加权聚类分析在设备运行监控中的应用

论文采用数据挖掘中的聚类分析算法对流程企业的大量而正常的历史数据进行分析,首先采用基于欧几里德距离的加权K-means算法建立了参数的聚类模型,然后用相关系数法计算每个簇团中的参数和中心参数的相似度,得到了相似度阈值。以此为基础,可以对设备的运行状况进行监控,从而起到设备运行优化和故障预警的作用。     

一种离群数据挖掘新方法的研究与应用

离群数据挖掘是数据挖掘的重要内容.利用蚁群算法鲁棒性强的优点,改进了聚类方法.在此基础上,将聚类分析和蚁群算法某些参数相结合,提出一种基于聚类的离群指数新定义,成功地实现了离群数据挖掘过程并编程实现.采用此方法对流程企业的大量历史数据进行分析,从而起到了对设备运行优化和故障预警的作用.     

聚类分析在彩色像景织物分色处理中的应用

本文在彩色像景织物的图像传统分色基础上,结合数据挖掘中K-means聚类算法的不足之处,提出了一种改进的K-means彩色图像的聚类分析的分色方法和失真度指标,并通过实验对传统分色方法与改进的聚类分色方法的失真度进行比较,表明用该聚类方法具有较小的失真度,能起到与原纹样风格一致的效果。     

模糊加权关联规则在流程企业中的应用研究

采用数据挖掘中的关联规则对流程企业中大量的实际运行数据进行分析,首先采用模糊理论对实际数据进行处理,找出偏离常规运行状态但未到报警界限的参数点并模糊化,分析参数点的重要程度和对应的隶属函数得到综合加权值,然后对传统的Apriori算法进行改进,提出了加权的关联规则算法并编程实现,从而起到流程企业设备故障监控的作用。     

C 在聚类分析中的应用

本文主要介绍了聚类分析的K-MEANS算法,并且给出了K-MEANS算法的C 实现,最后通过一个实例加以说明.     

基于改进聚类分析算法的入侵检测系统研究

针对常用聚类分析算法应用于入侵检测系统所存在的两大方面的问题：一是其采用随机法确定初始聚类中心,不同的初始值可能产生不同的聚类结果;二是采用爬山式技术导致容易陷入局部最优解。基于此提出一种改进的聚类分析算法,通过确定两个最远初始聚类中心和基于最大最小距离的层次聚类、DBI指标来确定剩余初始聚类中心,该方法使上述问题得到解决,并通过仿真实验验证了该算法的可行性和优越性。     

数据挖掘在电信客户分群中的应用

介绍了电信企业数据挖掘的若干主题及常用数据挖掘模型;利用数据挖掘工具KXEN,采用K-means聚类方法给出了一个电信客户分群的解决方案。     

时间序列分析在流程企业中的应用研究

该文采用数据挖掘中的时间序列模式对流程企业中的实际运行数据进行分析,首先采用模糊理论对实际数据进行处理,找出偏离常规运行状态但未到报警界限的参数点并模糊化,然后采用时间窗对参数离散处理,划分时间间隔得到时间序列数据库。然后对传统的Apriori算法进行改进,提出了基于关联规则的时间序列分析算法并编程实现,起到了对设备故障预警监控的作用。     

基于遗传算法的聚类分析在体型分析中的应用

e-MTM(e-MeasuretoMade,即电子化量身定制)是目前国际上新兴的基于三维人体扫描技术的服装生产方式。对于e-MTM中的体型分析问题,本文给出了一种基于遗传算法和K-means算法相结合的聚类算法。分析结果表明,该算法完全满足e-MTM中的体型分析的需要。     

基于遗传算法的聚类分析在体型分析中的应用

e-MTM(e-Measure to Made,即电子化量身定制)是目前国际上新兴的基于三维人体扫描技术的服装生产方式.对于e-MTM中的体型分析问题,本文给出了一种基于遗传算法和K-means算法相结合的聚类算法.分析结果表明,该算法完全满足e-MTM中的体型分析的需要.     

聚类分析中特征选择的研究

介绍了一种新颖的基于高斯混合模型的特征选择算法,并且应用该方法的结果对模拟数据和真实数据进行聚类。实验结果表明,该算法可以有效地确定显著属性,提高聚类准确度。     

一种分层聚类模型及其在电信行业的应用

提出一种分层聚类算法,该算法可识别任意形状、大小的类,在某电信企业的客户分析中取得了较好的结果。算法首先从不同的角度对电信客户进行聚类或分类,然后以这些类为基础,实行自底向上的层次聚类得到最终的聚类结果。算法执行效率高,适合大规模数据的聚类问题。     

改进的聚类分析算法及其性能分析

提出了一种改进的聚类分析算法,该算法采用类似中间聚类与最终聚类分布的思想,先对密集区域进行聚类,形成了K个聚类,然后再对相对分散的自由数据进行K—means聚类,使聚类分析在迭代过程中始终沿着最优的方向进行,减小了迭代次数,提高了收敛速度。该算法融合了网格聚类与K-均值聚类的优点,并且引入了一种新的划分网格的算法和新的计算密度阀值的函数。理论分析以及实验证明,改进算法的聚类过程达到了令人满意的效果。     

基于SPSS的多元分析在山东省物流产业中的应用

本文致力于研究山东省物流的特点,在综合国内外物流发展特点的基础上,通过聚类分析方法、主成分分析和因子分析方法,构建山东省物流发展评价指标体系,对山东省17个地市的物流发展水平进行排名与分类,并对山东省的物流现状进行综合评价。结合各城市物流发展的实际情况,提出相关的建议,以期对整个山东省物流发展提供些帮助,致力于提高山东省整体的物流发展水平,希望为主管物流产业的相关部门制定相应政策建立一定的理论依据。     

一种改进的聚类算法及其在说话人识别上的应用

目前应用最广泛的模糊聚类算法是基于目标函数的模糊k-均值算法．针对该算法存在的缺点。本文提出一种改进的聚类算法．利用遗传算法的全局优化的特点，在能够在正确获得未知对象的聚类中心数目的同时．克服模糊k-均值算法对初始中心点影响的缺陷。将该聚类算法用于确定EBF(椭圆基函数)网络的隐层节点和中心值等参数，在不依赖文本的话者确认实验中．获得了较好的识别效果。     

基于改进免疫遗传算法的聚类分析研究与应佑

本文分析了聚类的思想,将免疫原理引入到遗传算法并应用于聚类分析过程中,提出了改进的免疫遗传算法(MIGA).该算法借鉴了免疫算法中有关浓度的定义,并使用了GA算法中交叉和变异的思想.通过实验显示该方法优于基本的遗传算法.     

聚类分析在电信家庭客户细分中的应用

电信行业的客户细分多数集中在政企客户,很少涉及到家庭客户,而家庭市场一直是电信运营商的大本营。该文采用数据挖掘中的K-means聚类算法,建立客户细分模型,对电信家庭客户进行细分,为进一步挖掘家庭信息服务需求,实现精细化营销奠定基础。