可能性划分系数和模糊变差相结合的聚类有效性函数

基于可能性分布描述因子定义的可能性划分系数有随类数增加而单调递减的趋势,缺乏与数据集几何结构的直接联系。该文考虑到数据集的几何结构信息,对可能性划分系数进行改进,提出了新的聚类有效性标准。实验结果表明,该文提出的方法具有良好的分类性能。     

一种基于效用函数的系统划分聚类算法

提出了一种基于效用函数划分系统的聚类算法，本算法中给出的效用函数能同时兼顾系统划分的相关性、可理解性、整体性、可分离性等原则。     

一种基于多重模糊有向图的系统划分方法

在系统级测试性设计中,为了实现模块间合理划分,采用多重模糊有向图表示系统模块间的故障传播关系,并在此基础上实现了系统划分。该划分方法不仅充分考虑了系统可测性设计要求,而且将同一模块上的固有故障传播和传递得到的故障分开分析,建立更加接近实际的故障传播影响度矩阵,与其他方法相比,该方法更加贴近模块间故障影响的真实情况,能够实现更精确的系统划分。     

基于模糊聚类的改进模糊辨识方法

针对以往模糊建模方法不能很好优化模糊模型输入空间的问题,本文提出了一种基于新的目标函数的模糊聚类方法,从而使模型的输入输出空间映射空间具有逼近实际输出的能力,从而达到优化模型结构的目的.仿真实例表明,该方法能够辨识非线性系统,能显著提高建模的精度.     

划分系数和总变差相结合的聚类有效性函数

划分系数是聚类有效性检测中常用方法之一.针对划分系数存在的严重不足,本文从一个新的角度对划分系数进行修改.结合数据的模糊划分得到的总变差,提出了二个新的聚类有效性标准.实验结果表明,本文提出的方法具有良好的分类性能.     

基于可能性分布的聚类有效性

依据可能性理论，本文引入了一个新的划分系数，结合Ｊ．Ｃ．Ｂｅｚｒｌｅｋ给出的划分系数，定义一个新的聚类有效性函数，计算机模拟表明该聚类有效性函数具有良好的判决功能和鲁棒性。     

基于模糊聚类的客户分类评价方法

本文通过对商业销售记录流水分析,利用聚类方法,可以实现对商业客户的分类。本文以某航空公司客户分类为例,针对特征特点进行分类归一化,使用模糊C均值聚类方法实现对客户分类,并与使用Kmeans方法聚类的结果进行了对比。实验结果证明模糊C均值聚类方法更适用于商业客户分析。     

模糊聚类的有效性分析

聚类算法在数据分析与图象处理等许多方面应用十分广泛,尤其是模糊C均值(FCM)聚类算法受到人们的普遍重视。象其它聚类算法一样,进行FCM聚类时,需事先确定一些参数,如:聚类类别数C模糊加权指数m、向量范数等。如何确定数据的最佳分类,使之能准确真实地反映实际数据的内部结构,这就是聚类的有效性问题。本文在实验的基础上对FCM聚类算法进行有效性分析,并提出了一个能表征FCM聚类有效性的启发性函数,得到了一些有用结论。     

一种基于调和均值的模糊聚类算法

k调和均值算法用数据点与所有聚类中心的距离的调和平均替代了数据点与聚类中心的最小距离，是一种减小初始值影响聚类结果的有效的聚类方法。本文对k调和均值算法进行扩展，考虑到数据点同时对不同聚类的隶属关系，将模糊的概念应用到聚类中，提出了模糊k调和均值-Fuzzv K—Harmonic Means(FKHM)算法。在中心迭代聚类算法的统一框架的基础上，推导出FKHM算法聚类中心的条件概率表达式以及在迭代过程中的数据点加权函数表达式。以划分相似度作为聚类结果的评价准则，实验表明，FKHM算法在聚类对于初值不敏感的同时提高了聚类结果的精确度，达到较好的聚类效果。     

基于谱聚类的高阶模糊时序自适应预测方法

结合数据特征及分布特点提出一种基于谱聚类的模糊时间序列自适应预测方法。首先基于谱聚类的思想,根据样本数据特征获取其所属论域的个数及范围,实现向模糊时间序列的自适应转化;然后基于Markov概率模型表示模糊时间序列中的模糊关系,从而对多步模糊关系、高阶模糊关系及模糊关系的稳态进行求解;最后获取预测值的可能模糊状态,进而利用去模糊化方法将其还原为预测值。在真实以及人工时间序列数据上的实验表明了所提方法的合理性与有效性。     

基于文化算法的模糊聚类分析

分析了模糊c均值(Fuzzy C Mean)聚类算法存在的不足,提出了基于文化算法的新型聚类算法.文化算法具有双层机构的特性,能从进化种群空间中获得求解问题的知识(即信仰)来指导搜索过程,从而具有较好的全局寻优性能.仿真实验表明,基于文化算法的聚类分析方法能在一定程度上避免FCM算法对初始值敏感和容易陷入局部最优解的缺陷,具有较好的聚类结果,且需要较少的计算量.     

