一个改进的模糊聚类有效性指标

聚类有效性指标既可用来评价聚类结果的有效性,也可以用来确定最佳聚类数。根据模糊聚类的基本特性,提出了一种新的模糊聚类有效性指标。该指标结合了数据集的分布特征和数据隶属度两个重要因素来评价聚类结果,提高了判别的准确性。实验证明,该指标能对模糊聚类结果进行正确的评价,并自动获得最佳聚类数,特别是对类间有交叠的情况能够做出准确判定。     

Mixed-Fisher特征云模型聚类在文本情感分类中的应用

海量网络信息的出现,使得提取文本信息情感观点成为研究的热点。针对文本情感分类中文本信息模糊及分类准确率低的问题,提出了一种基于Mixed-Fisher特征选择的文本云向量模型聚类算法。该算法首先分别计算文档中各个词性特征项的Fisher判别比,根据Fisher判别比越大特征向量判别性越强的Fisher准则,选择Fisher比值较大的前q个特征,并按照词性进行组合生成文档的Mixed-Fisher特征向量。然后在Mixed-Fisher特征向量集上构建文档的云向量模型,根据云向量模型间的差异度对模型进行聚类和合并。将该算法应用于文本情感观点的分类,选择核Fisher判别技术用于最终文本观点的判定。仿真实验结果表明,基于Mixed-Fisher特征的云向量聚类模型的分类准确率明显优于传统向量空间模型,从而验证了核Fisher判别技术的有效性。     

基于模糊聚类的神经元识别方法

大脑是生物体内结构和功能最复杂的组织,其中包含上千亿个神经元。作为大脑构造的基本单位,神经元的结构和功能包含很多因素,其中神经元的几何形态特征就是一个重要方面。大脑中神经元的几何形态复杂多样,对其识别分类问题是一个难题。本文在模糊聚类的基础上根据神经元的几何形态建立了模糊集模型 ,并利用多数据库分类模型中的最优划分模型对模糊聚类分析法进行改进。将改进后的模糊聚类方法用于对神经元的识别分类,得到最优的分类结果。根据聚类的评价方法,与其他的聚类方法比较,证明了改进的模糊聚类方法能够得到更好的聚类效果。     

模糊K-Modes聚类精确度分析

模糊K-Modes聚类算法是对具有分类属性的数据进行聚类的一种有效的算法。为了评价聚类结果，以具有明确分类结构的数据作为输入数据，将模糊K-Modes聚类结果与原始数据的分类结构进行对比，分析了确定它们之间对应关系的方法，在期望聚类结果应该具有的特点的基础上，对现有的精确度定义和计算方法进行修正，在划分相似度的基础上，重新定义模糊K-Modes聚类精确度。     

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。     

铝电解关键指标预测方法的研究与应用

为维持铝电解生产的持续性，保证电解槽的物耗稳定和能耗稳定，通过对铝厂数据的挖掘与建模，提出一整套维持电解槽稳定的策略方法，并用于指导实际生产。首先为数据去噪，针对铝厂数据分布特征未知的特点，提出一种无参自适应的模糊聚类方法，通过迭代自适应得到类簇个数和簇中心；根据聚类结果，将铝厂数据按实际意义标签化，提出一种基于距离的连续属性朴素贝叶斯算法，对分类器使用增量思想，使算法动态分类准确率得到提高；应用单槽测试集数据，通过累积法完成当天各指标等级趋势的预测，确定各指标下变量相对于前一天的变化量，完成预测。实验发现，预测模型可完成铝电解关键指标的预测；提出的聚类、分类算法在UCI数据及铝厂数据上表现良好。     

自组织神经网络在模糊聚类中的应用研究

聚类是按照事物的某些属性，把事物分类，使类间的相似性尽量小，类内的相似性尽量大。将事物通过适当聚类，才能便于研究事物的内部规律，但客观世界中存在着大量界线不分明的问题，研究模糊聚类的方法正是为了解决这类问题。在对常规模糊聚类方法分析的基础上，提出了一种将自组织竞争神经网络技术运用于模糊聚类的一种方法，并以100种动物分类为例，进行了模拟试验，仿真结果证明这种方法进行模糊聚类的思想正确，方法可行，效果较好。     

