未确知均值聚类

利用未确知系统理论分析特征对样本分类所作贡献,定义特征的分类权重,并作为启发性知识用于确定样本与各类间的加权距离及样本属于各类的隶属度,建立未确知均值聚类算法。IRIS数据检验表明,未确知均值聚类算法误判样本数少、收敛速度快、鲁棒性好,是一种实用、有效的无监督聚类算法。     

未确知聚类在蔬菜产地环境质量评价中的应用

文中针对蔬菜生产产地污染程度评价具有不确定性,将未确知聚类算法应用到蔬菜产地环境质量评价中。以江苏省南京市六合区六个乡的土壤环境质量为研究对象,采用我国《土壤环境质量标准》作为评价标准,选取土壤中最常见的六种污染物Cd、Hg、As、Cu、Pb、Cr为参评因子,对各采样点土壤重金属污染程度进行综合评价,并求得各类类中心及相应的隶属度。分析实验结果可以发现,与实际情况相符,表明该方法应用到蔬菜产地环境质量评价中是可行的。     

隧道围岩分级判别的未确知均值聚类模型

基于未确知测度理论,建立隧道围岩分级的未确知均值聚类分析模型。针对隧道围岩分级判别中等级评价中许多不确定性影响因素,选用岩石等级、风化程度、岩体弹性纵波波速、岩体结构、地质构造影响程度、节理裂隙发育程度和地下水情况等7个指标作为隧道围岩分级的判别因子;以20组隧道围岩实测数据作为训练样本,建立各评价因子的未确知测度函数,用各分类样本平均值表示其分类中心;根据信息熵理论计算各评价因子的权重,依照置信度识别准则进行等级判定;用建立的模型对20组实测数据逐一进行回检,正确率为100％。将建立的模型对待分类的10个样本进行测试,并与实际结果进行比较。研究结果表明：该模型判别预测结果与实际结果吻合,比较客观地反映了隧道围岩分级的复杂状况;且方法科学合理,意义明确,为隧道围岩分级判别提供了一种新思路。     

基于未确知聚类的动态联盟伙伴选择研究

就盟主企业建立动态联盟的过程、盟友的评价指标体系、优化决策的算法进行分析研究,建立盟主选择的数学模型,提出未确知C-均值聚类(UCM)。将此聚类算法应用于实践中,证明其可行性和有效性,最后在理论上与C-均值聚类、模糊C-均值聚类(FCM)作出比较,证明此方法的科学性。     

基于未确知聚类的动态联盟伙伴选择研究

就盟主企业建立动态联盟的过程、盟友的评价指标体系、优化决策的算法进行分析研究，建立盟主选择的数学模型，提出未确知C-均值聚类（UCM）。将此聚类算法应用于实践中，证明其可行性和有效性，最后在理论上与C-均值聚类、模糊C-均值聚类（FCM）作出比较，证明此方法的科学性。     

未确知等价类与未确知空间

王光远教授在文[1]中给出了未确知信息的概念及其数学处理方法,开创了一个全新的研究领域,文[3]中定义了未确知数学的基本元素——未确知数,且给出了四则运算法则,为未确知数学的建立奠定了理论基础。本文在文[3]的基础上,给出了未确知等价类的概念,简化了未确知数的表示方法,推广了未确知数的除法运算;给出了未确知距离的概念,证明了全体未确知数的集合(?)关于未确知距离构成未确知空间。且未确知距离是实距离的推广。     

未确知度

本文首先指出了国际上同类研究的局限性和缺陷.在文[2,5]的基础上,提出了未确知度的概念。本文定义:当未确知信息用以评价“真元”在论域上的真实状态和数量关系时,信息的不充分和不精确程度,称之为未确知度。只有从未确知数整体上谈未确知度,才有意义。并提出了二层未知度的概念,从而克服了国际上同类研究的诸多矛盾,为未确知信息的数量化处理提供了基本手段。     

