基于粒子群优化模糊核聚类的电梯群交通模式识别

为了改善电梯群控系统的性能,使电梯群节能并高效运行,针对不同的交通模式采用合理的调度算法对电梯群进行优化调度,提出一种基于粒子群(PSO)的模糊核聚类算法(KFCM)的电梯交通流模式识别方法．利用基于梯度下降的粒子群优化算法代替KFCM算法的迭代过程,可使算法具有较强的全局搜索能力和局部搜索能力,并降低了KFCM算法对初始值的敏感度．利用核方法将低维特征空间的样本映射到高维特征空间,增加对样本特征的优化,并使样本特征在高维特征空间线性可分,更加容易聚类．采用在某办公楼采集的电梯交通流数据作为测试样本,仿真结果表明,与FCM聚类算法相比,该算法具有良好的性能指标,对电梯交通流的聚类效果更准确．     

基于群体智能的一种聚类算法研究

研究了一种聚类组合算法。首先概要介绍了数据挖掘中聚类分析的概念，同时对当前研究的热点群体智能也作了简要的说明，对基本的蚁群聚类算法作了详细的分析，提出了一种基于群体智能的聚类组合算法，借鉴改进的单蚁群算法SACA的聚类收集和标识方法，进行聚类的标识。并根据蚂蚁觅食的转移概率进行二次聚类。实验表明，该算法用于对银行客户细分有较好的聚类效果。     

基于免疫算法的聚类分析与实现

在介绍自然免疫系统功能和特性的基础上,阐述了人工免疫算法的基本原理．从提取生物免疫系统的隐喻机制,基于免疫网络理论和克隆选择原理,建立了一种人工免疫数据聚类分析算法．并详细论述了该算法在电梯交通时段自动划分中的具体应用,MATLAB仿真表明该算法可以有效减少聚类数据的冗余信息,对解决交通时段自动划分等数据聚类问题是可行的和有效的．     

投影寻踪动态聚类模型及其在地下水分类中的应用

针对投影寻踪聚类模型的不足,结合动态聚类方法对投影寻踪聚类模型进行了改进,建立了投影寻踪动态聚类模型。首先,利用投影技术将多因素（高维）问题投影到一维线性空间,以达到在一维空间研究高维数据的目标;其次,以动态聚类方法构造新的投影指标,对投影到线性空间的反映高维数据结构或特征的投影特征值序列进行聚类分析,进而完成多因素样本聚类分析。投影寻踪动态聚类模型是高维数据样本聚类分析的一种有效的统计方法,模型在整个运算过程中毋需人为给定参数,聚类结果合理、客观。投影寻踪动态聚类模型在地下水分类中的成功应用表明,投影寻踪动态聚类模型具有稳定性好、分类结果明确、操作简便等特点,为多因素聚类分析提供了一种新方法,有着广阔的应用前景。     

投影寻踪动态聚类模型及其应用

结合动态聚类思想,对投影寻踪聚类模型进行改进,建立了投影寻踪动态聚类模型.针对多因素聚类问题的高维复杂性,利用线性投影技术将其转换为关于投影特征值的线性聚类问题;根据动态聚类思想构建新的投影指标,对投影特征值序列进行动态聚类,进而在低维空间实现高维数据样本的聚类分析;实证分析验证了投影寻踪动态聚类模型的可行性与有效性.结果表明,投影寻踪动态聚类模型实现了投影寻踪与动态聚类理论的有机结合,操作简便,无人为干扰,为多因素样本聚类分析提供了一种新方法.     

