基于灰色聚类法的仿真系统可信度分析

仿真系统可信度分析是仿真理论特别是仿真VV＆A技术研究的重要内容,也是仿真系统开发的重点及难点工作之一.该文首先对仿真系统可信度分析的常用方法进行了分析和比较,针对仿真系统信息存在不完备、不全面和不充分的特点,把灰色聚类理论引入到仿真系统可信度分析中,给出了仿真系统可信度分析的灰色关联聚类法、灰色变权聚类法和灰色定权聚类法的单级和多级评判模型,最后分析比较了这三种方法的特点和适用范围.     

广义计算及其在磨粒识别中的应用

广义计算是融程序计算,神经计算、模糊计算和演化计算于一体的一种新型技术,该文提出了广义计算单元的定义,介绍了广义计算网络的特点,然后建立了一个广义计算模型,最后简单地介绍了广义计算在磨粒识别中的应用。     

灰色聚类法在湿地水体富营养化评价中的应用

将灰色聚类法应用到湿地水体富营养化评价中，旨在建立起一套比较完善、适合于湿地水体富营养化的评价体系。把湿地水体富营养化程度划分为6个级别，其阚值参照中国湖泊富营养化评价标准和湿地富营养化的特点。利用灰类白化权函数描述水体富营养化分级界限，正确地选择了各参评指标对于各等级的聚类权，在此基础上构建了湿地水体富营养化灰色聚类法综合评判模型。并以扎龙湿地为例进行了实例计算与分析，验证了此模型的准确性、可比性和实用性。     

融合灰色关联和主成分分析的磨粒自动识别

针对机械故障中产生的磨损情况,通过磨粒识别可以有效的提高设备的故障诊断和监测水平,减少机械故障事故发生的概率.文中对难分析的氧化物磨粒、严重滑动磨粒、疲劳磨粒提出了针对性的识别方法.提出利用主成分分析与欧氏距离相结合的方法识别红色氧化物磨粒和黑色氧化物磨粒;灰色关联分析和主成分分析相结合的方法识别严重滑动磨粒和疲劳磨粒,最后作者通过实例,验证了上述方法的准确性和可行性,提高了磨粒识别的速度和效率     

灰色聚类法在软件项目风险评价中的应用

软件风险的控制在当今软件开发过程中显得越来越重要,而软件项目风险评价的好坏直接影响到风险的管理。目前,大多数软件项目风险评估技术本质上都是基于主观的,而客观地依赖于度量技术进行软件项目风险分析的研究还很少。针对软件项目风险管理的要求,建立了评价指标体系,提出了基于灰色聚类的软件项目风险评价方法。文中案例分析证明了该方法的科学性、客观性与合理性。     

灰色聚类在大学生综合素质评价中的应用

为了综合评价大学生素质,本文提出一种基于灰色聚类的大学生素质评价新方法。该方法通过对评价大学生素质的各单一性能评价指标进行分析,构造灰数白化权函数和聚类系数向量矩阵,从而归纳出待评价大学生所属类别。应用实例表明,该方法能对待评价的大学生进行正确归类,又能合理分析大学生素质的整体性能。     

基于灰色聚类的群决策方法研究

采用非线性变换对区间灰数形式的决策信息进行规范化处理,并由决策者问差异度最小构建优化模型,确定指标权重.考虑到在决策者较多的情况下对决策者进行聚类处理可以提高决策质量,给出了决策者决策信息的灰色关联度的计算方法,并基于灰色关联度提出了对决策者进行分类的灰色聚类算法.在此基础上,提出了对聚类后各决策者类的决策信息集结的决策模型.最后通过一个实例说明了所提出方法的可行性和有效性.     

时间序列聚类算法及其在手势识别中的应用

针对中国聋人手势词"语形"是由若干个基本手势组成的特点,本文提出了沿时间轴的贪心聚类算法,并在此基础上给出了一种快速训练算法及快速识别算法.将该算法具体应用到中国手语手势词的识别中,实验结果表明,与HMM相比,该方法不仅在识别速度上有大的改观,而且大大缩短了手势词对应模板的训练时间.     

基于灰色聚类的图像检索技术

受现有灰色系统研究成果的启发，将灰色聚类方法应用于CBIR的研究巾，建立了CBIR与灰色聚类的对应哭系，提出了一种全新的基于灰色聚类的图像检索技术。该方法首先对用户主观性相似判断进行定性分析，确定若干个灰类；然后采用相应的训练算法建立各个灰类的白化函数；最后，采用灰色聚类方法对数据库图像进行聚类分析，得到检索结果集。这种方法既考虑了人类视觉感知的特点，同时又简化了问题的复杂度，从而使图像检索的效率与性能得以同时提高。     

色彩聚类在车牌颜色识别中的研究与应用

彩色图像中的色彩聚类和识别在机器视觉环境中的理解、自动化生产过程的导引、交通标志的自动识别等方面有着非常重要的作用。研究的色彩聚类和识别是“车辆牌照自动识别系统”的一个重要部分——车牌颜色识别。论文提出并实现了一种基于特定色彩空间,利用不同颜色的特征值进行色彩聚类和识别的方法。论文事实依据充分,以大量不同背景和不同光照条件下的彩色车牌作为实验数据进行分析、研究,提出了一种有效的、稳健的色彩聚类和识别的方法。     