基于模糊划分测度的聚类有效性指标

聚类有效性指标用于评价聚类结果的有效性。根据聚类的基本特性，提出了一个新的用于发现最优模糊划分的聚类有效性指标，该有效性指标采用模糊划分测度和信息熵两个重要因子来评价模糊聚类的有效性。其中，模糊划分测度用于评价聚类的类内紧致性与类间分离性，而信息熵则反映了模糊聚类划分结果的不确定性程度。实验结果表明，该聚类有效性指标能对模糊聚类结果的有效性进行正确的评价，特别是对于空间数据的聚类有效性评价，同其他有效性指标相比，它不仅能得到最优的模糊划分，而且对权重系数也是不敏感的。     

基于模糊C均值算法的云南草药聚类分析

针对云南草药识别方法的简单性、不科学性问题,提出一种基于模糊C均值算法的聚类方法。利用高效液相色谱法提取云南特色草药肉桂的指纹图谱,再通过模糊C均值算法对指纹图谱数据进行聚类。通过与传统K均值算法进行对比,实验结果证明模糊C均值算法具有较高的分类识别能力。     

一种快速的文本聚类-分类法

本文提出了文本分类的一种新方法，该方法是将部分文献的内容词进行聚类，根据聚类的结果生成分类模型，再根据朴素的贝叶斯原理将文献进行归类。     

A non-invasive methodology for the grade identification of astrocytoma using image processing and artificial intelligence techniques

Brain tumor grade identification is an invasive technique and clinicians rely on biopsy and spinal tap method. The proposed method takes an effort to develop a non-invasive method for the tumor grade (Low/High) identification using magnetic resonant images. The process involves preprocessing, image segmentation, tumor isolation, feature extraction, feature selection and classification. An analysis on the performance of the segmentation techniques, feature extraction methods, automatic feature selection (SFLA) and constructed classifiers (support vector machines, learning vector quantization and Naives Bayes) is done on the basis of accuracy, efficiency and elapsed time. This analysis motivates towards the accurate determination of tumor grade from MR images instead of depending on magnetic resonant spectroscopy and biopsy. Fuzzy c-means segmentation outperformed other segmentation techniques, shape and size based textural feature promoted the demarcation of tumor grades, Naive Bayes classifier succeeded in terms of efficiency, error and elapse time when compared with SVM and LVQ. The study was carried out with 200 images consisting training set (164 images) and testing set (36 images). The results revealed that the system is robust and accurate (91%), consumed less time in grade identification, an alternative for biopsy and MRS in the brain tumor grade identification diagnosis procedure.     

一种基于对象-语言值决策矩阵的模糊语言TOPSIS决策方法

模糊语言决策方法是决策领域的热点研究内容之一.比较现有模糊语言决策方法研究中广泛使用的决策矩阵,提出对象-语言值决策矩阵表示决策专家根据决策属性给出的评价语言信息,分析对象-语言值决策矩阵在区分明晰、部分未知及犹豫的模糊语言决策问题中的优势;借鉴经典TOPSIS决策方法及向量运算,给出基于对象-语言值决策矩阵的正负理想解确定方法以及备选对象与正负理想解的伪距离和贴近度计算方法,分析伪距离和贴近度的相关性质;基于2-元组语言表示模型,提出基于对象-语言值决策矩阵的模糊语言TOPSIS决策方法.通过实例分析,并与已有3种重要的模糊语言决策方法进行比较,比较结果说明所提出的决策方法可以克服已有决策方法的不足, 是一种可选的模糊语言决策方法.     

基于两个集合上粗集模型的算法实现

为了处理人工智能中不精确和不确定的数据和知识,Pawlak 提出了粗集模型,之后粗集理论得到拓广,人们提出了许多新的粗集模型,拓广的方法主要有两种,一种是减弱对等价关系的依赖,另一种是把讨论问题的论域从一个拓展到两个,Y.Y.Yao 提出了一种基于两个论域的粗集模型,本文研究基于两个论域的粗集模型的具体算法实现,给出了上下近似的矩阵算法及其相应的焦点集的算法,并把相关结论及矩阵算法推广到模糊集上,还给出了相关模型的极为简洁的公理刻画,即仅用一条公理刻画该模型。     

