基于模糊神经网络的边坡稳定性评价方法

针对模糊逻辑推理和人工神经网络各自的优势与局限,提出模糊逻辑与神经网络相结合的边坡稳定性评价方法。基于实测数据的回归分析,找出影响边坡稳定性的主要因素,建立模糊神经网络评价模型。通过对输入知识的预处理和输出知识的后处理,将模糊逻辑推理融入神经网络的非线性计算中;将模糊规则隐含分布于神经网络中,实现了模糊映射算法。选定将整个边坡的稳定状态视为同一变形规律的评价模式,利用所建模型对施工期岩质边坡稳定性进行综合评价。结果表明,该方法用于岩质边坡的稳定性评价取得了较好的效果。     

基于模糊聚类迭代模型的干旱程度评估方法

在干旱识别的基础上,采用模糊聚类迭代模型,以模糊权重代表评估指标的重要性,提出以级别特征值评估干旱严重程度的新方法.该方法对干旱评估的准确度较高,为干旱的研究提供了一种新的途径.     

改进的模糊C-均值聚类方法

该文针对模糊C-均值算法容易收敛于局部极小点的缺陷,将遗传算法应用于模糊C-均值算法(FCM)的优化计算中,其中对传统遗传算法的编码方案、遗传算子约束条件及适应值函数等方面进行改进,提出了一种基于改进遗传算法的模糊聚类方法。实验表明,将改进的遗传算法与FCM算法结合起来进行聚类分析,可以在一定程度上避免FCM算法对初始值敏感和容易陷入局部最优解的缺陷,使聚类更合理,比单一使用FCM算法进行聚类分析的效果要好。     

基于改进模糊均值聚类算法的遥感图像聚类

由于传统模糊C均值聚类算法存在缺陷,该文给出了一种结合加权模糊C均值聚类与聚类有效性指数的算法.利用数据点的密度大小作为权值,借助数据本身的分布特性,该方法不仅在一定程度上克服了模糊均值算法的缺陷——有对数据集进行等划分的趋势,而且具有良好的收敛性.     

模糊聚类迭代模型在水资源承载能力评价中的应用

利用模糊聚类迭代模型对山东省17地市的水资源承载能力进行了综合评价，通过模糊识别模型得到样本的级别特征值，从而达到对该省各地区水资源承载能力的级别划分，进而提出增强水资源承载能力的建议，以促进山东省水资源的可持续发展.     

模糊聚类迭代模型在水资源承载能力评价中的应用

利用模糊聚类迭代模型对山东省17地市的水资源承载能力进行了综合评价,通过模糊识别模型得到样本的级别特征值,从而达到对该省各地区水资源承载能力的级别划分,进而提出增强水资源承载能力的建议,以促进山东省水资源的可持续发展.     

基于模糊一致矩阵理论的边坡稳定性评价

根据地质灾害调查中边坡稳定性评价的特点，建立了边坡稳定性评价的指标体系，并将模糊数学理论与层次分析法结合起来，构建地质灾害调查中边坡稳定性评价的模糊一致矩阵数学模型。实例分析表明，用该方法对地质灾害调查中边坡稳定性评价是可行的、有效的。     

基于模糊聚类的Web用户聚类方法与实现

提出了一种基于传递闭包的模糊聚类方法,并应用于Web日志聚类中,实验结果表明,该算法能够有效实现Web用户聚类,并且能够避免陷入局部最优解。最后与模糊C均值算法进行比较,并讨论了算法的运行时间和错分率。     

基于模糊聚类的市场比较法改进研究

市场比较法是目前房地产界估价、定价最常用的方法之一,但在实际应用当中,传统的市场比较法在确定各特征因素修正系数和选取可比实例时,多是根据估价人员的主观判断,因而影响估价结果的准确性。本文通过分析市场比较法运用过程中经常遇到的问题,根据模糊数学理论,引入模糊聚类分析和隶属度、贴近度的概念,并考虑不同特征因素对价格影响的重要程度,而给予相应的权重,改进了传统的市场比较法,从而提高了市场比较法估价结果的准确性。     

基于链接的模糊聚类集成方法

针对多数聚类集成方法忽视潜在信息或获取潜在信息方法复杂这一缺点,提出一种基于链接的模糊聚类集成方法。该算法首先利用模糊聚类算法建立集成信息矩阵,然后使用相应的链接方法将集成信息矩阵转化为反映数据相关性的权重图,最后运用图划分技术得到最终结果。实验结果表明,新提出的算法可以有效地获取潜在信息,同时提高聚类质量。     

基于核方法的模糊聚类算法

将核方法的思想推广到模糊C-均值算法,构造了基于核函数的模糊核C-均值算法,使其能够聚类非超球体数据、被噪声污染数据、多种模式原型混合数据、不对称数据等多种数据结构,并指出一阶多项式模糊核C-均值算法等价于模糊C-均值算法．人工和实际数据的实验结果表明,与模糊C-均值算法相比,模糊核C-均值算法在多种数据结构条件下可以有效地进行聚类．     

