面向维吾尔语文本的改进后缀树聚类

针对后缀树聚类选取基类时,基类短语出现信息不规范、重复和冗余的问题,提出了一种改进后缀树聚类算法。该算法首先以短语互信息算法改进基类的选取,选出遵守维吾尔语语法规则的基类短语;然后,利用短语归并算法对选取的重复基类短语进行归并;最后,在前两步的工作基础上,利用短语去冗余算法处理冗余的基类短语。实验证明,与传统后缀树聚类(STC）相比,改进后缀树聚算法的全面率、准确率都得到了提高。这表明,改进算法有效地改善了聚类效果。     

多层次快速聚类的遥感图象无损压缩

由于K—means聚类要求每个像素要和所有聚类中心求欧氏距离，因此当聚类数很多时，这是一个相当耗时的工作。改进后的K—means聚类算法使类内像素只通过和相邻的聚类中心进行距离计算来聚类，由于随着算法的迭代进行，大量类的状态基本固定，因此使得聚类速度不断加快。多层次聚类无损压缩就是利用改进的K—means聚类算法具有快速收敛的特点，和利用分层次去冗余的方法来聚类，因此可最大限度消除残差冗余。基于SP整数小波变换的多层次聚类由于其不仅能消除空间冗余、结构冗余，还能进一步对残差数据去冗余，因而实现了多光谱遥感图象无损压缩的突破。最后通过不同算法对TM图象进行压缩的比较和参数分析，论证了多层次聚类无损压缩的高效及合理性。     

基于特征选择的数据流聚类

在数据流聚类时,冗余特征会影响数据的聚类质量,移除冗余特征以提高聚类质量就显得尤为重要.为解决此问题,提出一种基于特征选择的数据流聚类算法(DSCFC).该算法应用了特征排序、特征等级评定、探测冗余不重要的特征、移除冗余特征算法等.实验结果表明,DSCFC算法能探测出数据流中隐含的冗余特征并移除冗余特征,在对有冗余特征的数据流聚类时,比CluSteam算法更有效,聚类质量更好.     

关联规则的冗余删除与聚类

关联规则挖掘常常会产生大量的规则，这使得用户分析和利用这些规则变得十分困难，尤其是数据库中属性高度相关时，问题更为突出．为了帮助用户做探索式分析，可以采用各种技术来有效地减少规则数量，如约束性关联规则挖掘、对规则进行聚类或泛化等技术．本文提出一种关联规则冗余删除算法ADRR和一种关联规则聚类算法ACAR．根据集合具有的性质，证明在挖掘到的关联规则中存在大量可以删除的冗余规则，从而提出了算法ADRR；算法ACAR采用一种新的用项目间的相关性来定义规则间距离的方法，结合DBSCAN算法的思想对关联规则进行聚类．最后将本文提出的算法加以实现，实验结果表明该算法暑有数可行的．且具较高的效率。     

基于聚类分解的WCDMA基站布局规划算法

针对大规模WCDMA无线网络基站布局规划问题，提出一种基于聚类分解的分层算法．在聚类分解中，以测试点信号增益矩阵构造聚类分解数据，并给出了收敛判定函数和相似度计算方法．在分层算法中，首先用K均值聚类将原问题分解为K个子规划问题，然后对各子问题求解整数规划问题，最后对各子问题的基站布局结果进行全局调整．仿真计算验证了该算法的有效性．     

模糊聚类中判别聚类有效性的新指标

本文提出了一个在模糊聚类中判别聚类有效性的新指标。该指标可有效地对类问有交叠或有多孤立点的情况做出准确的判定。文中基于模糊C-均值聚类算法(FCM)，应用多组的测试数据对其进行了性能分析，并与当前较广泛使用且较具代表性的某些相关指标进行了深入的比较。实验结果表明，该指标函数的判定性能是优越的，它可以自动地确定聚类的最佳个数。     

基于栅格数据的空间聚类

空间聚类是GIS空间分析的主要内容之一,传统矢量空间聚类算法存在数据冗余、结果不直观等弊端,介绍了基于栅格数据的空间聚类,并且针对现下主流的网格和密度方法的聚类算法存在效率和质量问题,提出了与栅格相结合的聚类挖掘算法,以期得到时间效率和聚类质量上的提高。     

