模糊聚类分析方法在IT市场预测分析中的应用

研究模糊逻辑和聚类分析在IT市场中的预测分析问题。模糊聚类分析是一种应用广泛的模糊数学方法,可广泛应用于各个领域。IT市场各类信息产品的价格行情是瞬息万变的。如何对市场做出及时、准确的判断和决策成为个IT公司重点关心的问题。本文首先阐述了模糊聚类分析的基本思想和一般的步骤,然后采用模糊聚类分析方法对笔记本市场进行有效的分类。结果表明模糊聚类分析法对IT市场预测分析准确、有效,且比其他方法预测的更接近实际的市场行情。     

模糊聚类分析及其在数据挖掘中的应用

分析了常用的数据挖掘方法,在数据挖掘中引入了模糊聚类分析的方法,分析了该方法在数据挖掘中的优势,并以例证说明这一方法的实际应用。     

模糊聚类分析在数据挖掘中的应用研究

数据挖掘是从大量数据中用平凡的方法发现有用的知识。聚类分析是数据挖掘的一个重要研究领域,它是按照一定的要求和规律将事物进行分类的一种数学方法。随着模糊数学的兴起,用精确的数学的方法研究模糊问题,人们逐渐将精确和模糊统一起来。论文将模糊数学的模糊理论应用于数据挖掘的聚类分析中,讨论了如何利用样本之间的模糊关系分析样本之间的关联程度,给出了模糊聚类分析在数据挖掘中的应用的主要步骤,以及相应的实例分析和程序设计。     

LABVIEW中模糊逻辑工具箱在形体辨识中的应用

介绍基于LabVIEW的模糊逻辑工具箱——Fuzzy Logic for G Toolkit的使用方法,文中以辨识传送带上被传送物体的几何形体为例,介绍了建模的方法、模糊逻辑控制器的设计以及基于PC的仿真。     

模糊聚类分析方法在小气候区划中的应用

本文对某山区小气候,采用了基于模糊等价关系的模糊聚类分析方法,并应用计算机技术,对小气候区划进行了探讨。     

模糊聚类分析及其在信息检索中的应用

本文集中介绍了如何从文本数据中获取信息。典型的文本查询问题是基于用户的输入来定位相关的文本,而文本的相关性是个模糊的概念。为了对这个模糊的概念以客观的度量,我们通过模糊聚类分析,计算出文本间的相关度。最后用一个实例加以说明,得到了比较客观的结果。     

在未知环境中在于模糊逻辑的移动机器人行为控制

本文介绍了一种在未知环境中基于模糊逻辑的移动机器人行为控制方法，传统的行为控制方法存在两个弱点：（１）行为不易描述；（２）多个行为之间的冲突和竞争难以协调。这篇文章的主要思想是将模糊逻辑与行为控制相结合致使这两个问题得到有效的解决。     

模糊聚类分析在文本分类中的应用

文章用模糊聚类分析的方法对文本进行分类,选择了5种语体,即古典白话、古龙武侠、金庸武侠、外国翻译及现代小说等进行实验,获得了较为稳定的结果。     

模糊聚类分析程序

模糊聚类分析是从模糊关系矩阵出发，而关系矩阵是根据主观评定的隶属函数构成的。本程序要解决的问题是对实际中收集到的数据进行预处理，以便构造模糊关系矩阵，然后使用“最大树”方法对矩阵进行分析，按人为输入不同的截集值，对模糊集合进行分类，最后输出分类结果。模糊聚类分析在实际中应用很广泛，目前已在选矿、气象、地震、林业、环境科学等方面取得成效。三计算原理设有N个分类对象，K个参考因素，构成如下矩阵：1．计算每个参考因素的平均值2．计算标准差3．计算标准化值4计算标准值上述得到的值不一定在[0，1]闭区间内，为此…     

人眼识别技术在检测驾驶行为中的应用

随着人们对交通安全的关注，研究人员想出了很多降低车祸事故的方法。针对他们太多的关注于驾驶员的手脚操作，本文提出了将人眼识别技术应用到检测驾驶员安全驾驶行为方面，以达到更全面的检测驾驶员的驾驶行为，督促他们改掉不良的驾驶习惯。     

自适应模糊辨识中关于模糊最近邻聚类学习算法的一种改进

分析了一种基于模糊最近邻聚类的自适应模糊辨识方法,从模型简化的思想出发提出一种改进方法,并通过实例仿真证实了改进方法的优越性。最后引入Ｂｅｚｄｅｋ的聚类评价指标对两种聚类结果的有效性进行评判,从理论上证明了改进方法的优点及可靠性。     