未确知极限

本文在未确知集合中定义未确知距离,由此建立未确知空间概念,在未确知距离概念基础上定义未确知数列和一般未确知函数极限概念,并且建立极限的运算法则。     

未确知函数

本文建立未确知函数概念,它是实函数的推广,对一般的初等函数,给出延拓为未确知函数的方法。     

未确知群初论

本文给出未确知子半群、未确知子幺半群、未确知子群、的定义及性质定理,在此基础上,讨论未确知子群与Fuzzy子群、一般子群的关系。并且研究了未确知正规子群。     

自适应模糊聚类

针对模糊聚类算法中的噪声敏感性以及点对类的隶属度缺乏典型性的问题,提出一个自适应模糊聚类方法.该方法可以自动地标识那些有影响力的或者说重要的原型样本,反映出这些原型样本对其他样本的影响.又可以自动地标识那些有影响力的或者说重要的类,反映出那些重要的类对其他类的影响.该方法能够有效地降低噪声对有用信息的干扰,为传统的聚类方法提供了一个具有可操作性又有效率的替代方案.该方法的收敛性被理论证明,两个试验检验了它的计算花费和准确性.     

基于平均差异度的改进k-prototypes聚类算法

针对k-prototypes聚类算法随机选取初始聚类中心导致聚类结果不稳定,以及现有的大多数混合属性数据聚类算法聚类质量不高等问题,提出了基于平均差异度的改进k-prototypes聚类算法.通过利用平均差异度选取初始聚类中心,避免了初始聚类中心点选取的随机性,同时利用信息熵确定数值数据的属性权重,并对分类属性度量公式进行改进,给出了一种混合属性数据度量公式.结果表明,改进后的算法具有较高的准确率,能够有效处理混合属性数据.     

灰色聚类分析在决策中的可信度的研究

针对灰色聚类分析在决策中的主观因素－－标定聚类权，做了大胆的探索，在聚类分析的基础上引入层次分析法（AHP）、以层次分析法研究较为复杂的待决策系统，并确定各指标因素的组合权重来替代标定聚类 权，不但相对降低了决策的主观性，也开创了定性分析与定量计算相结合的又一新途径。     

数据挖掘技术中聚类算法的改进研究

针对K-means算法所存在的问题进行了深入的研究,提出了基于密度和聚类对象方向的改进算法(KADD算法).该算法采取聚类对象分布密度方法来确定初始聚类中心,然后根据对象的聚类方向来发现任意形状的簇.理论分析与实验结果表明,改进算法在不改变时间、空间复杂度的情况下能取得更好的聚类结果.     

联合模型初始化独立谱聚类算法

针对原始谱聚类算法初始化敏感的缺点,提出了一种基于联合模型的初始化独立谱聚类算法并将其用于图像分割．通过引入联合模型可以充分利用待聚类数据所包含的空间邻近信息和特征相似性信息,得到更精确的聚类结果;通过引入K-调和平均算法克服了原始谱聚类算法对初始化的敏感性,从而得到更稳定的聚类性能．最后,通过对纹理图像和合成孔径雷达图像分割验证了新算法的有效性．     

区间值数据模糊c-均值聚类新算法

针对范九伦等提出的两种模糊ｃ－均值聚类算法进行了改进,提出了更一般的区间值数据模糊ｃ－均值聚类算法．证明了当加权系数λ为１时,新算法等效于老算法Ⅰ;当λ趋于０ 时,新算法趋近于老算法Ⅱ．新算法以老算法Ⅰ和Ⅱ为其特例,并可用现有的模糊ｃ－均值工具箱直接实现．     

一种基于PSO的分割聚类算法

为了求得一个数据集的最优分割,提出了一种基于PSO的分割聚类算法-PKPSO,将PSO算法和K均值聚类算法有效地结合在一起,对群体中的候选解有选择地利用K均值算法做进一步优化以提高解的精度。通过对算法的分析,给出了控制参数选择依据。并将此算法与单独使用K均值、PSO算法及QPSO算法聚类进行比较,试验测试结果表明:PKPSO算法有更好的全局收敛性,不仅能有效地克服传统算法易陷入局部极小值的缺点,而且求得解的精度和算法的稳定性都明显优于其他方法。     

基于未确知集合的混凝土桥梁耐久性综合评估模型

针对如何在耐久性评估中更为科学的处理信息的不完整和不确定性,提出了基于未确知集合的在役混凝土桥梁的耐久性综合评估模型,从两个层次、两种权重上阐述了该模型的优势,并通过实例说明.与其他评估方法相比,在不完整信息和不确定因素情况下,未确知综合评估能够更为客观的寻找耐久性规律,为桥梁的管理及维修加固提供科学合理的决策依据.