紧邻类与小类数据集下的模糊聚类有效性指标

模糊聚类有效性指标主要是为了解决模糊C-均值算法需要事先给定最佳聚类数的缺陷,但是现有的大多数模糊聚类有效性指标一般过于依赖聚类质心,使得这类指标在含有紧邻类与大小、密度差异大的数据集上无法准确地判断最佳聚类数。为了缓解这个问题,提出了新聚类有效性指标WS。WS指标在一定程度上考虑了最大最小隶属度法则与模糊集偏差,从而全面展示了数据集的整体信息。在人工与真实数据集上,评估WS指标与现有一些指标的有效性,新指标展现出了较高的准确性。在不同的模糊度下,WS有效性指标表现出了较好的鲁棒性。     

新模糊聚类有效性指标

模糊聚类是模式识别、机器学习和图像处理等领域的重要研究内容。模糊C-均值聚类算法是最常用的模糊聚类实现算法,该算法需要预先给定聚类数才能对数据集进行聚类。提出了一种新的聚类有效性指标,对聚类结果进行有效性验证。该指标从划分熵、隶属度、几何结构角度,定义了紧凑度、分离度、重叠度三个重要特征测量。在此基础上,提出了一种最佳聚类数确定方法。将新聚类有效性指标和传统有效性指标在6个人工数据集和3个真实数据集进行实验验证。实验结果表明,所提出的指标和方法能够有效地对聚类结果进行评估,适合确定样本的最佳聚类数。     

一种新的模糊聚类有效性指标

结合模糊聚类的类内紧致性和类间分离性信息,提出一种新的模糊聚类有效性指标。该指标能够确定由模糊C-均值算法（FCM）所得模糊划分的最优划分和最佳聚类数。在1个人造数据集和4个真实数据集上进行对比实验,结果表明该指标性能的优越性。     

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。     

一个新的模糊聚类有效性指标

提出一个新的模糊聚类有效性指标。该指标能确定由模糊C-均值算法(FCM)所得模糊划分的最优划分和最优聚类数,结合了模糊聚类的紧致性和分离性信息,用类内加权平方误差和计算紧致性,用类间相似度计算分离性。在3个人造数据集和3个真实数据集上进行对比实验,结果证明该指标的性能优于其他有效性指标。     

广义多变量模糊C均值聚类算法

模糊聚类算法为了保证算法的收敛性,要求模糊指标m取值大于1,这限制了算法的普适性。提出广义多变量模糊C均值聚类算法(GMFCM),在多变量模糊C均值聚类算法(MFCM)的基础上,利用粒子群优化算法对分量模糊隶属度进行优化估计,进而将模糊指标拓展到m>0的情况,同时采用梯度法得到算法聚类中心迭代公式。GMFCM理论分析了模糊指标m扩展的原理,研究了模糊指标m在不同取值情况下的性质,解释了模糊指标m的实际意义,讨论了GMFCM算法的收敛性。GMFCM继承了MFCM算法的样本分量区分性能,弥补了MFCM算法聚类中心分量与样本分量重合时的不完备性,突破了模糊聚类算法对参数m的约束,提高了模糊聚类算法的普适性。基于gauss数据集和UCI数据集的仿真测试验证了所提算法的有效性。     

基于模糊层次法的改进型网络安全态势评估方法

为最大限度降低网络安全问题带来的损失,提出一种基于模糊层次分析法(FAHP)的改进型网络安全态势评估模型。鉴于未来的大规模网络环境,首先建立一套符合实际环境的,由指标层、准则层、决策层三层组成的态势指标体系;针对态势评估中的数据分布不确定性、模糊性对评估结果的影响,利用模糊C-均值(FCM)聚类和最佳聚类准则进行数据预处理,得到最佳聚类数和聚类中心;最终建立多因素二级评估模型得到态势评估向量。仿真结果表明,与目前的基于模糊层次法的态势评估方法相比,更好地考虑到某些权重小的因素,因而标准偏差更小,评估结果更加客观、准确。     

模糊聚类分析在KDD中的应用研究

应用模糊聚类算法确定关键条件属性集，探索教师教学质量评估数据库中评估等级同评估项目之间的规则知识。     

结合多目标优化算法的模糊聚类有效性指标及应用

模糊聚类方法可以更有效地对复杂数据集进行分析,由于模糊聚类算法的种类繁多且聚类结果会随着输入的聚类个数的不同而改变,使得模糊聚类算法产生的结果不准确,因此,要获得准确的聚类结果必须确定模糊聚类个数k.目前已有的研究主要是利用多种模糊聚类有效性指标来确定最优聚类个数k,但是诸如SSD,PBM等模糊聚类指标会随着划分的聚类个数k的增加而单调递减,导致聚类个数k不准确.为此,文中提出了一种结合多目标优化算法的模糊聚类有效性指标(A Validity Index of Fuzzy Clustering Combined with Multi-obj ective Optimization Algorithm,OSACF),将模糊聚类度量指标与多目标优化算法(Multi-Obj ective Optimization Algorithm,MOEA)相结合来解决聚类最优个数k的问题.与使用聚类有效性指标不同,OSACF通过建立聚类个数k与聚类度量指标之间的双目标模型并使用MOEA优化该双目标模型来确定最优聚类个数k,避免了聚类有效性指标趋于单调递减的影响.另一方面,OSACF使用形态形似距离替代传统的欧氏距离度量,避免了聚类形状对计算聚类k值的影响.实验结果表明,OSACF结合MOEA得到的最优模糊聚类个数k比已有的聚类有效性指标获得的结果更准确.     

