模糊聚类分析程序

模糊聚类分析是从模糊关系矩阵出发，而关系矩阵是根据主观评定的隶属函数构成的。本程序要解决的问题是对实际中收集到的数据进行预处理，以便构造模糊关系矩阵，然后使用“最大树”方法对矩阵进行分析，按人为输入不同的截集值，对模糊集合进行分类，最后输出分类结果。模糊聚类分析在实际中应用很广泛，目前已在选矿、气象、地震、林业、环境科学等方面取得成效。三计算原理设有N个分类对象，K个参考因素，构成如下矩阵：1．计算每个参考因素的平均值2．计算标准差3．计算标准化值4计算标准值上述得到的值不一定在[0，1]闭区间内，为此…     

化学元素的模糊聚类分析

选用化学元素的密度、半径、燃烧焓、熔点、沸点、电负性及导热系数７个理化参数，运用系统模糊聚类分析方法，对化学元素周期表中的５０个元素进行了分类。分类结果大多与传统周期表匹配，但也表现出按外层电子结构排布规律所不能解释的现象，如锰为独立一组：Ｂｅ、Ｓｉ、ＡＩ为一组，Ｓi具有较明显的金属性等。     

数据挖掘中的模糊聚类分析

该文提出了一种用于数据挖掘的基于模糊集的聚类分析方法,论述了该方法的聚类过程,并给出了聚类分析的实例和程序模块流程。     

模糊聚类分析及其在数据挖掘中的应用

分析了常用的数据挖掘方法，在数据挖掘中引入了模糊聚类分析的方法，分析了该方法在数据挖掘中的优势，并以例证说明这一方法的实际应用。     

模糊聚类分析在数据挖掘中的应用研究

数据挖掘是从大量数据中用平凡的方法发现有用的知识。聚类分析是数据挖掘的一个重要研究领域,它是按照一定的要求和规律将事物进行分类的一种数学方法。随着模糊数学的兴起,用精确的数学的方法研究模糊问题,人们逐渐将精确和模糊统一起来。论文将模糊数学的模糊理论应用于数据挖掘的聚类分析中,讨论了如何利用样本之间的模糊关系分析样本之间的关联程度,给出了模糊聚类分析在数据挖掘中的应用的主要步骤,以及相应的实例分析和程序设计。     

城市物流中心节点多目标识别模型及仿真

城市最后一公里物流已经成为了城市物流系统的重要组成部分,最后一公里物流节点的选取,可以进一步的提高最后一公里物流的配送效率,提升企业的配送形象,同时还可以降低企业的运营成本城市的拥堵现象等,本文从多种参与者角度出发,以物流配送覆盖度,均衡度,城市拥堵情况等多个指标及目标构建了基于聚类的城市物流一级节点识别模型,并使用贪婪算法对一级节点周边的二级节点进行识别,形成节点网络。使用南京仙林区物流需求情况及周边交通情况进行实证仿真,给出相应的一级节点及二级节点。本模型重点研究城市最后一公里物流体系的建立,丰富了物流节点构造的相关研究。     

基于模糊稀疏度的聚类分析

本文简要评价了模糊聚类分析中常用的两种方法：λ截集聚类法和模糊ＩＳＯＤ－ＡＴＡ聚类法，指出了它们在应用方面的一些局限性，据此提出了一种基于模糊稀疏度的聚类技术－ＳＢＣＴ法。其中，改进了贴近度的概念，提出了用于衡量模糊幂集中模糊子集分布状况的稀疏度概念。     

基于模糊聚类分析的模糊神经网络结构的优化

该文讨论了模糊聚类分析在模糊神经网络结构的确定中的应用。通过将模糊C－均值算法、有效性函数和模糊指数相结合,给出了模糊神经网络结构确定的方法,并且给出了应用该算法具体的模糊神经网络模型。     

模糊聚类分析方法在小气候区划中的应用

本文对某山区小气候,采用了基于模糊等价关系的模糊聚类分析方法,并应用计算机技术,对小气候区划进行了探讨。     

基于模糊商空间的聚类分析方法

在商空间理论基础上,提出了基于Fuzzy相似关系和归一化距离的聚类分析方法,用以解决复杂系统的数据结构分析问题.得到了如下结论:(1)通过引入基于Fuzzy相似关系和归一化距离的分层递阶结构,建立了严格的聚类分析理论描述;(2)给出了有效的分层递阶结构聚类的快速算法;(3)给出了两个Fuzzy相似关系或由两个归一化距离诱导的Fuzzy相似关系是同构的充分条件.其中所研究的理论和方法适应于建立在相似关系之上的任何复杂系统的数据结构分析.     