软件需求风险综合评估的灰色聚类模型及应用

目前,大多数软件需求风险评估技术本质上都是基于主观的,而在软件需求分析过程中客观地依赖于度量技术进行软件需求风险分析的研究还很少。文中尝试将灰色系统理论应用于软件需求风险分析,提出使用各影响因素进行综合评判的方法,建立了软件需求风险综合评估的灰色聚类模型,得出了有意义的结论,为定量准确评价软件需求风险提供了有效的方法。该法能在软件需求分析过程中帮助开发者或管理人员识别高风险的需求模块,便于有效地开展风险管理。     

基于微粒群的K均值聚类算法在图像分类中的应用

提出一种新的图象分类算法椈谖⒘Ｈ旱腒均值聚类图象分类算法.将此算法和K均值聚类算法以及微粒群图像分类算法分别应用于MRI人脑图象的分类,并进行了比较.实验结果表明:基于微粒群的K均值聚类图象分类算法具有较好的全局收敛性,不仅能有效克服K均值算法易陷入局部极小值的缺点,且全局收敛性能优于微粒群图像分类算法.     

基于灰色聚类理论的人口年龄结构评估模型

由于经济发展水平与生育政策执行力度的差异,我国不同地区的人口年龄结构存在较大差异。以我国31个省市自治区为聚类对象,选取各阶段年龄的人口数量以及总抚养比等为聚类指标,定义了相应指标的白化权函数,给出了人口年龄结构评估的聚类模型,并且编写了相应的算法。利用这一模型把31个地区按年龄结构分成三类:优、中和差,然后对同一类的地区再次排序,进一步分析原因。文章的结果系统、客观、准确地评价出各地区年龄结构,对解决我国人口问题具有一定的参考价值。     

灰狼与郊狼混合优化算法及其聚类优化

郊狼优化算法(Coyote optimization algorithm, COA)是最近提出的一种新颖且具有较大应用潜力的群智能优化算法, 具有独特的搜索机制和能较好解决全局优化问题等优势, 但在处理复杂优化问题时存在搜索效率低、可操作性差和收敛速度慢等不足. 为弥补其不足, 并借鉴灰狼优化算法(Grey wolf optimizer, GWO)的优势, 提出了一种COA与GWO的混合算法(Hybrid COA with GWO, HCOAG). 首先提出了一种改进的COA (Improved COA, ICOA), 即将一种高斯全局趋优成长算子替换原算法的成长算子以提高搜索效率和收敛速度, 并提出一种动态调整组内郊狼数方案, 使得算法的搜索能力和可操作性都得到增强; 然后提出了一种简化操作的GWO (Simplified GWO, SGWO), 以提高算法的可操作性和降低其计算复杂度; 最后采用正弦交叉策略将ICOA与SGWO二者融合, 进一步获得更好的优化性能. 大量的经典函数和CEC2017复杂函数优化以及K-Means聚类优化的实验结果表明, 与COA相比, HCOAG具有更高的搜索效率、更强的可操作性和更快的收敛速度, 与其他先进的对比算法相比, HCOAG具有更好的优化性能, 能更好地解决聚类优化问题.     

基于随机权重粒子群和K-均值聚类的图像分割

K-均值聚类具有简单、快速的特点,因此被广泛应用于图像分割领域。但K-均值 聚类容易陷入局部最优,影响图像分割效果。针对K-均值的缺点,提出一种基于随机权重粒子 群优化(RWPSO)和K-均值聚类的图像分割算法RWPSOK。在算法运行初期,利用随机权重粒 子群优化的全局搜索能力,避免算法陷入局部最优;在算法运行后期,利用K-均值聚类的局部 搜索能力,实现算法快速收敛。实验表明：RWPSOK 算法能有效地克服K-均值聚类易陷入局 部最优的缺点,图像分割效果得到了明显改善;与传统粒子群与K-均值聚类混合算法(PSOK) 相比,RWPSOK 算法具有更好的分割效果和更高的分割效率。     

基于分类的聚类方法研究及其应用

基于一类分类模型,提出了能够根据样本本身的属性信息,客观地反映各指标的主次性的一种新的聚类方法.     

聚类/分类中的粒度原理

从信息粒度的角度来剖析聚类和分类技术，试图使用信息信息粒度原理的框架来统一聚类和分类，从信息粒度的观点来看，聚类是在一个统一的粒度下进行计算，而分类却是在不同的粒度下进行计算，该文还根据粒度原理设计了一个种崭新的分类算法，在大规模中文文本分类的应用实践表明这种分类算法有较强的泛化能力。     

基于变权优化背景值改进的GM(1,1)灰色预测模型及其应用

针对传统的GM(1,1)灰色预测模型背景值采用均等权值导致预测精度不高的缺点,本文提出一种变权优化选择背景值方法。首先将黄金分割搜索和抛物线插值法相结合确定改进GM(1,1)模型的背景值;然后将改进后的背景值代入灰色预测代数递推方程,从而代替传统的GM(1,1)模型中的白化方程;最后选取指数数列进行模拟并结合某高校教师人数的实际统计数据进行仿真实验。结果表明,改进的GM(1,1)模型减少了平均相对误差,提高了预测精度,具有一定的应用价值。