基于模糊分组和监督聚类的RBF回归性能改进

为了提高RBF回归建模的精度,该文提出了一种基于模糊分组和监督聚类的RBF回归建模的新方法。基本思想是：首先利用监督聚类将训练样本模糊划分为若干子集,然后分别针对各个子集的样本分布情况进行RBF回归建模,最后利用加权组合得到最终的输出。实验表明,该方法对于目标模型的局部细节具有更好的逼近精度。     

基于模块划分方法的MPEG-2解码芯片可测性设计

以MPEG-2解码芯片为研究对象,采用基于模块划分方法进行可测性设计,包括边界扫描(JTAG)和内建自测试(BIST).根据MPEG-2系统结构的特点,把模块划分为存储器类型、信号不相关类型和信号相关类型.针对模块特性,设计不同的测试向量生成器,3种类型模块之间并行测试.测试结果表明,与未加入可测试设计的系统比较,固定故障覆盖率由81%提升到95.1%,而硬件开销仅为3%.     

基于聚类算法的最优子阵划分方法研究

 系统研究了大型阵列雷达中的最优子阵划分问题.分析了权矢量逼近准则下最优子阵划分方法的理论基础,得出最优子阵划分方案是否具有邻接性的判断依据,同时提出了一种新的子阵划分方法.与传统的基于聚类算法的子阵划分方法相比,新方法能够进一步减少权矢量逼近误差,获得更优的波束性能.在给定面阵结构及和差波束形成框架下,对提出的新方法进行仿真分析,并与两种传统的子阵划分方法相比较,验证了新方法的有效性.     

基于模糊子空间聚类的〇阶L2型TSK模糊系统

经典数据驱动型TSK(Takagi-Sugeno-Kang)模糊系统在获取模糊规则时,会考虑数据的所有特征空间,其带来一个重要缺陷：如果数据的特征空间维数过高,则系统获取的模糊规则繁杂,使系统复杂度增加而导致解释性下降。该文针对此缺陷,探讨了一种基于模糊子空间聚类的〇阶L2型TSK模糊系统(Fuzzy Subspace Clustering based zero-order L2- norm TSK Fuzzy System, FSC-0-L2-TSK-FS)构建新方法。新方法构建的模糊系统不仅能缩减模糊规则前件的特征空间,而且获取的模糊规则可对应于不同的特征子空间,从而具有更接近人类思维的推理机制。模拟和真实数据集上的建模结果表明,新方法增强了面对高维数据所建模型的解释性,同时所建模型得到了较之于一些经典方法更好或可比较的泛化性能。     

基于模糊空间非标准划分的模糊神经控制

提出一种基于模糊空间非标准划分的模糊神经控制方法。该方法克服了基于模糊空间标准划分 (网格状划分 )的模糊子空间急剧增加(指数增长 )的弊病 ,减少了计算负担。并通过对倒立摆控制的仿真研究说明了所提方法的有效性     

Anomaly Detection System in Cloud Environment Using Fuzzy Clustering Based ANN

Cloud computing affords lot of resources and computing facilities through Internet. Cloud systems attract many users with its desirable features. In spite of them, Cloud systems may experience severe security issues. Thus, it is essential to create an Intrusion Detection System (IDS) to detect both insider and outsider attacks with high detection accuracy in cloud environment. This work proposes an anomaly detection system at the hypervisor layer named Hypervisor Detector that uses a hybrid algorithm which is a mixture of Fuzzy C-Means clustering algorithm and Artificial Neural Network (FCM-ANN) to improve the accuracy of the detection system. The proposed system is implemented and compared with Naïve Bayes classifier and Classic ANN algorithm. The DARPA’s KDD cup dataset 1999 is used for experiments. Based on extensive theoretical and performance analysis, it is evident that the proposed system is able to detect the anomalies with high detection accuracy and low false alarm rate even for low frequent attacks thereby outperforming Naïve Bayes classifier and Classic ANN.     

基于模糊聚类和遗传算法的具备解释性和精确性的模糊分类系统设计

提出一种基于模糊聚类和遗传算法的模糊分类系统的设计方法.首先定义了模糊分类系统的精确性指标,给出解释性的必要条件.然后利用聚类有效性分析确定模糊规则数目,利用模糊聚类算法辨识初始的模糊分类系统.随后利用模糊集合相似性分析与融合对初始的模糊分类系统进行约简,提高其解释性;利用遗传算法对约简后的模糊分类系统进行优化,提高其精确性,该过程反复迭代直至满足中止条件.最后利用该方法进行Iris数据样本分类,仿真结果验证了该方法的有效性.