一种区间型数据的自适应模糊c均值聚类算法

针对区间型数据的聚类问题,提出一种自适应模糊c均值聚类算法。该算法一方面基于区间数的中点和半宽度,通过引入区间宽度的影响因子以控制区间大小对聚类结果的影响;另一方面通过引入一个自适应系数,以减少区间型数据的数据结构对聚类效果的影响。通过仿真数据和Fish真实数据验证了该算法的有效性,并对聚类结果进行比较和分析。     

具有数据容错能力的模糊C均值聚类算法

提出基于模糊c均值聚类算法的两个新算法.设置每个数据隶属度的误差阈值,规定每个数据的隶属度误差不能超过给出的误差阈值.使用该类算法可以对有误差的数据进行模糊聚类.先利用隶属度矩阵的误差范围建立新的拉格朗日函数,再使用Kuhn-Tucker条件计算该函数,并通过一组实验来证明这类算法的正确性和有效性.     

通用综合评判决策支持系统的研究与实践

本文论述用层次分析法动态建立决策模型，用模糊综合评价技术处理评判数据，实现通用综合评判决策支持系统的原理和方法，并介绍了系统的特点和应用情况。     

基于网格和密度的模糊c均值聚类初始化方法

模糊c均值聚类算法是目前聚类分析中最受欢迎的算法之一,但其聚类效果往往受初始参数的影响.针对这一问题,提出一种基于网格和密度的模糊c均值聚类初始化方法.以网格和密度为工具提取聚类样本的类聚类中心,以此来初始化模糊c均值聚类算法的初始参数,从而弥补原算法的不足.实验证明方法是可行的、有效的.     

基于FCM的无监督纹理分割

由于图像所包含的纹理类别数目常常是未知的,因此无监督的纹理分类相比于有监督的纹理 分类更具有实际的应用价值.从聚类的本质定义出发,采用了一种基于类内、类间距离比值 的聚类有效性判别函数RII. 为了减弱随着聚类数目的递增对判别函数带来的影响,分别采 用最大类内距和最小类间距替代类内、类间距离之和作为判别因子.由于FCM的收敛速度与初 始类别数目有一定的相关性,再引入收敛速度作为聚类有效性函数的惩罚因子,给出了一个 新的判别函数nRII,有效地预防过分类现象,准确地评价了聚类结果.     

基于模糊聚类的并行测试系统故障诊断方法研究

在分析并行测试系统开放式体系结构的基础上,给出了系统并行故障诊断的概念和定义,并将模糊c均值聚类算法引入到并行故障诊断领域;探讨了利用该算法对多个UUT同时进行故障诊断的实现问题,设计了算法步骤,并以对某型导弹发射装置电子部件的几类典型故障的诊断为例对算法有效性和可行性进行了验证;结果表明,运用模糊聚类算法能够有效提高测试系统的故障诊断效率,增强测试系统的故障识别和定位能力,解决系统对多个同类型UUT并行故障诊断的问题。     

模糊c-均值算法改进及其对卫星遥感数据聚类的对比

提出的改进的模糊c-均值聚类方法采用基于标准协方差矩阵的Mahalanobis距离,即椭球体聚类方法,这种聚类算法更接近遥感数据散点图的实际情况,从而可以显著提高聚类效果。对北京卫星ASTER数据的聚类分析实验表明,改进的模糊c-均值聚类方法的聚类效果要优于K-均值聚类方法和常规的模糊c-均值聚类方法。     

电信用户呼叫行为的模糊聚类研究

电信用户的通话行为聚类分析是一个新的研究领域,属于数据挖掘范畴。为了对用户行为进行有针对性的分析挖掘,发现客户行为中隐藏的、有用的、未曾预料的知识,采用了模糊C均值(FCM)聚类算法,以模糊数学理论知识作为客户行为聚类分析的方法,为电信企业客户分析提供了量化依据,并采用Matlab为计算工具,给出了一个聚类分析实例,并初步建立了通话行为模型识别机制。实验证明,本文采用的模糊聚类方法得到了满意的分析结果。     

基于粒子群优化的模糊c均值聚类算法--在丙烯腈反应器参数优化上的应用

采用粒子群优化(PSO)算法,代替遗传算法(GA),将其和模糊c均值(FCM)聚类算法结合,形成基于粒子群优化的模糊c均值聚类(PSO-FCM)算法,同时引进混沌优化算法加强PSO-FCM算法的局部搜索能力。以某工厂丙烯腈反应器数据为研究对象,对比GA-FCM算法和FCM算法,研究结果表明PSO-FCM算法能够得到较优的聚类,且该算法实现简单,便于工程应用,对丙烯腈反应器参数调整的指导作用更加显著。     

