区域企业集群的盟员选择方法研究

运用层次分析法对企业集群的盟员选择进行了探讨,给出了分析方法,运用评分几何平均法、规范列平均法对评判矩阵进行了计算,有效地确定决策矢量。使得企业集群可以科学合理而又迅速地选择到合作盟员,并大大提高企业集群的生产效益。本文给出了东莞模具集群企业盟主在选择最佳合作盟员的应用实例。     

模糊聚类分析在乳腺癌图像分类中的应用

研究模糊聚类分析在医学图像数据挖掘中的应用。利用决策树算法对乳腺癌图像数据进行分类,实现了一个基于决策树算法的医学图像分类器,获得了分类的实验结果。该模型系统达到了较高的分类准确率,证明数据挖掘在辅助医疗诊断中有着广泛的应用前景。     

一种改进的证据理论C均值分割方法

证据理论C均值(ECM)作为传统聚类方法的一种改进仍然存在着对噪声敏感和易于陷入局部极小值的缺点,鉴于此,提出一种遗传算法(GA)和证据理论C均值相结合的分割方法,并且在分类过程中引入了位置信息。遗传算法具有全局搜索的能力,很好地克服了证据理论C均值结果局部最优的缺点,而位置信息的引入则解决了对噪声敏感的问题。实验结果证明,该方法收敛速度快,迭代步数少,分割精度高。     

参考点对WiFi位置指纹算法的影响

随着室内定位技术的发展,WiFi位置指纹定位算法得到了人们的广泛关注,主要探讨了参考点数量与参考点间隔对于算法精度的影响.采用Matlab软件对位置指纹算法分别在实验环境和模拟环境中进行了仿真,通过实验数据得出随着参考点数量的增加,KNN与WKNN算法定位精度差不断减小,参考点数量越多,后改进的WKNN算法相比于KNN算法的定位精度提高的也越来越小,基本无明显差别.参考点数量越多计算越复杂,采用白化的K-Means聚类算法提高计算效率和定位精度,对参考点间隔对于定位精度的影响进行了实验,得出定位精度并不是参考点间隔越小越精确,而是在1.5m左右的间隔为佳.     

基于模糊神经网络对经济的聚类分析

在现实生活中具有同等人力资本的劳动者在不同的生产力环境下的经济贡献率是不同的 ,有时甚至不可比较的。利用人工神经网络 (SOM网络 ) ,通过 Matlab语言编程 ,根据技术进步增长率对整个经济进行模式分类。分类的结果是大致把 2 9个省市分为 6个类 ,反映了各地区的经济与技术进步增长率情况     

基于集群计算的移动自组网络节能路由协议

节能问题在移动自组网络中已成为一个越来越重要的设计标准。提出了一种基于集群计算的低功耗路由协议——Cluster—based Energy Saving Routing Protocol（CESP）。其原理是使网络中的若干个节点以一个集群的方式工作在一个特定的节点周围．这个特殊的节点我们称之为集群指挥节点（Cluster Commanding Node—CCN）。集群指挥节点集中管理整个集群节点的能源管理机制,并且在该集群与同一网络中其他节点进行通信的时候起到代理节点的作用。当一个普通的集群节点启用了能源管理机制,它便进入节能模式以使能源消耗最小化。同时,集群管理节点采取缓存数据帧的方式来节能,仅当它接受到相应请示的时候才进行数据发送。     

延迟光照算法对Hadoop集群渲染系统的改进与实现

针对集群渲染系统在三维场景文件输出过程中,海量数据处理以及存储的问题,利用Hadoop框架对现有系统进行分布式模型改造,以基于延迟光照算法的处理方式,对分布式存储和计算的业务逻辑结构部署,实现改进Hadoop集群渲染系统对任务的处理策略,提供高容错、可靠的存储和海量计算数据的方式.通过实验证明改进的Hadoop集群渲染系统可以提高系统利用率和任务处理能力.     

基于集群服务器的网络CSCW系统应用研究

在分析国内外CSCW研究和发展的基础上,通过比较C/S和B/S的优缺点,提出了基于集群服务器的硬件平台,利用智能体Agent代理,采用B/S模式,并将Applet嵌入到浏览器中的CSCW系统,实现基于集群服务器的网络CSCW系统。     

基于近红外光谱的鸡蛋产地溯源

为了快速、准确、无损地追溯鸡蛋的不同产地,借助于近红外光谱技术,采用主成分析结合PLS-DA判别模型和簇类独立软模式法(SIMCA)建立了鸡蛋的溯源模型。利用标准正态变量(standard normal variate,SNV)、Savitzky-Golay平滑滤波(SG)和多元散射校正(multiplicative scatter correction,MSC)等方法对原始光谱数据进行了预处理,结果表明SG(3点)平滑处理结果最好;利用主成分分析方法对不同地区的鸡蛋进行聚类分析,发现当主成分数为3时,建立的SIMCA溯源效果最好。结果表明,在显著水平0.05时,4个地区(朔州、吕梁、太谷、运城)验证集的识别率均为100%,其中吕梁和运城地区的拒绝率为100%,朔州和太谷地区的拒绝率为98.6%。说明SIMCA模式建立的模型基本能够判别鸡蛋产地。