基于模糊关联聚类的知识网选择方法

针对知识化制造系统中相似知识网日益增多和用户需求表达不清晰等导致的知识网选择问题,提出一种基于模糊关联聚类的知识网选择方法.综合知识网功能、完善程度和结构等方面构造的相似度具有反映知识网运算规律的特征.将两两知识网的相似度作为聚类数据,降低了高维特征空间的维数.模糊关联矩阵的分解,获得了知识网-类关系.目标知识网与类中类隶属度高的知识网的比较缩小了用户选择范围.最后的实例表明该方法是有效可行的.     

基于模糊知识网的推理机设计

为了简化知识网的重构运算,文中在原有知识网定义的基础上,结合用户对重构出的知识网的满意度和用户需求的多样性,以及模糊数学的相关知识,提出了一种模糊知识网的概念;然后根据模糊知识网与原有知识网的不同,在原有知识网混合运算的基础上重新定义模糊知识网的并、交、差运算,并给出模糊知识网混合运算的算法;最后在混合运算的基础上研究了模糊知识网推理机的设计,并给出了模糊知识网推理机的主要功能模块和设计流程图以及几个主要的界面以实现模糊知识网的自重构。     

基于模糊c-means算法的空间数据分类和预测

空间分类和预测是空间数据挖掘中一个非常重要的方法,但对它们的研究目前尚处于初始阶段.通过引入空间对象对模糊聚类的模糊隶属度的概念,提出了基于模糊c-means算法的空间数据分类和预测的方法(SFCM),该方法首先用模糊c-means方法对数据集论域空间进行聚类,但由于空间数据具有空间自相关的特性,在用模糊c-means算法进行空间聚类时加入了空间信息,然后计算每个空间对象对所有聚类的模糊隶属度并从中找出模糊隶属度最大的聚类,最后用该聚类中心对象的因变量的值作为该空间对象的因变量的估计值,理论分析和实验结果表明,该算法是有效可行的.     

红外图像分割的改进模糊C均值聚类方法

分类数和初始聚类中心的选取对红外图像的分割结果有较大的影响。传统的模糊C均值算法的分类数和聚类中心往往设定为经验值。为获得最佳的分类数,提出采用轮廓指标确定出较理想的分类数。针对传统的模糊C均值聚类算法对初始聚类中心比较敏感的问题,提出了基于直方图灰度值的最小最大距离法来确定初始聚类中心。实验结果表明该方法有效可行。     

一种新的模糊规则提取方法

提出了一种新的模糊规则提取方法,该方法先采用基于山峰函数的减法聚类法自适应地确定初始的聚类中心,然后由此构造动态自组织神经网络进行学习,在学习的过程中可根据情况适当地合并或分裂神经元,并重构神经网络继续学习,最后按聚类中心确定模糊子集数目和隶属函数并形成模糊规则集.实验结果表明,通过网络结构和神经元的动态自适应变化能够获取样本集中的模糊信息,形成直观的模糊规则.     

基于知识量加权的直觉模糊均值聚类方法

针对聚类算法中特征数据对聚类中心贡献的差异性及算法对初始聚类中心的敏感性等问题,提出一种基于知识量加权的直觉模糊均值聚类方法。首先将原始数据集直觉模糊化并改进最新的直觉模糊知识测度计算知识量,据此实现数据集特征加权,再利用核空间密度与核距离初始化聚类中心,以提高高维特征数据集的计算精度与聚类效率,最后基于类间样本距离与最小知识量原理建立聚类优化模型,得到最优迭代算法。基于UCI人工数据集的实验结果表明,所提方法较大程度地提高了聚类的准确性与迭代效率,分类正确率及执行效率分别平均提高了10.63%和31.75%,且具有良好的普适性和稳定性。该方法首次将知识测度新理论引入模糊聚类并取得优良效果,为该理论在其他相关领域的潜在应用开创了新例。     

