K-means算法应用现状与研究发展趋势

K-means是一种无监督学习算法,基于数据对象之间的距离度量划分数据簇、欧氏距离等度量方法存在一些问题,比如离群点数据较多,算法准确度较低.互信息可以度量任意两个数据对象之间的互相包含程度,基于互信息改进K-means算法,可以更好地度量数据对象之间的距离,确保簇内高度相同和簇间高度相异,旨在解决离群点数据较多的情况下K-means算法准确度不高的问题.实验结果显示,与K-means算法、模糊K-means算法相比,改进K-means算法实验结果精确度达到了97.8％,该方法明显提高K-means算法的准确度.     

公共自行车服务系统推广模型

针对公共自行车服务系统优化问题,采用浙江省温州市鹿城区某20天借车和还车的原始数据,利用Excel处理原始数据并建立图表,从而得出了对服务站点位置分布、各站点自行车锁桩和自行车数量配置相应的调整措施,最终将公共自行车服务系统加以改进推广。     

视频网站的数据存储管理优化

针对视频网站数据优化存储的问题,定义了文件热度的概念,利用平均值的方法描述了各个类型数据的热度。在此基础之上采用时间序列方法对数据进行预测,得到了未来十天的不同类型视频的访问情况。最后,分析了文件多个周期的热度,通过隶属度函数确定出每一个周期的淘汰阈值,通过计算不同周期的淘汰阈值,得到一个动态的淘汰阈值示意图,从而给出文件淘汰分发的原则,实现了数据的存储管理优化。     

模糊神经网络预测钢件热处理后力学性能

综合应用模糊数学和神经网络的知识构造了一个模糊神经网络模型。根据零件的淬火温度、淬火介质、回火温度、回火时间等参数，用该模糊神经网络预测钢件淬火和回火后的力学性能。预测结果表明，该方法速度快，结果较准确，为制定钢件热处理工艺提供了一个新的辅助手段。     

基于GIS的成矿预测系统

通过对基于GIS的成矿预测系统的理论及编程穸现，在对成矿系统认识创新的基础上，集成地质、地球物理、地球化学、航天及航空遥感等多元地学信息，建立重要矿床类型的综合预测评价标志俘糸，构建重要矿床类型的可视化定位预测模型。通过对阿勒泰地区的应用，验证了其有效性。     

基于半监督聚类的文档敏感信息推导方法

针对当前多文档聚合推导引起的敏感信息泄露问题存在风险大、隐蔽性高的特点,提出了一种基于半监督聚类的文档敏感信息推导方法。首先,为确保在较小的时间开销下获得高质量的约束信息,设计了一种新颖的二阶约束主动学习算法,它通过选择不确定性最大的样本点来生成信息量最大的约束闭包;然后,在引入约束信息的基础上结合DBSCAN提出一种新的半监督聚类算法,它能够有效解决DBSCAN算法存在的边界模糊问题,提高文档聚类准确性;最后,在半监督聚类结果的基础上,对相似文档进行敏感信息可能性测度。实验表明,半监督聚类算法准确率提升明显,推导方法能够有效推导出敏感信息。     

基于模糊数学的节水型社会综合评价

为综合评价区域节水型社会建设状况,采用层次分析法构建评价指标体系和确定指标权重,并运用模糊数学方法建立综合评价模型,以江西省吉安市青原区为例进行评价.结果表明,该模型可较真实地反映节水型社会建设水平,评价结果合理,可供借鉴.     

软件质量方案模糊决策模型的研究

为了解决由于软件质量概念的模糊性而导致的软件质量方案决策困难的难题,从3个方面对软件质量方案模糊决策模型进行了研究.首先,采用L-R模糊数建立模糊权集,解决了经典决策方法存在的精确权集缺陷和模糊综合评价方法存在的伪模糊权集缺陷.其次,采用Bonissone方法简化了模糊运算.再者,采用模糊排序方法进行方案选择.从而全面提高了软件质量方案决策的准确性.最后,以一实例进行了验证.     

双枝模糊集(Ⅲ)

提出双枝模糊集Ｓ的理论,本课题是［Ⅰ,Ⅱ］研究的继续．在单枝模糊集理论（Ｌ．Ａ．ＺａｄｅｈＦｕｚｚｙＳｅｔＴｈｅｏｒｙ）研究中,由于引进λ－截集Ｓλ的概念,便产生了单枝模糊集的并－普通分解定理［３］,交－普通分解定理［４］．［Ⅰ,Ⅱ］提出了双枝模糊集Ｓ,由于引进了λ－截集Ｓλ的概念,便产生了双枝模糊集Ｓ的并－普通分解定理,交－普通分解定理．人们自然提出这样的问题：双枝模糊集可以分解成若干个普通集Ｓλ;双枝模糊集Ｓ是否能分解成若干个模糊集Ｓα？本文的研究说明：双枝模糊集Ｓ可以分解成若干个模糊集Ｓα．（一个单枝模糊集Ａ也可以分解成若干个模糊集Ａα,但是在单枝模糊集理论中没有被人们去研究．）本文给出Ｓ的α－嵌入集Ｓα的概念,提出Ｓ的α－嵌入定理,Ｓ的α－嵌入模糊分解定理．     

双枝模糊集(Ⅱ)

提出双枝模糊集Ｓ的理论,是（Ｉ）研究的继续．提出双枝模糊集Ｓ的并－普通分解定理,交－普通分解定理．这些结论建立了双枝模糊集Ｓ与普通集Ｓλ之间的关系,这些结论为建立双枝模糊推理,双枝模糊控制作了理论准备．结论指出：（１）双枝模糊集Ｓ同时存在并－普通分解形式：Ｓ＝∪λ∈［－１,１］λＳλ和交－普通分解形式：Ｓ＝∩λ∈［－１,１］λＳλ;这两种分解形式是建立双枝模糊推理理论,双枝模糊控制理论的理论基础．（２）单枝模糊集Ａ（Ｌ．Ａ．ＺａｄｅｈＦｕｚｚｙＳｅｔＡ）的并－普通分解定理,交－普通分解定理是双枝模糊集Ｓ的并－普通分解定理,交－普通分解定理的特例．