基于加权模糊c均值聚类的快速图像自动分割算法

图像分割是指将一幅图像分解为若干互不交迭的区域的集合,是图像处理和计算机视觉的基本问题之一。为了提高图像分割的效率,提出了一种基于2维直方图加权的塔形模糊c均值（FCM）聚类图像快速分割算法。该方法先通过构造合理的2维直方图对噪声进行抑制;然后通过塔形分解来缩减聚类样本集;最后利用加权FCM聚类算法进行分类。仿真结果表明,该方法的效率明显优于标准的FCM算法。此外,为确定分割的最优类别数c,还引入了一种基于该快速算法的聚类有效性评价函数——修正划分模糊度,实现了最佳图像分割类别数c的自动确定。基于人造图像和实际图像的测试实验结果表明该方法是有效的。     

医药连锁销售决策支持系统的研究

在原企业管理信息系统基础上,为充分利用日益增长的海量数据,针对其在决策支持方面的不足,提出了一种基于数据仓库、联机分析处理和数据挖掘3项技术的销售决策支持系统.讨论了系统总体结构,对系统数据仓库、多维数据集和数据挖掘模型进行了设计研究,以及报告了系统在三层客户服务器模式下实现的关键技术和实现方法.经初步测试,该系统是适用和可靠的.     

综合决策系统框架及其在舰船电力系统的应用

建立了舰船综合决策支持系统框架,该框架在传统的模型驱动体系结构基础上,针对决策目标,从建模优化和算法独立的角度对模型利用方法进行细分,并通过解析库的建立引入了统计分析方法,强化了数据挖掘在非结构性问题决策中的作用.将该框架应用于舰船电力系统故障后重构问题的决策以验证其有效性.算例测试结果表明,该框架下建立的决策系统能够综合多种效用函数和状态参数,有效优化了解空间,得出的电力故障恢复方案更加符合实际需求.     

基于开源项目的教育决策支持系统的设计与开发

将决策支持系统应用于教育工作中是当今教育信息化的重要内容之一.以实际的教育决策支持系统为基础,详细阐述了基于开源项目的教育决策支持系统的设计原理和实现过程.并提出了一种教育数据仓库平台的设计思想,并加以实现.在该系统的开发过程中,利用了不少优秀的开放源码软件并加以改造,这种开发模式不但能够加快开发过程,而且费用低廉.     

基于数据仓库的证券交易决策支持系统设计与开发

证券交易对海量数据管理和分析存在潜在需求,对证券交易决策支持系统做了分析,针对海量数据管理,提出基于DW、DM、OLAP的系统框架,并设计了网络结构、主题、数据维度、数据库,最后从数据获取、数据的技术分析及多维分析讲述系统的实现,为决策者管理和分析海量证券交易信息提供决策支持.     

网络化设计评价群决策支持系统研究

为了改进产品设计评价的方法,将决策支持系统机制引入产品设计评价领域。改进了部分个体评价及群决策方法,构建了适用产品设计的评价问题生成库和评价问题解决方法库。结合产品设计评价的特点,采用群体决策的思想,构建出包括对话、数据、模型三个模块的群决策支持系统框架。建立基于网络的产品设计评价群决策支持系统。它将对辅助决策、改进设计质量具有较高的实用价值。     

面向多目标应用的土壤空间决策支持平台*

由于环境和人为因素的综合影响,土壤功能在人类时间尺度上可以产生较快的转变,此开发能够准确反映和预测土壤信息时空变化的决策支持平台,对于土地管理者和政策制定者而言是必需的。在解决多源异构数据集成、模型管理和配置、土壤分类参比查询、科学计算可视化、土壤知识自学习等关键问题的基础上,通过集成地理信息系统和framework技术,构建了开放的土壤空间决策支持平台,形成了多目标土壤决策应用的解决方案和敏捷开发模式。     

数据仓库和数据挖掘技术在DSS中的应用研究

数据仓库和数据挖掘技术是目前信息技术研究的热点问题之一。介绍了数据仓库的特点、体系结构、联机分析处理及数据挖掘技术,讨论了如何在Microsoft SQL Server2000中将数据仓库和数据挖掘技术结合起来开发决策支持系统。     

基于数据仓库技术的CRM决策支持系统模型设计

针对目前企业决策支持系统面临的新问题,介绍了CRM相关知识和决策支持系统的前沿技术——数据仓库及数据挖掘和联机分析处理,并在此基础上,提出了以数据仓库为中心、数据挖掘和联机分析处理为手段的面向客户关系管理的决策支持系统模型框架,描述了CRM数据运作流程和数据仓库等技术在其中所起的重要作用。     

A decision support system for personnel scheduling in a manufacturing environment

A Decision Support System (DSS) is developed to support managers in the task of scheduling labor in the area of manufacturing. The DSS is designed to generate labor requirements by worker category and work center based on master production schedules. It is a PC-based, menu-driven program that generates a capacity plan based on data supplied by the user of the system.     

An expert decision support system for network routing: a case study

The paper presents a case study of the development of an expert decision support system which uses simple heuristic methods for fast determination of routes for simultaneous signals in a transmission network of limited capacity. It illustrates how heuristic solutions can be embodied in a model-based DSS and how the standard decision support literature, although intuitively appealing, provides little practical assistance in system construction or classification