一种加权的空间模糊动态聚类算法

一般空间模糊聚类算法没有区分各属性之间的不平衡性和讨论分类数何时为最佳,针对这一问题,提出了一种加权空间模糊动态聚类算法。该算法首先利用层次分析法得到各属性的权值;然后将权值与空间模糊动态聚类法相结合;最后利用概率统计中的F-分布来确定最佳分类,以提高空间模糊聚类算法的智能性。将文中算法与基于模糊等价关系的传递闭包方法进行比较,试验表明,该算法聚类准确率要明显高于未加权的模糊聚类算法。     

基于改进人工免疫方法的混合模糊聚类算法

为了解决传统模糊聚类算法对初始值敏感、目标函数易陷入局部极小值等问题,将模糊核聚类方法与人工免疫算法相结合,提出了一种基于改进人工免疫方法的混合模糊聚类算法.算法通过借鉴生物免疫系统中的克隆选择原理和记忆机制,自动确定聚类类目及中心位置,同时还集成了模糊c均值搜索算子用于加快收敛速度.仿真实验结果表明了本算法在收敛性、收敛速度和分类性能的有效性.     

基于内容的多媒体数据库管理系统的研究

通过分析数据库的数据模型.研究基于内容的多媒体数据库管理系统的构建方法及其功能框架,采用PL/SOL方式访问Oracle 8i数据库.为了提高管理系统的图像检索速度,提出了一种基于内容的图像检索算法,从聚类中心初值选取和分类中心的更新方面改进C-均值聚类算法,较好地解决了图像的分类问题.实验表明:使用该聚类检索算法,能对分类中心进行快速更新,有效地对图像进行聚类以及缩短检索时间,检索性能优于现有的C-均值聚类算法.     

基于模糊Hopfield网络的神经元模糊识别系统

本文基于模糊Hopfield网络研究提出了一种神经元模糊识别系统(Neuro-Fuzzy Recognition System,简称NFR系统,或NFRs).其核心是(N+1)阶模糊Hopfield网络和NFR聚类核.通过(N+1)阶模糊Hopfield网络中的N阶子网络,对样本模式进行模糊聚类,学习样本模式中隐含的模糊聚类结构知识,形成NFR聚类核.基于NFR聚类核形成的知识结构,(N+1)阶模糊Hopfield网络对由待识别模式和样本模式构成的模式集合进行模糊聚类运算.NFRs可对模式空间的模式进行分类和识别,并依样本模式将其划分为等价类.论文对NFRs的性能进行了理论分析和示例研究,结果显示,NFRs具有良好的特性.     

基于MATLAB的模糊聚类分析的传递方法

聚类分析中的传递方法是直接通过模糊相似矩阵获得动态聚类图，该方法比通过传递闭包法求模糊等价矩阵而获得动态聚类图的方法在时间复杂度和空间复杂度要小，本文对重点介绍传递方法，并给出了由MATLAB语言实现的算法程序，并介绍了一个应用实例。     

基于密度峰值的加权犹豫模糊聚类算法

由于人们对事物认知的局限性和信息的不确定性,在对决策问题进行聚类分析时,传统的模糊聚类不能有效解决实际场景中的决策问题,因此有学者提出了有关犹豫模糊集的聚类算法.现有的层次犹豫模糊K均值聚类算法没有利用数据集本身的信息来确定距离函数的权值,且簇中心的计算复杂度和空间复杂度都是指数级的,不适用于大数据环境.针对上述问题,...     

基于多层二部图的高光谱模糊聚类算法

针对传统模糊聚类算法对初始聚类中心非常敏感以及对高光谱图像处理效果不佳的问题,为减少聚类数据的复杂度、降低聚类过程的计算成本以提升聚类性能,提出了一种基于多层二部图的高光谱模糊聚类算法。首先使用SuperPCA预处理方法对超像素分割得到的每个同质区域进行PCA来学习HSI数据不同区域的固有低维特征,从而获得高光谱数据的低维表示;其次,构造一个多层二部图矩阵来描述数据点和锚点之间的关系,降低了计算复杂度;最后,在模糊聚类中加入基于多层二部图的非负正则项来约束模糊隶属度矩阵的解空间。在Indian Pines和Pavia University数据集上进行的实验表明,所提算法能提高聚类效果与性能。     

凝聚中心犹豫度恒定的模糊层次聚类算法

传统的模糊方法已无法解决数据本身不确定性的问题,犹豫模糊集方法却行之有效.原有的犹豫模糊层次聚类算法没有考虑犹豫模糊集对权值的影响,缺乏合理的权重计算方法,并且算法的时间复杂度和空间复杂度都为指数级.为了更有效地解决聚类分析问题,本文提出一种凝聚中心犹豫度恒定的模糊层次聚类算法(FHCA),首先设计了一种基于数据集本身...     