一种新的分级混合聚类法

为了克服模糊聚类算法的不足．提出了一种新的分级混合聚法，利用自组织神经网络对数据初步进行特征提取．再利用基于熵的聚类算法进行聚类。从而既提高了聚类过程的效率，又保证了聚类结果的有效性．     

基于ISODATA的电力负荷曲线分类

迭代自组织数据分析算法（ISODATA）是一种基于统计模式识别的非监督学习动态聚类算法。针对当前各算法初始聚类数取值困难、容易陷入局部最优等问题,介绍了ISODATA的原理和实现步骤,并将此算法应用于负荷分类中。在MATLAB中结合具体日负荷曲线样本进行聚类分析,结果证明聚类效果较好。将ISODATA与各种传统聚类方法进行了对比实验,比较各种算法的聚类效果、预定聚类数目对算法结果的影响,以及初始聚类中心的选择对结果的影响。对比结果证明,此方法适用于负荷分类的研究。     

基于算法改进的ART2数据聚类方法研究

为提高聚类精度和产生更多类别相关信息,在分析了传统聚类方法对最初样本集过分依赖,不能动态适应样本空间变化,不能动态决定聚类数目等不足后,通过介绍其特性和优点提出应用自适应谐振神经网络(ART2)作为聚类算法;针对经典ART2模型的主观设置警戒参数、输出无组织等不足,提出基于改进算法的ART2模型用于聚类分析;通过自组织、迭代、加权等过程推导合理类别的聚类所需要的警戒参数,仿真实验证明了本算法的有效性.     

CLIQUE算法在信用卡审批模型中的应用研究

聚类分析是数据挖掘的最主要功能之一,其中CLIQUE算法是综合了基于密度和基于网格的聚类方法,对于大型数据库中的高维数据的聚类非常有效,解决了现有多种聚类算法只能处理低维空间数据的缺陷.通过分析研究聚类中的CLIQUE算法,将其应用于信用卡的审批模型中,能进行高效、智能的判断,为发卡银行提供有效的决策支持.     

基于改进FCM算法的交通流分析

针对交通流聚类问题,提出一种改进的模糊C-均值算法。该算法根据交通流特点,对样本数据集进行处理得到模糊等价矩阵,通过改进隶属度函数和距离度量函数得到新的目标函数,利用拉格朗日算法优化隶属度和聚类中心,最后通过凝聚度和分离度实现自动聚类。实验结果表明,改进FCM算法削弱了突变点影响,提高了聚类效果。     

A new-style clustering algorithm based on swarm intelligent theory

Data mining is the process of data selection,ex-ploration and building models using vast data stores touncover previously unknown patterns[1].It can makethe decision-making based on the knowledge,by fore-casting the unborn development tendency and action.…     

Prediction of elevator traffic flow based on SVM and phase space reconstruction

To make elevator group control system better follow the change of elevator traffic flow (ETF) in order to adjust the control strategy,the prediction method of support vector machine (SVM) in combination with phase space reconstruction has been proposed for ETF.Firstly,the phase space reconstruction for elevator traffic flow time series (ETFTS) is processed.Secondly,the small data set method is applied to calculate the largest Lyapunov exponent to judge the chaotic property of ETF.Then prediction model of ETFTS based on SVM is founded.Finally,the method is applied to predict the time series for the incoming and outgoing passenger flow respectively using ETF data collected in some building.Meanwhile,it is compared with RBF neural network model.Simulation results show that the trend of factual traffic flow is better followed by predictive traffic flow.SVM algorithm has much better prediction performance.The fitting and prediction of ETF with better effect are realized.     

一种组合核相关向量机的短时交通流局域预测方法

为有效提高短时交通流预测的精度,提出一种基于组合核相关向量机模型的短时交通流局域预测方法.首先利用C-C方法实现相空间重构,然后根据Hannan-Quinn准则确定邻近点个数,进而构建基于粒子群优化的组合核相关向量机模型,最后采用上海市南北高架快速路的感应线圈实测数据进行实验验证和对比分析.实验结果表明:基于组合核相关向量机模型的短时交通流局域预测方法的预测误差和均等系数均优于对比方法,其中,平均绝对百分比误差比GKF-RVM模型、GKF-SVM模型和加权一阶局域预测模型分别降低了29.2%、47.5%和59.5%,能够进一步提高短时交通流预测的精度.     

