群决策方法在评教数据挖掘分析中的应用

利用群决策方法中的奇异值分解法和聚类分析,对青年教师的评教数据,利用Mathb和SAS软件,实现数据的降秩,然后分别对评为与参赛教师进行聚类分析,不仅对参评教师给出科学合理的分类.而且对评委库的建设有重要的参考价值.     

基于聚类的商业营销数据分析及应用

系统聚类法是聚类分析中应用最广泛的一种方法,凡是具有系统聚类分析数值特征的变量和样品都可以采用系统聚类法,选择不同的距离和聚类方法可获得满意的数值分类效果。该文将应用系统聚类法通过客户数据对银行营销进行分析,分类的目的是银行的客户群进行分类。     

聚类分析在非监督图像分类中的应用研究

为了提高聚类分析在非监督计算机图像分类中的应用效果,将设计并实现的基于密度和自适应密度可达聚类分析算法应用于图像分类.通过与K-means和层次聚类对图像分类效果的实验对比,证明了基于密度和自适应密度可达聚类分析算法在非监督计算机图像分类中具有良好的应用效果.     

模糊聚类分析在古陶瓷研究中的应用

聚类分析应用广泛,核心问题是用数学定量的确定样品的亲疏关系,从而客观的分型划类.为了得到古陶瓷来源和分类,根据模糊数学的理论,运用VC程序开发工具,对数据进行标准化、建立模糊相似矩阵、聚类处理,针对得到了不同的结果,对比各种聚类分析的实验数据,找到了最佳阅值和分类结果.     

模糊聚类分析方法在DNA序列分类中的应用

该文采用模糊聚类分析的方法对DNA序列进行分类.首先从DNA序列中单个碱基分布的“密度”角度出发,提取出DNA序列的特征,然后用模糊聚类分析中常用的方法对DNA序列进行分类.该文运用自行研制开发的集成11种模糊聚类分析算法的模糊聚类分析运算工具,首先对已知的1-20个DNA序列进行模糊聚类分析,根据分类结果的精度,找出了较优的6种聚类分析算法,然后用余下的21-40个DNA序列进行分类;最后,本文一次对所有的1-40个DNA序列进行归类,并综合了所有的分类结果,将难以归类的DNA序列进行了归类.分析结果表明,模糊聚类分析算法具有分类简单且分类结果精度较高的优点.     

模糊聚类在种群遗传分化分析中的应用

聚类分析是数据挖掘技术中的一种重要的分类方法,有着广泛的实际应用。现实的分类问题往往伴有模糊性,对具有相似关系的元素进行分类,需要将相似矩阵改造为等价矩阵。而要将相似矩阵改造为等价矩阵,只需要求相似矩阵的传递闭包。文章将模糊聚类分析传递闭包方法应用于生物种群遗传分化的研究,进行了实例分析,给出了模糊聚类分析传递闭包方法的实现过程和聚类分析结果。     

混合多指标聚类分析在教师考核中的应用

针对目前一些高校对教师考评中使用方法的不足,提出一种基于混合多指标聚类分析方法,使用该方法能得出较客观公平、公正的分类结果。最后给出具体的高校教师考评实例,验证了该方法的准确性和科学性。     

数据挖掘中聚类分析的技术方法

数据挖掘是信息产业界近年来非常热门的研究方向,聚类分析是数据挖掘中的核心技术。对各种聚类算法进行了分类,对代表算法作了详细的分析,并对这些算法从多个方面进行了比较,从而为研究和在不同领域使用这些算法提供了参考。同时还阐述了聚类分析在数据挖掘中的应用。     

基于几何概率的聚类分析方法及其在遥感影像分类中的应用

针对现有非监督分类方法不能自动确定最佳分类数、对包含噪声的大数据集适应性差的问题,提出了一种基于几何概率的聚类分析方法,即按照先分大类、后分小类、逐层细分的顺序来确定分类方案,其同一分类层次上不同子类进一步细分的步骤相同,但执行过程彼此相互独立。在每一分类层次上,以几何概率为理论基础,根据样本在特征空间中的分布结构确定类的数目、提取类的中心位置、搜索类的边界。通过TM遥感影像的分类实例及其与ERDAS中的监督、非监督分类方法进行对比的结果表明,基于几何概率的聚类分析方法能明显提高分类精度。     