基于改进的K-means聚类算法的分类评价方法

针对学术期刊运行与管理中对审稿专家缺乏准确评价依据的问题,结合评价分析的需求和K-means聚类算法特点,提出了一种基于改进的K-means聚类算法的审稿专家分类评价方法,该方法通过研究初始聚类中心的选择和评价标准的量化、聚类维度的选择和分类值大小的合理选择等问题,较为准确地解决了审稿专家的分类问题。经实例分析验证,该方法得到的结果是合理的,并具有很强的可操作性,为建立科学的审稿专家库和准确高质量地送审提供了科学的依据。     

基于随机集理论的边坡稳定性评价方法

针对一类典型边坡,基于随机集理论提出了一种评价边坡稳定性的新方法,它可以有效解决边坡稳定性判别函数f的输入变量分别具有模糊性和随机性时,边坡稳定性判别的问题。首先,对于用不同模糊隶属度函数描述的输入变量φ,将这些模糊信息转化为由嵌套随机集表示的证据体,并利用Dempster组合规则得到将它们融合后的证据体;对于随机输入变量hw,也给出其随机集形式。然后,利用随机集扩展准则将随机集统一表示的两变量映射到输出,得到f输出的上下累积概率分布,用其判定边坡的稳定性。最后通过仿真验证了所提方法的有效性。     

基于模糊综合聚类的土环境污染评价

将模糊聚类最大矩阵元原理与模糊决策中的综合评判法相结合，建立了模糊综合聚类法，对地下土体污染程度进行最优评判，并且对污染因子进行分类，为治理土体污染提供了依据．利用模糊综合聚类法对中国北方某城市土体污染程度进行了分类与评判，得到较满意的结果．     

模糊中心聚类学习方法的比较与改进

基于带约束条件的非线性最优化问题常存在对初值敏感、求解过程缓慢等局限。文章从无导师在线递推学习法和离线学习法对模糊中心聚类的实现方法进行比较，分析其优缺点，在此基础上提出了一种改进的离线学习法，该方法不仅减少了对初值的敏感性，而且加快了目标函数的收敛速度。     

改进模糊聚类方法的物流园交通小区划分

为获取物流园交通小区的最佳分类结果,首先对物流园进行定性划分,然后构造加权模糊相似矩阵,再利用邻接矩阵对加权模糊相似矩阵进行修正,采用改进的模糊聚类方法对小区进行聚类合并,并且基于类内距离和类间距离构造F指标以确定最佳分类数.实验结果表明,基于改进的模糊聚类方法能够较大程度地减少物流园交通小区数量,并且能够快速得到较好的小区分类,还能避免将地理位置不相邻的小区划分为同一类.     

改进的模糊核聚类算法

将核学习方法的思想和改进的选择C-均值聚类算法相结合,提出了一种改进的模糊核聚类算法,使其能对非超球体、含有噪音和离群点及样本不均衡的数据进行有效的聚类.通过引入高斯核函数,原样本的特征被非线性变换到高维核空间,提高了聚类性能.实验结果表明,该改进算法具有有效性.     

基于遗传算法的动态模糊聚类基于遗传算法的动态模糊聚类

提出了一种基于遗传算法的动态模糊聚类方法。通过计算样本之间的模糊相似性,不失真地反映它们之间的内在关联。同时将样本之间的模糊相似性映射到样本之间的欧氏距离,即将高维样本映射到二维平面。利用遗传算法不断优化两者之间的映射,使样本之间的欧氏距离逐步趋近于其模糊相似性,实现动态模糊聚类。克服了聚类有效性对样本分布的依赖性;同时,增加了聚类的灵活性和可视化。该方法在性能上较经典的模糊聚类算法有一定改进,具有较好的聚类效果和较快的收敛速度。仿真实验结果证明了该方法的可行性和有效性。     

基于模糊聚类多变量系统的模糊辨识方法

提出了一种基于模糊聚类和卡尔曼滤波方法的模糊辨识方法,该方法是基于模糊聚类,计算给定样本在各类中的隶属度,利用卡尔曼滤波器辨识模糊模型的结论参数,给出了详细算法和Ｂｏｘ－Ｊｅｎｋｉｎｓ数据的辨识结果。     

基于改进遗传算法的模糊C均值聚类算法

针对传统模糊C均值聚类算法（FCM）的缺陷,提出了一种基于改进遗传算法的模糊聚类方法．利用改进遗传算法强大的全局寻优能力,这种算法较好地克服了FCM算法对初始化敏感、容易陷入局部最优的缺陷．仿真实验证明,该算法具有较强的全局寻优能力和较快的收敛速度．