聚类再回归方法在机场噪声时间序列预测中的应用

对于机场噪声的预测,针对绘制等值线方法预测成本高和误差较大的缺点,以及分类再回归 方法中分类时缺乏可指导性标准的问题,本文提出了基于支持向量机的先聚类、再回归的时间序列的预测方法。对机场噪声时间序列的先聚类再回归方法,采用常用k均值划分算法,利用聚类特点,将样本限定在同一类的范围内,再对同类样本进行回归预测。Housing及Laser generated data数据集上的实验表明,采用先聚类再回归方法得到的拟合值比直接回归方法得到的拟合值要精确。将该方法应用到北京某机场实测数据中,并与其他预测模型进行对比,准确度明显优于其他预测方法。     

模糊神经网络在时间序列预测中的应用

文中提出了将模糊聚类与梯度算法相结合的一种改进的训练模糊神经网络的混合型算法。模拟结果表明，模糊神经网络可以成功地用于时间序列的预测，模糊神经网络的训练速度与模拟精度都优于传统多层ＢＰ网络。     

模糊聚类在车速预测中的应用

为了车辆主动安全系统地有效工作,需对车辆运行状态进行准确估计.车速作为最能表征车辆运行状态的参数,不仅能够反映出驾驶员对踏板操作的急缓程度,而且能够体现出当前车辆与周围交通环境的协调一致性.为了给预警系统提供可靠的基础数据,提出利用模糊聚类分析对车速进行预测,依据车速大小将车速离散化成13种状态,在充分考虑车速观测序列变化以及模糊规则的情况下,根据一段时间内车速运动状态的转移规律来预测下一时刻的车速,对预测的结果根据模糊逻辑规则进行归类,给出车速所属的状态,再根据预测结果判定驾驶员的操作,最后,利用真车试验数据对所提算法进行有效性和可行性验证,测试结果表明:该算法能够对较短时长内的车速进行准确预测.     

基于小波分解和聚类模糊系统的时间序列预测

结合小波分析的多分辨特性和模糊规则的可解释性,提出了一种非平稳时间序列预测方法。首先将时间序列信号分解为各尺度上的细节信号和平滑信号,使用软、硬阈值折衷法消除噪声,并对各层重构信号单独使用聚类模糊系统进行预测,最后将各预测结果累加得到对整个时间序列的预测。仿真试验表明此方法是有效的。     

模糊认知图在时间序列预测中的应用综述

时间序列预测是基于当前及历史数据对未来演化趋势的推演.准确的、可解释的时间序列预测是进行科学决策的关键技术支撑,广泛应用于金融、交通、气象等诸多领域.具有可解释性和强推理能力的模糊认知图已在时间序列预测中取得较好的效果,但目前尚无文献对该方法进行全面综述.为此,本文首先对模糊认知图及扩展的高阶模糊认知图、直觉模糊认知图和深度模糊认知图进行梳理,并在此基础上归纳了学习模糊认知图的优化算法.其次,具体介绍了模糊认知图以及扩展的模糊认知图在时间序列预测中的应用,并做出系统性的总结.最后,对模糊认知图在时间序列预测中的发展趋势进行展望.     

数据库技术在模糊聚类预测中的应用研究

将数据库技术应用于模糊聚类预测中，用ＦＯＸＰＲＯ开发了模糊聚类预测软件，通过对上海水泥厂提供的实测数据的实旆计算，取得了令人满意的结果，文中提供的方法具有普遍的意义和广阔的应用前景，作为数据库技术原应用开辟了新领域。     

基于GM-LSSVR机场噪声时间序列预测模型

随着我国民航事业的不断发展,机场噪声问题日益严重.针对机场噪声时间序列预测问题,在分析了噪声数据特点的基础上,提出了一种基于GM-LSSVR的噪声序列预测模型,即将机场噪声时间序列进行分解,并分别建立趋势项的GM(1,1)模型和剩余项的LSSVR模型,用于机场噪声预测值的计算.在某机场实测数据中的应用表明,该方法的准确度明显优于其他预测方法.     

Online-HHT方法在时间序列数据流预测中的应用

在研究已有时间序列数据流预测方法的前提下,给出了一种基于滑动窗口的时间序列数据流通用预测模型,提出能有效降噪并进行多尺度滑动窗口分析,进而进行预测的新方法Online-HHT,将数据流中的滑动窗口技术与HHT方法相结合从而达到在线分析的目的。使用此模型,通过实验证实了Online-HHT方法能够有效地对时序数据流进行在线自适应趋势预测。     

模糊聚类方法在地质灾害分区中的应用

针对铁法煤田大隆矿区的现状,利用已有地表变形曲线,基于图论的模糊聚类方法的基本思想、具体步骤,采用C++语言对原始数据标准化并构造相似矩阵,用克鲁斯卡尔算法构造最大树,进行地质灾害危险性分区。进而,为沉陷区的灾害防治、村屯规划提供依据。     

时间序列聚类算法及其在手势识别中的应用

针对中国聋人手势词"语形"是由若干个基本手势组成的特点,本文提出了沿时间轴的贪心聚类算法,并在此基础上给出了一种快速训练算法及快速识别算法.将该算法具体应用到中国手语手势词的识别中,实验结果表明,与HMM相比,该方法不仅在识别速度上有大的改观,而且大大缩短了手势词对应模板的训练时间.     