基于两步聚类分析方法的ARP系统用户分析

随着信息技术的高速发展,聚类分析方法在客户分类中得到越来越多的应用。本文借助SPSS Clementine 12.0软件,使用两步聚类分析方法对中国科学院资源规划项目（Academia Resource Planning,ARP）系统用户进行聚类分析。总结各类用户的特点,剖析聚类结果的原因,并针对不同类型用户存在问题提出了具体的解决建议。旨在更好地进行用户管理、客户关系的建立,进而为提升系统使用效果和服务水平提供参考依据。     

基于模糊聚类的汽车车内空气质量评价

在模糊聚类分析的基础上,提出一种适用于多项空气污染物的汽车车内空气质量评价的分类与评价方法。选取8种不同的汽车,测试其车内空气质量相关数据作为统计指标,利用最大最小法建立相似矩阵,用闭包法做出聚类分析,并分析聚类结果。结果表明:该方法对评价汽车车内空气质量具有实用性和普适性。     

网格聚类算法

聚类分析有广泛的应用,是数据挖掘中非常重要的方法。聚类分析算法有多种分类,每种方法在不同领域发挥了不同的作用。以研究网格聚类算法为目的,介绍了聚类分析算法的要求以及常见的聚类算法;针对基于网格方法的聚类算法进行专门研究,比较分析了传统的和改进的基于网格方法的聚类算法。介绍的各种网格聚类算法都有自身的优点和不足。通过对这些网格聚类算法的学习便于深入研究网格聚类算法,以便将其与实际问题相结合,设计更好的算法。     

面向照片-图形图像的二分类方法

随着科技的发展,图像应用技术日趋重要,许多图像应用技术对照片图像和图形图像的要求和效果是不同的.针对照片图像和图形图像分类的问题,本文提出了一种新的基于二分法的图像分类方法,这种方法混合了颜色、边缘和纹理三种图像特征,通过对图像特征值的K-means聚类分析,实现了照片图像和图形图像的分类.经实验验证,该方法在照片图像和图形图像的分类上取得较好的结果.     

模糊聚类技术在高职毕业生综合素质分析中的应用

利用数据挖掘中的模糊聚类分析方法,从高职毕业生综合素质分析数据集中提取学生的分类知识,得到具有不同综合素质特征的毕业生群组,有利于高职院校针对各群组作深入分析并制定更为有效的教学和管理决策.     

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。     

数值分类在关中地区土壤分类中的应用

选取关中地区12个土壤剖面的15个理化指标,应用主成分分析方法和聚类分析方法对土壤进行了数值分类。研究结果表明,前4个主成分的累计贡献率达到86.41%,取阈值T=4.0,供试12个剖面划分为3类,不同类群之间土壤特性差异明显,类群内部土壤特性相似。数值分类结果与系统分类结果比较,虽然个别土壤的类别出现较大差异,但分类结果基本一致,说明数值分类应用于关中地区土壤分类是切实可行的。     

数据挖掘中的聚类算法分析

随着计算机网络的飞速发展,各行各业每天都产生大量数据。为了大量数据中提取有效信息,衍生了数据挖掘技术。聚类分析是数据挖掘领域的一项重要工具,广泛应用于不同领域,比如模式识别、医药、统计学等。现实生活中的数据有数值型数据、分类型数据和混合型数据。基于此,针对这三种数据分别介绍k-means、k-modes和k-prototype算法,以提高聚类分析效率。     

基于模糊集的银行个人客户聚类技术

运用模糊集技术处理商业银行中的非精确数据,对个人客户进行聚类分析,并通过实例分析了实现银行客户分类的整个过程。详细讨论了数据的模糊化处理、模糊相似算法等一些关键技术。由于银行客户数据库中存在大量模糊和噪声数据,应用模糊集技术进行聚类分析,可以提高客户分类的效率和精确度。     

基于聚类分析的用电模式判别研究

本文通过比较不同聚类算法在不同数量级下的分类效果,优选适应于负荷数据的算法,在此基础上对大用户用电行为进行分析,通过聚类分析,将用户用电行为模式分为不同的类别,最后,针对可调控大用户制定不同的调控方案。     

网上聚类分析的可视化设计与开发

利用Microsoft Visual J++6.0作为实验开发平台,采用Java语言及Applet嵌入网页技术,实现了互联网环境下的聚类分析可视化。所设计的可视化窗口上,能够通过范例演示聚类分析全过程,并可通过选择快速聚类法、最短距离法、最长距离法对录入数据进行聚类分析,具有数据的录入、修改、输出分类结果及显示分类谱系图等功能。