一种自适应模糊连接点聚类算法

模糊连接点聚类算法（Fuzzy Joint Points, FJP）用最大间隔下降法划分聚类的簇数目,这种确定簇数目的方法具有主观性,不利于算法的应用推广。针对此问题,提出一种基于有效近邻簇指标的自适应FJP聚类算法,通过Kernels-VCN指标来评估聚类的有效性,从而实现最佳簇数目的自适应确定,最后在UCI数据集和人工数据集上验证所提算法的可行性。     

基于多级模糊综合评判的军校教学质量评价研究

针对军队院校本科教学质量评估问题,构建军校教学质量评价指标体系,建立多级模糊综合评判模型,通过建立因素集、权重集、备样集和多级模糊综合评判、归一化处理等步骤实现某军校教学质量评估。     

利用模糊-BP神经网络评价高校教师教学质量

为提高高校教师教学质量评价的科学性和合理性,简单分析了传统线性方法进行教师教学质量评价的缺点,介绍了一种基于模糊理论与BP神经网络的高校教师教学质量评价模型。该模型将教学评价指标概念量化成确定的数据作为BP网络的输入,模糊综合评价结果作为输出。运用Matlab进行实证研究发现,将该方法用于高校教师教学质量评价中,既克服了评价主体在评价过程中的主观因素,叉得到了满意的评价结果,具有广泛的适用性。     

教学质量的计算机综合评估算法

本文应用模糊数学相关理论，结合教学质量综合评估指标体系，利用层次分析方法，提出了一种能够对教学质量进行有效定量评估的新方法－－计算机综合评估方法。     

基于模糊聚类分析的教师授课质量评价

用模糊聚类方法对教师授课效果进行分类分析,选取适当的相似系数,建立模糊矩阵,用动态聚类法进行分类分析,其结果不在是传统意义上的名次排序,而是较好地实现了量化评价与综合评价相结合,提高了评价水平,为今后确定评价指标提供了可靠的依据。     

基于模糊支持向量机的高校教学质量评价研究

高校如何能够客观准确地进行教学质量评价,一直是一个主要的研究课题。由于教学质量评价是一个多指标、多目标的评价系统,传统的计算方法存在繁琐、客观性差的情况,提出一种改进的模糊支持向量机的评价模型对教学质量进行评价。建立的模糊隶属度函数,在减小了训练集中异常样本点对建立分类超平面的干扰同时,并没有减小对训练集中每类样本中边缘样本点对分类超平面的影响。实验表明,改进模糊支持向量机提高了教学质量评价的准确率,同时模糊支持向量机的泛化能力也得到了提高。     

独立学院多媒体教学的AHP模糊综合评价与分析——以《大学计算机文化基础》为例

多媒体教学作为一种现代教学方式已被应用在独立学院一门非常重要的公共基础课《大学计算机文化基础》上，因此对它的多媒体教学效果进行准确客观的评价是很有必要的。本文提出一种基于AHP模糊综合评判结合的评价方法，即使用AHP法确定计算机文化基础多媒体教学评价指标体系中各指标的权重，并用模糊评判法对数据进行分析。借助计算机编程对湖北经济学院法商学院计算机文化基础多媒体教学效果进行的评价和分析表明，湖北经济学院法商学院学生对大学计算机文化基础多媒体教学的总体评价为优。     

基于模糊AHP的大学课堂教学质量评价研究

为了对大学教师课堂教学质量进行有效的监督和管理,建立了现代信息技术环境下大学教师课堂教学质量评价指标体系,基于模糊综合评判法和层次分析法(AHP)建立了教师课堂教学质量评价模型,应用此模型实例分析某教师的课堂教学质量并提出相应的提升策略,提高了评价的科学性和实用性。     

基于动态模糊理论的课堂教学质量评价模型

针对目前已有的课堂教学质量评价方法无法全面、公正的评价教师真正教学水平的现状,提出基于动态模糊理论的课堂教学质量评价模型。模型以宿迁学院课堂教学质量评价指标体系为例建立评价指标集,介绍动态模糊评价信息的获取途径,给出各评价因素动态模糊矩阵的建立过程和最终评价结果集的计算方法。最后通过三位教师课堂教学质量评价信息计算过程的实例,验证评价结果的科学性、准确性和全面性,并体现该模型的优势。     

基于GEAHP模糊综合评判的教学质量评价系统

提出一种群体可拓层次分析法确定评价指标的权重以解决指标权重不确定问题,用模糊综合评判法进行综合评价以解决评价数据模糊性问题。在此基础上,设计了教学质量评价系统的体系结构、功能模块、后台数据库系统,研究了系统实现的主要技术,解决了C/S和B/S混合模式下编程问题和数据库安全性问题。实例分析证明了评价系统的有效性。     

模糊聚类在课堂教学评估中的应用研究

以目前的高等学校教育为平台,就如何将数据挖掘技术与课堂教学质量相结合的问题进行了研究。首先介绍了模糊C均值聚类算法的原理及实现步骤,并通过对课堂教学评估指标体系的有效挖掘,选取适当的聚类参数,建立模糊划分矩阵,然后用模糊C均值聚类算法进行聚类,较好地实现了聚类目标。