模糊聚类分析在网络资源分析中的应用

目前网络已是信息获取的主要来源,有效利用网络资源是网络技术的重要目标,为此,有必要对网络资源进行分类研究。文章将基于模糊数学的模糊聚类分析法应用于网络资源分析,使网络资源得到合理分类。     

模糊ISODATA聚类分析算法的实现及其应用研究

文章详细介绍了模糊ISODATA聚类分析的步骤和计算机算法,指出了其相对于等价矩阵聚类分析方法的优势,并结合典型的工程应用背景给出了分类结果。     

一种基于模糊聚类分析的疾病电脑预测诊断方法

介绍了一种基于模糊聚类分析的医学疾病预测诊断模型的设计思想与方法 ,并将其应用于临床疾病诊断 ,符合率达 91 .7% ,取得了较为理想的效果 ,从而为解决类似的医学问题提供了一种新的方法     

基于异构Flink集群的节点优先级调度策略

Flink流处理系统默认的任务调度策略在一定程度上忽略了集群异构和节点可用资源,导致集群整体负载不均衡。研究分布式节点的实时性能和集群作业环境,根据实际作业环境的异构分布情况,设计结合异构Flink集群的节点优先级调整方法,以基于Ganglia可扩展分布式集群资源监控系统的集群信息为依据,动态调整适应当前作业环境的节点优先级指数。基于此提出Flink节点动态自适应调度策略,通过实时监测节点的异构状况,并在任务执行过程中根据实时作业环境更新节点优先级指数,为系统任务找到最佳的执行节点完成任务分配。实验结果表明,相比于Flink默认的任务调度策略,基于节点优先级调整方法的自适应调度策略在WorldCount基准测试中的运行时间约平均减少6%,可使异构Flink集群在保持集群低延迟的同时,节点资源利用率和任务执行效率更高。     

基于模糊聚类分析的自适应图像空间域水印技术

结合人眼的视觉感知特性与图像的局部相关特性，提出了一种基于模糊聚类分析的自适应图像空间域水印嵌入算法．该算法首先根据人眼视觉系统(HVS)的感知特性，结合模糊c-均值(FCM)聚类分析，自适应确定出数字水印嵌入位置；然后利用图像自身的局部相关性，通过修改像素值，将二值水印图像降维置乱后自适应嵌入到宿主图像内，并且具有水印嵌入深度智能调节特性．该算法在提取水印信息时，不需要原始载体图像．实验结果表明：该自适应空间域图像水印嵌入技术不仅具有较好的透明性，而且对诸如叠加噪声、JPEG压缩、平滑滤波、几何剪切、图像增强、马赛克效果等攻击均具有较好的鲁棒性．     

基于聚类分析和运动描述语言的扑翼飞行机器人行为规划

为了解决扑翼飞行机器人实时控制过程中操作者工作量大、操作较为复杂的难题,实现扑翼飞行机器人的分布式智能控制,提出了基于聚类分析和运动描述语言的扑翼飞行机器人行为规划方法.利用扑翼飞行机器人飞行数据聚类分析的结果,将机器人运动行为进行合理分类.在保证了运动描述语言的基元关系的同时,合理提取了扑翼飞行机器人的行为特征,并针对扑翼飞行机器人绕杆任务定义了4类运动基元.以扑翼飞行机器人和机载陀螺仪搭建了扑翼飞行机器人实验系统.通过直接控制方法和基于运动描述语言的机器人行为规划方法进行了实物实验和仿真实验,实验结果验证了所提方法的可行性和有效性.     

基于模糊聚类的神经网络集成

针对差异性是集成学习的一个重要条件,研究基于模糊聚类技术提高神经网络集成差异性的方法。提取大量弱分类器的权值和阈值并作为模糊聚类的数据对象,然后将聚类结果作为集成网络中个体网络的权值和阈值,最后在标准数据集上进行仿真实验,证实方法的有效性。     

模糊聚类辨识算法

采用模糊输入聚类算法来辨识系统的模型,通过两个模糊聚类准则函数求得聚类中心和模糊规则数,然后求出各个子窨支态模型,再用隶属函数光滑地把他们连接成一个全局动态模糊模型,这种模型可以转化成状态空间模型,从而进行控制器的设计和稳定性分析。     

基于Lonworks技术的模糊控制智能节点的设计

随着工业控制对象的日趋复杂，传统的PID控制已无法满足要求。文中介绍了一种基于Lonworks现场总线的模糊控制系统，给出了系统的三层结构。并以化工生产过程中的温度控制器为实例，介绍了模糊控制智能节点的设计方法。控制效果与传统的PID控制相比有明显的改善。