熵修正的混合人工蜂群-蝙蝠算法人群疏散模型

目前的群智能疏散模型多仅考虑单一的经典的群体智能,不足以描述复杂的群体疏散行为特征,且鲜有考虑人群混乱程度对人群疏散的影响。为研究描述多种群体疏散行为的群智能疏散模型,综合使用多种群智能算法,并考虑了人群混乱程度对疏散的影响,构建了熵修正的混合人工蜂群-蝙蝠算法人群疏散模型。首先,采用DBSCAN（density-based spatial clustering of applications with noise）算法进行群组划分。然后,将人群分为群组引导者、群组成员和离散人员3类,并针对每类人群的特点,基于蝙蝠算法描述群组引导者,基于人工蜂群算法描述群组成员,基于粒子群算法描述离散人员。最后,引入定量描述人群混乱程度的疏散熵对群组引导者进行位置修正,构建了熵修正的混合人工蜂群-蝙蝠算法人群疏散模型。仿真结果表明,该模型可以模拟群组疏散,比较符合真实的群组疏散形状,以群组形式疏散一定程度提高了疏散效率;同时,引入疏散熵进行修正后,群组引导者可以引导群组成员避开前方混乱区域,避免了人群过度集中,增强了疏散的安全性与快速性。     

基于Sub_FCM聚类算法的交通流量段自动划分方法

基于FCM算法提出一种结合减法聚类与聚类有效性评判的模糊c均值聚类算法Sub_FCM,该算法能自动确定合理划分类数并初始化聚类原型,建立一种基于交替优化策略的无监督机器学习自动分类模型,并详细阐述了该模型在怀柔交叉路口流量段自动划分中的具体应用.实例分析表明,该算法能很好地反映路口交通流数据的内在结构,自动划分出合理流量段,为进一步实施合理的控制算法奠定基础.     

一种改进的粒子群优化快速聚类算法

提出了一种改进的基于粒子群优化的快速K均值算法,有效克服了K均值算法对初始聚类中心敏感和容易陷入局部最优从而影响聚类效果等缺点.与已有的粒子群优化聚类算法相比,该算法通过对样本各维属性进行规范化,预先计算样本的相异度矩阵,提出了一种简化的粒子的编码规则,基于相异度矩阵进行粒子群优化K均值聚类,在保证聚类效果的基础上,有效降低了计算的复杂度.在多个UCI数据集上的实验结果表明,该算法是有效的。     

基于相关向量机和模糊综合评价的路况预测模型

为了缓解交通拥堵、道路服务水平低、市民出行效率低等问题,提出基于相关向量机和模糊综合评价的路况预测模型. 利用遗传算法和粒子群算法作为参数寻优算法,优化组合核相关向量机. 基于Spark并行化参数寻优算法,提高模型的训练效率. 提出基于Spark并行化的遗传算法和粒子群算法,优化组合核相关向量机（SPGAPSO-CKRVM）. 使用SPGAPSO-CKRVM对车流量和车速进行预测,利用预测结果计算3个交通路况评价参数：平均车速、路段饱和度和交通流密度. 将3个参数输入到模糊综合评价模型中,通过熵值法确定高峰时段和平常时段的各指标权重系数,将路况划分为6个等级. 使用加拿大Whitemud Drive公路的真实数据进行验证,证明了该模型与传统方法相比具有更高的预测精度和扩展性,路况预测准确率达到90.28%.     

采用递归有序聚类的信号控制时段划分方法

为了弥补传统聚类思想下的信号控制时段划分算法忽略了交通流量序列的时间特性的缺点,引入有序聚类建立智能化的交通控制时段划分方法.针对特定分割数目下的任意一种可能划分方案,用类表示特定时段内部的数据序列集合,以直径为参数测算类内样本差异性,以所有类内直径总和作为指标衡量划分结果损失值及方案优劣性.为了降低传统有序聚类时间复杂度,引入动态递归策略,建立特定分割数目下最佳方案的快速求解方法,通过识别不同分割个数下最小损失值突变点,获取最佳分割数和最优方案.基于该方法得到的最优划分在实际交通规划中对比常用方法,交通运行效率得到了显著提升.