自适应模糊逻辑系统的聚类学习算法研究

基于模糊逻辑系统一般数学模型，利用最近邻聚类学习算法对样本数据进行自适应分组，并对系统进行训练，从而使模糊逻辑系统具有自学习功能。     

基于模糊理论的无线传感器网络多层分簇式路由算法

为了进一步降低无线传感器网络的能量消耗,延长网络寿命,提出一种基于模糊理论的多层分簇式路由算法(MLFC)。新算法根据通信距离与能量的相关性将网络划分为多层,采用模糊算法根据节点的能量、分布密度和中心度在每层中选出多个簇头,其余节点分别加入同层中距离最近簇头形成的簇,簇头逐层传递数据,建立起自组多跳路由。仿真实验结果表明,多层分簇式路由算法可以更好地均衡无线传感器网络各节点的负载,能明显提高节点的生命周期,延长网络寿命。     

数据挖掘过程中的模糊聚类方法

在研究数据挖掘过程中常见的数据聚类方法的基础上，在数据挖掘中引入了模糊聚类分析的方法，分析了该方法在数据挖掘过程中的特性，讨论了其在大型数据库中的应用方法。     

模糊聚类的分析

本文提出基于客户价值的客户分类方法,将加权模糊c均值算法应用于客户分类,并用基于相似系数和检测孤立点的方法排除孤立点对聚类结果的干扰,提高聚类质量。     

基于模糊聚类分析的交通状态识别方法

针对城市道路交通状态识别的问题,提出了一种改进的模糊C-均值(FCM)算法。首先,该算法要解决聚类数目和模糊指数的选取问题。本文在对交通状态基本特征的分析基础上,结合交通工程理论知识,将城市道路交通状态分为四个等级,从而解决了聚类数目的选取问题;采用启发式方法来确定模糊指数,使隶属函数尽量覆盖整个输入空间;其次,在对上海市某交叉路口的实际交通数据进行实证研究和仿真分析基础上,结合交通的实际情况以及饱和度与交通状态相关性分析,得出了饱和度的辅助判定依据;最后,以饱和度为辅助判定依据,结合实际交通数据重新进行判定。仿真研究表明该方法能够有效地对道路交通状态进行识别。     

基于模糊聚类和矩阵分解的模糊辨识方法

通过改进模糊聚类方法确定模糊模型的前件结构,然后对模糊推理关系矩阵进行QR分解,通过分析秩的亏损来确定聚类规则的有效性,然后采用基于矩阵UD分解最小二乘确定模糊模型的后件参数,实现模糊模型的结构和参数的优化.该方法成功地应用于Box-Jenkins煤气炉数据系统建模.     

基于犹豫模糊Canopy-K均值聚类算法的研究与应用

针对传统K均值聚类算法对初始值敏感、易陷入局部极值点,导致数据分类结果不理想的问题,本文提出一种基于犹豫模糊Canopy-K均值聚类算法。首先利用Canopy算法对原始数据进行初步分类,形成多个数据重合的Canopy中心集合,即得到K均值算法的初始聚类中心。然后再利用K均值聚类算法进行聚类,得到最终的聚类结果。最后结合疫情后复工复产企业评价信息数据进行实例分析,从6个方面对复工复产的5个企业发展情况进行评估。将新提出的算法和基于层次分析的K均值聚类算法进行对比分析。结果表明,新提出的方法较大地减少了迭代次数,聚类结果更加合理、稳定和有效。     

基于粗糙集和模糊聚类的用户评价分析

本文基于粗糙集理论和模糊聚类的方法对图书馆的用户评价数据进行了分析,旨在寻找用户评价指标之间的关联规则,确定用户评价的关键性指标。     

基于特征选择的模糊聚类异常入侵行为检测

网络攻击连接具有行为的多变性和复杂性等特征,利用基于传统聚类的行为挖掘技术来构建异常入侵检测模型是不可行的。针对网络攻击行为的特点,提出了基于特征选择的模糊聚类异常入侵模型。首先通过层次聚类算法改善了FCM 聚类算法结果对初始聚类中心的敏感性,再利用遗传算法的全局搜索能力克服了其在迭代时易陷入局部最优的缺点,并将它们结合构成一种AGFCM 算法;然后采用信息增益算法对网络攻击连接数据集的特征属性进行排序,同时利用约登指数来删减数据集的特征属性以确定特征属性容量;最后利用低维特征属性集和改进的FCM 聚类算法构建了异常入侵检测模型。实验结果表明该模型对绝大多数的网络攻击类型具有很好的检测能力,为解决异常入侵检测模型的误警率和检测率等问题提供了一种可行的解决途径。