图象噪声的模糊聚类平滑方法

模糊C-means算法在聚类分析中已得到了成功的应用,本文提出一种利用模糊C-means算法消除噪声的新方法.一般来说,图象中的噪声点就是其灰度值与其周围象素的灰度值之差超过某个门限值的点.根据这个事实,首先利用模糊C-means算法分类,再利用标准核函数检测出噪声点,然后将噪声点去掉.由于只修改噪声点处的象素灰度值,而对于其它象素的灰度值不予改变,所以本算法能够很好地保护细节和边缘,本方法每次处理3×3个点,而以往的方法只能每次处理一个点,所以本方法能提高运算速度.文中给出了利用本方法对实际图象处理的结果,并与梯度倒数权值法进行了定量的比较.     

聚类和时间序列分析在入侵检测中的应用

入侵检测通过收集各种网络数据,从中分析和发现可能的入侵攻击行为。聚类算法是一种无监督分类方法,能够很好地用于入侵检测。提出一种基于聚类分析和时间序列模型的异常入侵检测方法,该方法不需要手动标示的训练数据集就可以探测到很多不同类型的入侵行为。实验结果表明,该方法用于入侵检测具有较高的检测率和较低的误报率。     

支持向量回归机在铁路客运量时间序列预测中的应用

针对目前铁路客运量预测方法的不足,采用ε支持向量回归机(εSVR)对铁路客运量时间序列进行预测。分析εSVR原理, 对1980—1998年的铁路客运量进行归一化处理,建立铁路客运量时间序列SVR预测模型, 并进行仿真试验。对比分析εSVR与标准的BP人工神经网络预测结果, 证明εSVR预测结果更准确、 精度更高。     

广义回归神经网络在乙肝发病数时间序列预测中的应用

利用2005年至2011年中国内地法定报告的乙肝发病数资料分别建立广义回归神经网络模型以及传统的BP神经网络模型,探讨广义回归神经网络在乙肝发病预测中的实用价值。结果显示,广义回归神经网络拟合及预测结果的平均绝对误差,平均相对误差以及均方误差均小于BP神经网络。该结果提示,广义回归神经网络在乙肝发病数预测中具有较好的应用价值。     

模糊聚类在信息检索中的应用

信息检索是与数据库系统并行发展了很多年的一个领域,它主要研究大量文本的信息组织和检索。典型的信息检索问题是基于用户的输入来定位相关的文本。而文本的相关性是一个模糊的概念,为了对这个模糊的概念以客观的度量,提出了一种新的文本间相关性的计算方法,该方法利用词频矩阵和模糊相似矩阵,在基于相关性检索的一组文档中,使用模糊聚类中的最大树算法,计算出一组文档间的相关度,最后用一个实例加以说明,得到了比较客观的结果。     

模糊聚类在信息检索中的应用

信息检索是与数据库系统并行发展了很多年的一个领域,它主要研究大量文本的信息组织和检索.典型的信息检索问题是基于用户的输入来定位相关的文本.而文本的相关性是一个模糊的概念,为了对这个模糊的概念以客观的度量,提出了一种新的文本间相关性的计算方法,该方法利用词频矩阵和模糊相似矩阵,在基于相关性检索的一组文档中,使用模糊聚类中的最大树算法,计算出一组文档间的相关度,最后用一个实例加以说明,得到了比较客观的结果.     

时空神经网络及其在机场噪声预测中的应用

针对时空序列建模分析问题,利用函数扩展技术,结合线性脉冲响应滤波原理,提出一种新型时空神经网络。该网络由函数扩展功能模块和线性延时脉冲模块组成。函数扩展功能模块将网络输入空间映射到高维空间,实现时空序列非线性模式到高维映射空间线性模式转换;线性脉冲延时模块等效于时空线性脉冲响应滤波器,用于拟合时空序列中的线性模式。采用LevenbergMarquardt最优方法对网络进行训练,设计时空神经网络的快速学习算法。机场噪声仿真结果表明,该网络具有快速收敛和高精度的特点,预测精度高于时空自相关移动平均模型和多层感知器神经网络。     

模糊聚类挖掘方法在电子商务中的应用研究

系统聚类法中常用的是最小距离法、最大距离法、重心距离法、类平均距离法等，这些方法都是定义一种类与类之间的距离来进行聚类的，但在有些情况下其聚类结果不唯一，文章利用模糊关系短阵，给出了一种新的基于模糊聚类的方法，并将这些技术应用到具体电子商务平台的数据挖掘工作中，得到了可行性验证，从而为此技术在电子商务领域的广泛应用起到了较好的示范作用。     

模糊聚类方法在土地分等定级中的应用

土地分等定级是对土地的自然和经济属性进行综合鉴定,并等级化的过程;模糊聚类分析是根据研究对象本身的属性来构造模糊矩阵,并在此基础上根据一定的隶属度来确定聚类关系的方法。结合模糊聚类分析的特点,将此方法应用于土地分等定级并通过实例演示处理过程,结果表明模糊聚类方法应用到土地分等定级中具有更好的灵活性和可操作性。