一种基于聚类的文本特征选择方法

传统的文本特征选择方法存在一个共性，即通过某种评价函数分别计算单个特征对类别的区分能力，由于没有考虑特征间的关联性，这些方法选择的特征集往往存在着冗余。针对这一问题，提出了一种基于聚类的特征选择方法，先使用聚类的方法对特征间的冗余性进行裁减，然后使用信息增益的方法选取类别区分能力强的特征。实验结果表明，这种基于聚类的特征选择方法使得文本分类的正确性得到了有效的提高。     

基于概率典型性和聚类排斥的无噪声模糊聚类方法

提出了建立在概率典型性和聚类排斥基础上的一个新型无噪声模糊聚类方法RTCM，给出了它的迭代算法过程，并验证了它的收敛性．首先引述了一般的聚类方法，它们主要分为两种：噪声聚类，如模糊c均值（FCM）、可能模糊c均值（FPCM）；无噪声聚类，如NC、PCM等，然后给出了RTCM算法模型和过程，并验证了它的局部收敛性．该算法解决噪声环境下的数据聚类问题，避免了重叠聚类．对比试验表明，该算法改善了噪声环境下FCM，NC、PCM、FPCM的聚类中心质量，有效地解决了PCM在近邻聚类数据中的聚类重叠问题．     

一种融合RST与模糊聚类的故障诊断方法

针对模糊聚类方法中存在冗余信息的问题,提出一种融合粗糙集属性约简和模糊等价关系的故障诊断方法,通过应用粗糙集属性约简算法对冗余数据的处理后再应用模糊等价关系聚类获取聚类结果。该方法与单采用模糊等价关系聚类法相比,不仅能够有效减少模糊等价关系矩阵求解中的迭代次数,而且获得聚类数也得到有效降低,并通过实例验证了该方法的有效性和高效性。     

一类模糊模型的结构优化问题研究

提出了将模糊模型统计信息准则（FSIC）、基于奇异值分解（SVD）的模糊模型结构分析、模糊规则删除与合并、参数估计等方法集成的模糊模型结构迭代优化。研究表明,将SVD引入到模糊模型结构分析、结合FSIC指导模糊规则删除和合并,可从模型结构精简化、模型拟合和泛化性能等方面综合地确定最优模型结构;文中提出了实用可行的基于聚类加权组合和多重模糊聚类的规则合并算法。该迭代优化方法已成功地应用于非线性函数逼近和航空煤油干点估计器的模糊模型构造。仿真结果表明文中提出的方法简单实用,优化的模型结构比文献中给出的模型结构更加精简。     

基于文档合并的XML无线数据广播调度算法

在可扩展标记语言(XML)无线数据广播中,数据以XML文档为基本单位进行广播,然而XML文档间的冗余信息会降低带宽资源的利用率。为解决该问题,提出一种有效的调度算法,分析文档合并对数据广播的性能影响,得出文档间亲密度的衡量标准,并将亲密度高的文档进行合并以减少冗余信息。实验结果证明,该算法可以提高无线数据广播性能,节约带宽资源。     

Possibilistic Merging and Distance-Based Fusion of Propositional Information

The problem of merging multiple sources information is central in many information processing areas such as databases integrating problems, multiple criteria decision making, expert opinion pooling, etc. Recently, several approaches have been proposed to merge propositional bases, or sets of (non-prioritized) goals. These approaches are in general semantically defined. Like in belief revision, they use implicit priorities, generally based on Dalal's distance, for merging the propositional bases and return a new propositional base as a result. An immediate consequence of the generation of a propositional base is the impossibility of decomposing and iterating the fusion process in a coherent way with respect to priorities since the underlying ordering is lost. This paper presents a general approach for fusing prioritized bases, both semantically and syntactically, when priorities are represented in the possibilistic logic framework. Different classes of merging operators are considered depending on whether the sources are consistent, conflicting, redundant or independent. We show that the approaches which have been recently proposed for merging propositional bases can be embedded in this setting. The result is then a prioritized base, and hence the process can be coherently decomposed and iterated. Moreover, this encoding provides a syntactic counterpart for the fusion of propositional bases.     

