,由规范化的区间数性能指标决策矩阵入手，应用灰色关联分析评估出各关键服务的最优从属度与可生存性概率，然后基于网络“熵差”评估出各关键服务的生存性态势变化，最后得到整个网络系统可生存性态势的综合评估．经过实例测试与仿真，表明该方法能够比较合理地评估出实际的网络可生存性态势．     

基于因子-聚类分析复合模型的维修保障能力评估方法

维修保障能力中涉及衡量的指标值较多,如何对大量的指标值进行精简,是当前评估保障能力研究的热点。本文使用因子分析先将指标综合,考虑其相关性,提取公共因子,然后根据公因子代表的维修指标重新评估维修保障能力。     

一种基于族相合性的文本增量聚类箅法

传统文本聚类方法只适合处理静态样本,且时间复杂度较高。针对该问题,提出一种基于簇相合性的文本增量聚类算法。采用基于词项语义相似度的文本表示模型,利用词项之间的语义信息,通过计算新增文本与已有簇之间的相合性实现对文本的增量聚类。增量处理完部分文本后,对其中错分可能性较大的文本重新指派类别,以进一步提高聚类性能。该算法可在对象数据不断增长或更新的情况下,避免大量重复计算,提高聚类性能。在20 Newsgroups数据集上进行实验,结果表明,与k-means算法和SHC算法相比,该算法可减少聚类时间,提高聚类性能。