模糊水分计的研究

探讨用模糊理论实现测量固体材料含水量的一种新方法。以粮食为被测对象，经反复实验获得大量数据，并应用模糊理论的隶属函数，获得分段的模糊数学模型，实验验证了模糊理论在水分测量中应用的可行性。     

Fuzzy lagged variable selection in fuzzy time series with genetic algorithms

Fuzzy time series forecasting models can be divided into two subclasses which are first order and high order. In high order models, all lagged variables exist in the model according to the model order. Thus, some of these can exist in the model although these lagged variables are not significant in explaining fuzzy relationships. If such lagged variables can be removed from the model, fuzzy relationships will be defined better and it will cause more accurate forecasting results. In this study, a new fuzzy time series forecasting model has been proposed by defining a partial high order fuzzy time series forecasting model in which the selection of fuzzy lagged variables is done by using genetic algorithms. The proposed method is applied to some real life time series and obtained results are compared with those obtained from other methods available in the literature. It is shown that the proposed method has high forecasting accuracy.     

A novel fuzzy approach for handwritten Arabic character recognition

The aim of our work is to present a new method based on structural characteristics and a fuzzy classifier for off-line recognition of handwritten Arabic characters in all their forms (beginning, end, middle and isolated). The proposed method can be integrated in any handwritten Arabic words recognition system based on an explicit segmentation process. First, three preprocessing operations are applied on character images: thinning, contour tracing and connected components detection. These operations extract structural characteristics used to divide the set of characters into five subsets. Next, features are extracted using invariant pseudo-Zernike moments. Classification was done using the Fuzzy ARTMAP neural network, which is very fast in training and supports incremental learning. Five Fuzzy ARTMAP neural networks were employed; each one is designed to recognize one subset of characters. The recognition process is achieved in two steps: in the first one, a clustering method affects characters to one of the five character subsets. In the second one, the pseudo-Zernike features are used by the appropriate Fuzzy ARTMAP classifier to identify the character. Training process and tests were performed on a set of character images manually extracted from the IFN/ENIT database. A height recognition rate was reported.     

基于FAHP的印染质量综合评价算法研究

在分析印染质量因素的基础上,构建印染质量的层次结构模型。采用模糊层次分析法(Fuzzy-AHP)对印染产品的质量进行分析,由模糊层次分析法求得各质量指标的相对重要度排序向量,然后对实际测量值按评分标准打分,最后进行综合评价。最后对福建一印染厂的产品进行质量评定,评定结果符合实际,证明该评价方法具有可行性,并为质量分析提供更科学的数据。     

模糊规则类知识管理及实践

模糊规则是模糊决策系统的核心内容。该文对模糊规则的描述进行了分析,设计和开发了模糊规则的管理软件,并以控件形式与决策系统集成。详细介绍了模糊规则控件的属性和触发方法,模糊规则管理器的设计和开发,为各领域模糊分析和决策系统的开发提供了重要的工具,有利于对模糊规则类经验知识的积累和重复使用,促进模糊分析和决策工作的应用。     

线性模糊PID控制器的设计与分析

基于模糊语言控制规则描述的模糊控制，已成功地用于工业过程控制并具有广泛的应用前景。用模糊线性PID控制器的数学等效式在MATLAB Simulink和Floulib工具帮助下用Mamdani方法对一阶控制对象进行二维PID模糊控制仿真实验，理论分析与实验证明采用模棚线性PID控制方法比传统的PID控制方法在应用上简便、清晰，具有一定的实用价值。     

一种改进的K-Prototypes聚类算法

针对K-Prototypes聚类算法中人为指定初始聚类中心和聚类数目导致算法准确度和稳定性低下的问题,提出了基于密度优化的K-Prototypes聚类算法,该算法根据数据对象的密度分布,自适应地优化聚类数目和初始聚类中心的设置,并通过区分每个属性对聚类结果的不同影响权重,改进相异度计算公式,提升聚类的准确度。在合成数据集和UCI数据集上实验结果表明,该算法与K-Prototypes算法、DPCM算法和Fuzzy K-Prototypes算法相比,平均准确率分别提高了8.52%、4.28%和8.33%,达到了相对较好的聚类结果。