基于聚类和遗传算法的解释性模糊模型设计

提出了一种基于模糊聚类和遗传算法构建解释性模糊模型的设计方法。定义了模糊模型的精确性指标，给出了模糊模型解释性的必要条件。然后利用模糊聚类算法和最小二乘法辨识初始的模糊模型；采用多目标遗传算法优化模糊模型；为提高模型的解释性，在遗传算法中利用基于相似性的模糊集合和模糊规则的简化方法对模型进行约简。采用该方法对Mackey-Glass系统进行建模，仿真结果验证了该方法的有效性。     

An Automatic Building Approach To Special Takagi‐Sugeno Fuzzy Network For Unknown Plant Modeling And Stable Control

In previous studies, several stable controller design methods for plants represented by a special Takagi‐Sugeno fuzzy network (STSFN) have been proposed. In these studies, the STSFN is, however, derived directly from the mathematical function of the controlled plant. For an unknown plant, there is a problem if STSFN cannot model the plant successfully. In order to address this problem, we have derived a learning algorithm for the construction of STSFN from input‐output training data. Based upon the constructed STSFN, existing stable controller design methods can then be applied to an unknown plant. To verify this, stable fuzzy controller design by parallel distributed compensation (PDC) method is adopted. In PDC method, the precondition parts of the designed fuzzy controllers share the same fuzzy rule numbers and fuzzy sets as the STSFN. To reduce the controller rule number, the precondition part of the constructed STSFN is partitioned in a flexible way. Also, similarity measure together with merging operation between each neighboring fuzzy set are performed in each input dimension to eliminate the redundant fuzzy sets. The consequent parts in STSFN are designed by correlation measure to select only the significant input terms to participate in each rule's consequence and reduce the network parameters. Simulation results in the cart‐pole balancing system have shown that with the proposed STSFN building approach, we are able to model the controlled plant with high accuracy and, in addition, can design a stable fuzzy controller with small parameter number.     

基于多目标遗传算法的TS模糊模型设计

提出一种利用遗传算法进行TS模糊模型的优化设计方法。首先定义了TS模糊模型的精确性指标,给出模糊模型解释性的必要条件。然后利用模糊聚类算法和最小二乘法辨识初始的模糊模型;利用多目标遗传算法优化模糊模型;为提高模型的解释性,在遗传算法中利用基于相似性的模糊集合和模糊规则简化方法对模型进行约简。最后利用该方法进行一类二阶合成非线性动态系统的建模,仿真结果验证了该方法的有效性。     

Simplification of fuzzy-neural systems using similarity analysis

This paper presents a fuzzy neural network system (FNNS) for implementing fuzzy inference systems. In the FNNS, a fuzzy similarity measure for fuzzy rules is proposed to eliminate redundant fuzzy logical rules, so that the number of rules in the resulting fuzzy inference system will be reduced. Moreover, a fuzzy similarity measure for fuzzy sets that indicates the degree to which two fuzzy sets are equal is applied to combine similar input linguistic term nodes. Thus we obtain a method for reducing the complexity of a fuzzy neural network. We also design a new and efficient on-line initialization method for choosing the initial parameters of the FNNS. A computer simulation is presented to illustrate the performance and applicability of the proposed FNNS. The result indicates that the FNNS still has desirable performance under fewer fuzzy logical rules and adjustable parameters.     

一种基于改进客观聚类分析的模糊辨识方法

针对模糊辨识中采用迭代和人为决策法确定模糊规则数时易受噪声和人为因素的影响,而导致算法鲁棒性较差和计算量较高的问题,提出一种基于改进客观聚类分析的模糊辨识方法.首先引入并改进了客观聚类分析法,克服了迭代导致的规则数冗余,降低了人为因素对聚类结果的影响,从而减小了计算量并提高了鲁棒性;然后结合模糊聚类和稳态卡尔曼滤波法,分别辨识了前提和结论参数;最后通过Box-Jenkins仿真实例验证了所提方法的有效性.     

基于竞争神经网络的中医智能诊断推理新方法

文章通过融合模糊逻辑推理、神经网络技术及可拓学方法,研究了一种基于竞争神经网络的智能推理模型,实现了对中医专家诊断推理过程的模拟。在复杂的亚健康状态中医诊断推理过程中的应用结果表明,该文研究的智能推理模型可以较好地应用于中医辨证。