Modified fuzzy ants clustering approach

Being trapped in local optima within clustering search space currently is nontrivial difficulty. In order to relieve such a difficulty, even using genetic algorithm to optimize the initial clusters for fuzzy c-means is still unsatisfied. Since genetic algorithm intensifies only the current best solution, it will easily gets trapped in local minima. The ant colony system, dissimilarly to genetic algorithm, recognizes that the solutions near the best solution are also good ones and they bring about smoothness of solution. This paper proposes a modified fuzzy ant clustering. Such a presented method is a combination of genetic algorithm, ant colony system and fuzzy c-means. It is employed in creating fuzzy color histogram in image retrieval application. The performance measurement relates to the percentages of accuracy of image retrieval. Experimental results show that the proposed approach yields the best results among others with respect to sensitivity and robustness on dealing with lighting intensity changes, quantization errors, also changes in number of images and in size of color space, even the certain-range variation of a particular parameter of clustering.     

Concepts learning with fuzzy clustering and relevance feedback

In recent years feedback approaches have been used in relating low-level image features with concepts to overcome the subjective nature of the human image interpretation. Generally, in these systems when the user starts with a new query, the entire prior experience of the system is lost. In this paper, we address the problem of incorporating prior experience of the retrieval system to improve the performance on future queries. We propose a semi-supervised fuzzy clustering method to learn class distribution (meta knowledge) in the sense of high-level concepts from retrieval experience. Using fuzzy rules, we incorporate the meta knowledge into a probabilistic feature relevance feedback approach to improve the retrieval performance. Results on synthetic and real databases show that our approach provides better retrieval precision compared to the case when no retrieval experience is used.     

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。     

基于本体的知识资源模糊聚类分析*

针对知识资源分块的边界模糊性的特点,以知识资源的本体表示为基础,应用基于本体的知识资源模糊聚类方法,通过分解知识本体,计算概念、属性、关系、结构等知识构成元素的空间向量,结合WordNet的词汇映射关系,使用知识本体间的语义距离表示知识资源间的模糊相似度,来实现知识本体的模糊聚类。最后举出实例来描述本文应用的方法,说明模糊聚类方法可以较好地分类知识资源。     

基于B/S结构的知识化制造自重构子系统的实现

为克服传统C/S结构的知识化制造自重构子系统维护成本高、执行效率低、通用性和可移植性差等缺点,开发了基于B/S的四层体系结构的知识化制造自重构子系统。介绍了知识化制造系统中知识的表示方法;分析了知识化制造自重构子系统的功能,讨论了知识网自重构使能工具的实现、自重构后实际软件系统的自动生成、基于混合编程的动态图形视图等难点技术;在ASP.NET平台上,基于组件技术,通过实例验证了知识化制造系统自重构的可行性及有效性。     

基于时间序列和任务调度的Web数据聚类算法

为了实现Web服务请求数据的快速聚类,并提高聚类的准确率,提出一种基于增量式时间序列和任务调度的Web数据聚类算法,该算法进行了Web数据在时间序列上的聚类定义,并采用增量式时间序列聚类方法,通过数据压缩的形式降低Web数据的复杂性,进行基于服务时间相似性的时间序列数据聚类。针对Web集群服务的最佳服务任务调度问题,通过以服务器执行能力为标准来分配服务任务。实验仿真结果表明,相比基于网格的高维数据层次聚类算法和基于增量学习的多目标模糊聚类算法,提出的算法在聚类时间、聚类精度、服务执行成功率上均获得了更好的效果。